转自点击打开链接
题目:输入n个整数,输出其中最小的k个。
例如输入1,2,3,4,5,6,7和8这8个数字,则最小的4个数字为1,2,3和4。
分析:这道题最简单的思路莫过于把输入的n个整数排序,这样排在最前面的k个数就是最小的k个数。只是这种思路的时间复杂度为O(nlogn)。我们试着寻找更快的解决思路。
我们可以先创建一个大小为k的数据容器来存储最小的k个数字。接下来我们每次从输入的n个整数中读入一个数。如果容器中已有的数字少于k个,则直接把这次读入的整数放入容器之中;如果容器中已有k个数字了,也就是容器已满,此时我们不能再插入新的数字而只能替换已有的数字。我们找出这已有的k个数中最大值,然和拿这次待插入的整数和这个最大值进行比较。如果待插入的值比当前已有的最大值小,则用这个数替换替换当前已有的最大值;如果带插入的值比当前已有的最大值还要大,那么这个数不可能是最小的k个整数之一,因为我们容器内已经有k个数字比它小了,于是我们可以抛弃这个整数。
因此当容器满了之后,我们要做三件事情:一是在k个整数中找到最大数,二是有可能在这个容器中删除最大数,三是可能要插入一个新的数字,并保证k个整数依然是排序的。如果我们用一个二叉树来实现这个数据容器,那么我们能在O(logk)时间内实现这三步操作。因此对于n个输入数字而言,总的时间效率就是O(nlogk)。
我们可以选择用不同的二叉树来实现这个数据容器。由于我们每次都需要找到k个整数中的最大数字,我们很容易想到用最大堆。在最大堆中,根结点的值总是大于它的子树中任意结点的值。于是我们每次可以在O(1)得到已有的k个数字中的最大值,但需要O(logk)时间完成删除以及插入操作。
- public class findLeastNumbers {
- // 大顶堆
- public static void main(String[] args) {
- int[] arr = { 1,2,3,4,5,6,7,8 };
- int k = 4;
- findLeastNumber(arr,k);
- }
- public static void Adjustdown(int[] arr, int s, int m) {// 向下调整堆,删除时使用
- int temp = arr[s];
- int j;
- for (j = 2 * s + 1; j <= m; j = 2 * j + 1) {
- if (j < m && arr[j + 1] > arr[j])
- ++j;
- if (temp > arr[j])
- break;
- arr[s] = arr[j];
- s = j;
- }
- arr[s] = temp;
- }
- public static void delete(int[] arr) {
- // 删除堆中的节点,安定义,堆中每次都只能删除第0个数据
- int len = arr.length;
- int temp = arr[0];
- arr[0] = arr[len-1];
- arr[len-1] = temp;
- Adjustdown(arr, 0, len - 2);
- }
- public static void Adjustup(int[] arr, int i) {
- // 向上调整堆,插入节点时使用,每次插入都是将新数据放在数组最后。
- // 可以发现从这个新数据的父结点到根结点必然为一个有序的数列,
- // 因此需自下往上调整堆
- // i为数组中最后一个元素的下标
- int temp = arr[i];
- int j = (i - 1) / 2;// 父节点坐标
- while (j >= 0 && i != 0) {
- if (arr[j] > temp)
- break;
- arr[i] = arr[j];
- i = j;
- j = (j - 1) / 2;
- }
- arr[i] = temp;
- }
- public static void insert(int[] arr, int n, int num) {
- // 在数组arr中插入节点i
- arr[n] = num;
- Adjustup(arr, n);
- }
- public static void findLeastNumber(int[] arr, int k) {
- // 找到arr数组里最小的k个数
- if (arr.length == 0) {
- System.out.println("数组为空!");
- return;
- }
- int[] heapvector = new int[k];// 堆容器
- int i = 0;
- while (i < k) {
- insert(heapvector, i, arr[i]);
- i++;
- }
- for(int j=k;j<arr.length;j++){
- if(arr[j]<heapvector[0]){
- delete(heapvector);
- insert(heapvector,k-1,arr[j]);
- }
- }
- for(int j = heapvector.length-1;j>0;j--){
- int temp = heapvector[j];
- heapvector[j] = heapvector[0];
- heapvector[0] = temp;
- Adjustdown(heapvector,0,j-1);
- }
- for(int j = 0;j<heapvector.length;j++)
- System.out.println(heapvector[j]);
- }
- }
参考堆与堆排序