思路1:利用快排的思想,寻找第k个位置上正确的数,k位置前面的数即是比k位置小的数组,k后面的数即是比k位置元素大的数组
public ArrayList<Integer> GetLeastNumbers_Solution(int [] input, int k) {
ArrayList<Integer> res = new ArrayList<Integer>();
if (input==null||input.length==0||input.length<k||k<=0) {
return res;
}
int start = 0;
int end = input.length-1;
int index = partition(input, start, end);
//一直循环知道找到第k个位置正确的数。
while (index != k - 1) {
if (index > k - 1) {
end = index-1;
index = partition(input, start, end);
} else {
start = index+1;
index = partition(input, start, end);
}
}
for (int i = 0; i < k; i++) {
res.add(input[i]);
}
return res;
}
static int partition(int input[], int start, int end) {
int tmp = input[start];
while (start < end) {
while (start < end && input[end] >= tmp) {
end--;
}
input[start] = input[end];
while (start < end && tmp >= input[start]) {
start++;
}
input[end] = input[start];
}
input[start] = tmp;
return start;
}
思路2:利用堆排序,适用于海量数据寻找最大或最小的k个数字。
找最小的k个数,构建一个大顶堆,初始化容器大小为k,如果初始数组小于等于k则直接返回,如果大于k,如果下一个数比堆顶元素大则直接丢弃,如果下一个数比堆顶元素小,则将堆顶元素替换,并重新调整堆结构。
当寻找最小的k个数是,使用大顶堆,大顶堆堆顶是该堆最大的元素,如果大于该堆顶,那么肯定不是最小的k个数,将大于堆顶丢弃,小于堆顶元素替换。
当寻找最大的k个数时,使用小顶堆,小顶堆堆顶是该堆中最小的元素,如果小于该堆顶,那么肯定不是最大的k个数,将该数丢弃,如果大于堆顶元素,那么替换该最小数,并重新调整堆结构。
/堆排序:构建堆,不断调整的过程,从最后一个不是叶子节点的节点开始。
static public ArrayList<Integer> GetLeastNumbers_Solution1(int[] input, int k) {
ArrayList<Integer> res = new ArrayList<Integer>();
if (input==null||input.length==0||input.length<k) {
return res;
}
int []maxHeap = new int[k];
//初始化堆
for (int i = 0; i < maxHeap.length; i++) {
maxHeap[i] = input[i];
}
//将初始化的堆调整为最大堆
for (int i = (maxHeap.length-1)/2; i >=0 ; i--) {
adjustHeap(maxHeap, i);
}
//遍历初始数组不断调整最大堆
for (int i = k; i <input.length ; i++) {
if (maxHeap[0]>input[i]) {
maxHeap[0] = input[i];
adjustHeap(maxHeap, 0);
}
}
for (int i = 0; i < maxHeap.length; i++) {
res.add(maxHeap[i]);
}
return res;
}
static void adjustHeap(int maxHeap[],int i){
int index = i;
int lchild=2*i+1; //i的左孩子节点序号
int rchild=2*i+2; //i的右孩子节点序号
if(index<=(maxHeap.length-1)/2) {
//寻找子节点中最大的节点
if (lchild<maxHeap.length&&maxHeap[index]<maxHeap[lchild]) {
index = lchild;
}
if (rchild<maxHeap.length&&maxHeap[index]<maxHeap[rchild]) {
index = rchild;
}
if (i!=index) {
//将节点与最大的子节点交换
int tmp = maxHeap[index];
maxHeap[index] = maxHeap[i];
maxHeap[i] = tmp;
//交换后,子树可能不满足最大推,递归调整。
adjustHeap(maxHeap, index);
}
}
参考
https://blog.csdn.net/liuguangqiang/article/details/52210239