1.topK总结https://mp.weixin.qq.com/s/FFsvWXiaZK96PtUg-mmtEw
2.优先级队列求解topK
import java.util.PriorityQueue;
public class TopK {
public static void main(String[] args) {
//增加删除为offer, poll
PriorityQueue<ListNode> queue=new PriorityQueue<>((a,b)->a.val-b.val);//(a,b)->a.val-b.val 比较器
ListNode a1 = new ListNode(1);
ListNode a2 = new ListNode(2);
ListNode a3 = new ListNode(3);
ListNode a4 = new ListNode(4);
queue.offer(a1);
queue.offer(a2);
queue.offer(a3);
queue.offer(a4);
while (!queue.isEmpty()){
System.out.print(queue.poll().val+"\t");
}
}
}
class ListNode {
int val;
ListNode next;
ListNode(int x) { val = x; }
}
3. 合并 k 个排序链表,返回合并后的排序链表。
/**
* Definition for singly-linked list.
* public class ListNode {
* int val;
* ListNode next;
* ListNode(int x) { val = x; }
* }
*/
class Solution {
//思路是 优先队列(小顶堆) 遍历
//遇到的坑!!!K个节点,每个节点都有可能是空!!!也就是说虽然lists数有长度,但是可能很多个元素都是null
public ListNode mergeKLists(ListNode[] lists) {
PriorityQueue<ListNode> queue = new PriorityQueue<>((a,b)->a.val-b.val);//声明
for(int i=0;i<lists.length;i++){
if(lists[i]!=null){
queue.add(lists[i]);
}
}
if(queue.isEmpty()){
return null;
}
ListNode temp = new ListNode(queue.peek().val);
ListNode head = temp;
while(!queue.isEmpty()){
ListNode p = queue.poll();
temp.next = p;
temp = temp.next;
if(p.next!=null){
queue.offer(p.next);
}
}
return head.next;
}
}
3.采用堆的方法求解topK
/**
*O(n*logk)
* n个数中取最小
* 采用最大堆
* 这样做的话明显建堆和调堆都比较好
*/
class MaxHeap {
// 堆的存储结构 - 数组,father=data[2 * i],left=data[2 * i +1], right=data[2 * i + 2]
private int[] data;
/**
* 将一个数组传入构造方法,并转换成一个小根堆
*
* @param data
*/
public MaxHeap(int[] data) {
this.data = data;
buildMaxHeap();
}
/**
* 将数组转换成最大堆
* 数组中,父节点对应的位置是i*2,左子节点对应的是i * 2 + 1, 右子节点对应的是i * 2 + 2
*/
private void buildMaxHeap() {
// 完全二叉树只有数组下标小于或等于 (data.length) / 2 - 1 的元素有孩子结点,遍历这些结点。
// 比如{0, 1, 2, 3, 4},(data.length) / 2 - 1 = 1,其左右子节点是3和4,而2,3,4没有子节点
for (int i = (data.length) / 2 - 1; i >= 0; i--) {
// 对有子结点的元素heapify
heapify(i);
}
}
/**
* 调整节点i及其子节点的位置以符合最大堆的要求,即root是最大值
* 如果是求数组最大的K个数,则使用最小堆,即左右子节点比root大的调换位置即可
*
* @param i
*/
private void heapify(int i) {
// 获取左右结点的数组下标 (i + 1) << 1 = 2 * i + 2
int left = ((i + 1) << 1) - 1;
int right = (i + 1) << 1;
// 这是一个临时变量,表示 跟结点、左结点、右结点中最大的值的结点的下标
int largest = i;
// 存在左结点,且左结点的值大于根结点的值
if (left < data.length && data[left] > data[largest]) {
largest = left;
}
// 存在右结点,且右结点的值大于以上比较的较大值
if (right < data.length && data[right] > data[largest]) {
largest = right;
}
// 左右结点的值都小于根节点,直接return,不做任何操作
if (i == largest) {
return;
}
// 交换根节点和左右结点中最大的那个值,把根节点的值替换下去
swap(i, largest);
// 由于替换后左右子树会被影响,所以要对受影响的子树再进行heapify
heapify(largest);
}
/**
* 交换元素位置
*
* @param i
* @param j
*/
private void swap(int i, int j) {
int tmp = data[i];
data[i] = data[j];
data[j] = tmp;
}
/**
* 获取对中的最小的元素,根元素
*
* @return
*/
public int getRoot() {
return data[0];
}
/**
* 替换根元素,并重新heapify
*
* @param root
*/
public void setRoot(int root) {
data[0] = root;
heapify(0);
}
}
public class TopKByHeapSort {
public static int[] findLeastK(int[] array, int k) {
if (array == null || array.length == 0 || k <= 0) {
return null;
}
int[] result = new int[k];
// 先取出数组的前K个元素来构造最大堆
for (int i = 0; i < k; i++) {
result[i] = array[i];
}
MaxHeap maxHeap = new MaxHeap(result);
// 遍历数组其余的元素并替换最大堆的root
for (int i = k; i < array.length; i++) {
int max = maxHeap.getRoot();
if (array[i] < max) {
maxHeap.setRoot(array[i]);
}
}
return result;
}
public static void main(String[] args) {
int[] array = {4, 5, 1, 6, 2, 7, 3, 8,23,1231,5134};
int[] result = findLeastK(array, 4);
for (int i : result) {
System.out.print(i + " ");
}
}
}