最小的k个数

输入n个整数，找到最小的k个数。

划分原来没我想象的那么简单，因为需要注意临界情况。

int partitionHelp(vector<int> &A,int l,int r)
{
	int i=l-1;
	int x=A[r];
	for(int j=l;j<r;++j)
	{
		if(A[j]<x)
		{
			++i;
			swap(A[i],A[j]);
		}
	}
	++i;
	swap(A[i],A[r]);
	return i;
}


vector<int> findKMin(vector<int> vec,int k)
{
	int l=0,r=vec.size()-1;
	int idx=partitionHelp(vec,l,r);
	while(idx!=k-1)
	{
		if(idx>k-1)
			r=idx-1;
		else
			l=idx+1;

		idx=partitionHelp(vec,l,r);
	}
	vector<int> ret(vec.begin(),vec.begin()+k);
	return ret;
}

基于最大堆的算法,使用到了C++的set数据结构

vector<int> findKminHeap(vector<int> &vec,int k)
{
	set<int,greater<int>> kset;
	int i=0;
	for(;i<vec.size() && i<k;++i)
	{
		kset.insert(vec[i]);
	}
	for(;i<vec.size();++i)
	{
		if(*(kset.begin())>vec[i])
		{
			kset.erase(kset.begin());
			kset.insert(vec[i]);
		}
	}
	vector<int> ret;
	for(set<int,greater<int>>::iterator it=kset.begin();it!=kset.end();++it)
	{
		ret.push_back(*it);
	}
	return ret;
}

还可以用stl的优先级队列，注意和set的区别是set的最开头元素和优先级的top返回的值在该数据结构的大小。所以priotity_queue是less<int>

vector<int> findKminPrioQue(vector<int> &vec,int k)
{
	priority_queue<int,vector<int>,less<int>> kque;
	int i=0;
	for(;i<vec.size() && i<k;++i)
	{
		kque.push(vec[i]);
	}
	for(;i<vec.size();++i)
	{
		if(kque.top()>vec[i])
		{
			kque.pop();
			kque.push(vec[i]);
		}
	}
	vector<int> ret;
	while(!kque.empty())
	{
		ret.push_back(kque.top());
		kque.pop();
	}
	return ret;
}