《剑指offer》40--最小的K个数[C++]

NowCoder

题目描述

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

1 快速选择

• 复杂度：O(N) + O(1)
• 只有当允许修改数组元素时才可以使用

快速排序的 partition() 方法，会返回一个整数 j 使得 a[l..j-1] 小于等于 a[j]，且 a[j+1..h] 大于等于 a[j]，此时 a[j] 就是数组的第 j 大元素。可以利用这个特性找出数组的第 K 个元素，这种找第 K 个元素的算法称为快速选择算法。

class Solution {
public:
    vector<int> GetLeastNumbers_Solution(vector<int> input, int k) {
        int len = input.size();
        if(!len || !k || k>len) return vector<int> ();
        if(k == len) return input;
        int begin = 0, end = len-1, index = Partition(input, begin, end);
        while(index != (k-1) && begin < end) {
            if(index > k-1) {
                end = index-1;
                index = Partition(input, begin, end);
            } else {
                begin = index+1;
                index = Partition(input, begin, end);
            }
        }
       return  vector<int> (input.begin(), input.begin()+k);
    }
    int Partition(vector<int>& input, int begin, int end) {
        int pivot = input[begin];
        while(begin < end) {
            while(begin<end && pivot<=input[end]) end--;
            input[begin] = input[end];
            while(begin<end && pivot>=input[begin]) begin++;
            input[end] = input[begin];
        }
        input[begin] = pivot;
        return begin;
    }
};

2 大小为k的大顶堆

• 复杂度：O(nlogk) + O(k)
• 特别适合处理海量数据

应该使用大顶堆来维护最小堆，而不能直接创建一个小顶堆并设置一个大小，企图让小顶堆中的元素都是最小元素。

维护一个大小为 K 的最小堆过程如下：在添加一个元素之后，如果大顶堆的大小大于 K，那么需要将大顶堆的堆顶元素去除。

class Solution {//建堆,默认为大顶堆（最大堆），用伪函数less<type>()和greater<type>()来生成大顶堆和小顶堆
public:
    vector<int> GetLeastNumbers_Solution(vector<int> input, int k) {
        int len = input.size();
        if(len<=0 || k>len || k<=0) return vector<int>();
        vector<int> res(input.begin(),input.begin()+k);
        make_heap(res.begin(),res.end());
        for(int i=k;i<len;i++) {
            if(input[i]<res[0]) {
                pop_heap(res.begin(),res.end()); //先pop,堆顶元素换到容器尾部
                res.pop_back();//然后在容器中删除
                res.push_back(input[i]); //先在容器尾部加入，
                push_heap(res.begin(),res.end());//再push堆，回归堆的属性
            }
        }
        //sort_heap(res.begin(),res.end());//使其从小到大输出，排序后失去堆的属性
        return res;
    }
};

3 大小为k的multiset集合

红黑树：利用仿函数改变排序顺序，复杂度为O(nlogk) + O(k)。

class Solution {//greater表示内置类型从大到小排序，less表示内置类型从小到大排序。
public:
    vector<int> GetLeastNumbers_Solution(vector<int> input, int k) {
        int len = input.size();
        if(len<=0||k>len) return vector<int>();
        multiset<int, greater<int> > leastNums;//仿函数中的greater<T>模板，从大到小排序
        vector<int>::iterator vec_it = input.begin();
        while(leastNums.size()<k) leastNums.insert(*(vec_it++));//将前k个元素插入集合
        for(;vec_it!=input.end();vec_it++) {
            multiset<int, greater<int> >::iterator greatest_it = leastNums.begin();//第一个元素是最大值
            if(*vec_it<*(leastNums.begin())) {//如果后续元素<第一个元素，删除第一个，加入当前元素
                leastNums.erase(greatest_it);
                leastNums.insert(*vec_it);
            }
        }
        return vector<int> (leastNums.begin(),leastNums.end());
    }
};

4 全排序

用sort函数，时间复杂度为O(nlogn)

class Solution {
public:
    vector<int> GetLeastNumbers_Solution(vector<int> input, int k) {
        vector<int> res;
        if(input.empty() || k>input.size() || k<=0) return res;
        sort(input.begin(),input.end());
        for(int i=0;i<k;i++) res.push_back(input[i]);
        return res;
    }
};