【在线编程】最小的K个数
【问题描述】
输入n个整数,找出其中最小的K个数。例如输入4,5,1,6,2,7,3,8这8个数字,则最小的4个数字是1,2,3,4,。
【解题思路 & Java实现】
方法一:先排序,然后输出前k个数。时间复杂度 O(nlogn)
import java.util.*;
public class Solution {
public ArrayList<Integer> GetLeastNumbers_Solution(int [] input, int k) {
ArrayList<Integer> result = new ArrayList<>();
Arrays.sort(input);
if(k <= input.length) {
for(int i = 0; i < k; i++) {
result.add(input[i]);
}
}
return result;
}
}
方法二:利用快速排序的 partition 函数,只要返回的 pivot 为k-1就可以了,input[k-1]左边的元素全部小于它。时间复杂度为 O(n).但是这种方法不是有序输出。
注意!!!当 k<= 0时,程序会进入死循环,一定要在程序最开始全面考虑边界情况和特殊情况!
同样思路:数组中出现次数超过一半的数字(方法二)
import java.util.*;
public class Solution {
public ArrayList<Integer> GetLeastNumbers_Solution(int [] input, int k) {
ArrayList<Integer> result = new ArrayList<>();
if(input==null || input.length==0 || k<=0 || k>input.length) {
return result;
}
int left = 0;
int right = input.length-1;
int pivot = partition(input, left, right);
while(pivot != k-1) {
if(pivot < k-1) {
pivot = partition(input, pivot+1, right);
} else {
pivot = partition(input, left, pivot-1);
}
}
for(int i=0; i<k; i++) {
result.add(input[i]);
}
return result;
}
public int partition(int[] array, int left, int right) {
int key = array[left];
while(left < right) {
while(left < right && array[right] >= key) {
right--;
}
array[left] = array[right];
while(left < right && array[left] <= key) {
left++;
}
array[right] = array[left];
}
array[left] = key;
return left;
}
}
方法三:利用 PriorityQueue. PriorityQueue 是基于堆结构实现的优先队列。默认是小根堆。时间复杂度 O(nlogk).
import java.util.ArrayList;
import java.util.Collections;
import java.util.Comparator;
import java.util.PriorityQueue;
public class Solution {
public ArrayList<Integer> GetLeastNumbers_Solution(int[] input, int k) {
ArrayList<Integer> result = new ArrayList<>();
if(input==null || input.length==0 || k > input.length || k <= 0){
return result;
}
// 构建一个大小为 k 的大根堆
PriorityQueue<Integer> maxHeap = new java.util.PriorityQueue<>(k, new Comparator<Integer>() {
@Override
public int compare(Integer o1, Integer o2) {
return o2.compareTo(o1);
}
});
for (int i = 0; i < input.length; i++) {
if (maxHeap.size() != k) {
maxHeap.offer(input[i]);
} else if (maxHeap.peek() > input[i]) {
maxHeap.poll();
maxHeap.offer(input[i]);
}
}
while (!maxHeap.isEmpty()) {
result.add(maxHeap.poll());
}
//如果需要按从小到大顺序输出的话。时间复杂度O(n)
Collections.reverse(result);
return result;
}
}