leetcode 703. 数据流中的第K大元素 最小堆解法 c语言

如题：

设计一个找到数据流中第K大元素的类（class）。注意是排序后的第K大元素，不是第K个不同的元素。
你的 KthLargest 类需要一个同时接收整数 k 和整数数组nums 的构造器，它包含数据流中的初始元素。每次调用 KthLargest.add，
返回当前数据流中第K大的元素。
示例:

int k = 3;
int[] arr = [4,5,8,2];
KthLargest kthLargest = new KthLargest(3, arr);
kthLargest.add(3);   // returns 4
kthLargest.add(5);   // returns 5
kthLargest.add(10);  // returns 5
kthLargest.add(9);   // returns 8
kthLargest.add(4);   // returns 8

这道题本意是将一堆数排好序好取第K大的值，刚开始使用二叉搜索树进行排序结果超时。后来改成归并排序，超出时间空间。然后修改成快速排序，还是超时，最后是快排加上冒泡排序，才运行通过，即便如此，耗时超过276ms，看了下c写的最好解法耗时仅48ms，相差N倍。它采用的是最小堆排序，空间复杂度仅需O(k)。

其实像这类海量数据中找前K大的数或者前K小的数，最合适的算法就是堆排序了。堆排序又分为大顶堆和小顶堆。大顶堆指的是节点的子节点都小于它，小顶堆指的是节点的子节点都大于它。这道题显然是使用小顶堆，堆顶即是第K大的数，遍历数组的时候，如果小于堆顶，可以直接丢弃，大于堆顶，则替代堆顶，然后进行堆调整动作。类似的，如果是求第K小的数，那就用大顶堆实现，堆顶即是第K小的数，遇到比堆顶大的数直接丢弃，遇到比堆顶小的数，替代堆顶，然后堆调整。

此外，在使用c语言实现的时候，数组下标记得从1开始，0可以不用，这样写可以避免很多0下标的处理。

堆排序在面试笔试题中相当常见，掌握好的话写出来还是相当快，不懂的同学还是抓紧时间最练习几遍。

下面是本题的C语言最小堆解法代码：

//两个数值互换
void swap(int *a, int *b)
{
    if (a == b) return;
	*a = *a ^ *b; *b = *a ^ *b; *a = *a ^ *b;
}

typedef struct {
    int maxSize;
    int heapSize;
    int *heap;
} KthLargest;

int kthLargestAdd(KthLargest* obj, int val);

//最小堆调整函数，表示调整s的位置。
void heapAdjust(int *heap, int s, int e)
{
	int i = 1,j;

	for (j = s << 1; j <= e; j*=2)
	{
		if (j < e && heap[j] > heap[j+1])j++;
		if (heap[j] > heap[s])	break;
		swap(heap+j, heap+s);	s = j;
	}
	return;
}

//最小堆添加元素
void heapInsert(int *heap, int e, int val)
{
    int f = 0, i;
    heap[e] = val;

    //和父节点比较
    f = e >> 1;
    while (f)
    {
        if (val < heap[f])
        {
            swap(heap+e, heap+f);
            e = f; f = e >> 1; 
        }
        else
            break;                
    }
    return;
}

KthLargest* kthLargestCreate(int k, int* nums, int numsSize) {
    int i = 0, j = 0;
    KthLargest* n = (KthLargest*)calloc(1, sizeof(KthLargest));
    n->maxSize = k;
    n->heapSize = 0;
    n->heap = (int *)calloc((k+1), sizeof(int));
    
    for (; i < numsSize; i++)
        kthLargestAdd(n, nums[i]);
    
    return n;
}

int kthLargestAdd(KthLargest* obj, int val) {
    int i = 0;
    //超出堆大小则和堆顶比较，否则插入堆尾，然后自底向上找到合适位置
    if (obj->heapSize < obj->maxSize)
    {
        obj->heapSize++;
        heapInsert(obj->heap, obj->heapSize, val);
    }
    else
    {
        if(obj->heap[1] < val)
        {
            obj->heap[1] = val;
            heapAdjust(obj->heap, 1, obj->heapSize);
        }
    }
    return obj->heap[1];
}

void kthLargestFree(KthLargest* obj) {
    free(obj);
    return;
}

 

=============================================================================================

Linux应用程序、内核、驱动开发交流讨论群(745510310)，感兴趣的同学可以加群讨论、交流、资料查找等，前进的道路上，你不是一个人奥^_^。