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,。
解法1:O(n)的算法,只有当我们可以修改输入的数组时可用
如果基于数组的第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个数字大的所有数字都位于数组的右边。这样调整之后,位于数组中左边的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)。
public ArrayList GetLeastNumbers_Solution(int [] input, int k) {
ArrayList aList = new ArrayList();
if(input.length == 0 || k > input.length || k <= 0)
return aList;
int low = 0;
int high = input.length-1;
int index = Partition(input,k,low,high);
while(index != k-1){
if (index > k-1) {
high = index-1;
index = Partition(input,k,low,high);
}else{
low = index+1;
index = Partition(input,k,low,high);
}
}
for (int i = 0; i < k; i++)
aList.add(input[i]);
return aList;
}
int Partition(int[] input,int k,int low,int high){
int pivotkey = input[k-1];
swap(input,k-1,low);
while(low < high){
while(low < high && input[high] >= pivotkey)
high--;
swap(input,low,high);
while(low < high && input[low] <= pivotkey)
low++;
swap(input,low,high);
}
return low;
}
private void swap(int[] input, int low, int high) {
int temp = input[high];
input[high] = input[low];
input[low] = temp;
}
解法2:O(nlogk)的算法,特别适合处理海量数据
可以创建一个大小为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中,如果容器中已有k个数字了,也就是容器已满,此时我们不能再插入新的数字而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整数和最大值进行比较。如果插入这个值比当前已有的最大值小,则用这个数去替换,如果比当前值大,则抛弃
容器满了之后要做的三件事
- 是在k个整数中找到最大数
- 有可能在这个容器中删除最大数
- 有可能插入一个新的数字
如果用一个二叉树来实现这个容器,那么我们能在O(logk)时间内实现这三步,对于输入n个数字总的时间效率是O(nlogk),
我们可以选择用不同的二叉树来实现这个数据容器。由于每次都需要找到k个整数中的最大数字,我们很容易想到最大堆。在最大堆中,根结点的值总是大于它的子树中任意节点的值。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,但需要O(logk)时间完成删除及插入操作
使用treeset来实现
public ArrayList<Integer> GetLeastNumbers_Solution1(int [] input, int k) {
ArrayList<Integer> list=new ArrayList<Integer>();
ArrayList<Integer> list2=new ArrayList<Integer>();
if(input==null||input.length==0||k==0||k>input.length)
return list;
TreeSet<Integer> set=new TreeSet<Integer>();
for(int i=0;i<input.length;i++){
set.add(input[i]);
}
Iterator<Integer> it = set.iterator();
while (it.hasNext()) {
int x=it.next();
list.add(x);
}
for(int i=0;i<k;i++){
list2.add(list.get(i));
}
return list2;
}