最小的K个数

题目：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个数是1、2、3、4.

测试用例：功能测试（输入的数组中有相同的数字，输入的数组中没有相同的数字）

边界值测试（输入的k等于1或者等于数组的长度）

特殊输入测试（k小于1，k大于数组的长度、指向数组的指针为NULL）

解法一：O(n)的算法，所使用Partition函数，只有我们可以修改输入的数组时可用。

  使用Partition函数来解决，基于数组的第k个数字来调整，使得比第k个数字小的所有数字都位于数组的左边，比第k个数组大的数字都位于数组的右边，这样调整后，位于数组中的左边的k个数字就是最小的k个数字（这k个数字不一定是排序的）。

void GetLeastNumbers(int* input,int n,int* output,int k)
{
	if(input==NULL ||output==NULL ||n<=0 || k<=0 || k>n)
		return;
	int start=0;
	int end=n-1;
	int index=Partition(input,n,start,end);
	while(index!=k-1)
	{
		if(index>k-1)
		{
			end=index-1;
			index=Partition(input,n,start,end);
		}
		if(index<k-1)
		{
			start=index+1;
			index=Partition(input,n,start,end);
		}
	}
	for(int i=0;i<k;i++)
		ouput[i]=input[i];
}

解法二：O(nlogk)的算法，特别适合处理海量数据

   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内；如果容器已有K个数，我们不能再插入新的数字只能替换已有的数字。找出这已有的k个数中的最大值，然后拿这次待插入的值和最大值比较。如果待插入的值比当前已知的最大值小，则用这个数替换当前已有的最大值。如果待插入的值比当前已知的最大值大，那么这个数不可能是最小的k个整数之一，则用抛弃这个数。

   因此当容器满了，我们要做3件事：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；三是有可能要插入一个新的数字。如果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(nkogK)；

   我们可以选择不同的二叉树来实现这个数据容器，由于每需要找到K个整数中的最大数字，我们容易想到最大堆。在最大堆中，根结点的值总是大于它的子树的任意结点的值。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，但是需要O(logk)时间内完成删除插入操作。

   采用红黑树来实现我们的容器，红黑树通过把结点的颜色分为红、黑两种颜色并根据一些规则确保树在一定程度上是平衡的，来保证在红黑树中查找、删除、插入操作都是O(logK)的时间。在STL中set和multiset都是基于红黑树实现

typedef multiser<unt,greater<int>> inSet;
typedef multiser<unt,greater<int>>::iterator setIterator;
void GetLeastNumbers(const vector<int>& data,inSet& leastNumber,int k)
{
	leastNumber.clear();
	if(k<1||data.size()<k)
		return;
	vector<int>::const_iterator iter=data.begin();
	for(;iter!=data.end();++iter)
	{
		if(leastNumber.size()<k)
			leastNumber.insert(iter);
		else{
			setIterator iterGreater=leastNumber.begin();
			if(*iter<iterGreater)
			{
				leastNumber.erase(iterGreater);
				leastNumber.insert(*iter);
			}
		}
	}
}