[每日一道小算法（六十）][数组] 最小的K个数（剑指offer）

前言：
今天最后一道题，实现很简单。但是想要降低时间复杂度，应该选用什么样的方法。

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

这道题，我首先想到的方法就是排序，排好序后接着从头开始遍历K个数即可。这里排序算法可以使用快排、归并、冒泡、选择排序等。都可以使用。但是这几个算法复杂度都很高。所以在这里推荐一个最大堆的实现方法。
我们可以使用最大堆来实现。我们用最大堆保存这k个数，每次只和堆顶比，如果比堆顶小，删除堆顶，新数入堆。这样时间复杂度为O(nlogk)。因为堆中总共k个数，每插入或删除一个数，都要调整一次堆，即时间复杂度为O(logk), 共循环n次，插入的次数最坏情况为n次，删除为n-k次，而平均下来插入次数也不少，所以大致估计时间复杂度就在nlogk。

代码样例

Arrays.sort排序 可以AC

package com.asong.leetcode.GetLeastNumbers_Solution;

import java.util.ArrayList;
import java.util.Arrays;

/**
 * 最小的k个数
 * 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,。
 */
public class Solution {
    public ArrayList<Integer> GetLeastNumbers_Solution(int [] input, int k) {
        ArrayList<Integer> res = new ArrayList<Integer>();
        if(input==null||input.length==0||k<0||k>input.length)
        {
            return res;
        }
        Arrays.sort(input);
        for (int i = 0; i < k; i++) {
            res.add(input[i]);
        }
        return res;
    }
}

最大堆实现

package com.asong.leetcode.GetLeastNumbers_Solution;

import java.util.PriorityQueue;
import java.util.ArrayList;
import java.util.Comparator;

/**
 * 最小的k个数  大顶堆实现 比这个树大抛弃，小则 替换。
 */
public class Solution1 {
    public ArrayList<Integer> GetLeastNumbers_Solution(int [] input, int k) {
        ArrayList<Integer> result = new ArrayList<Integer>();
        if(input == null || input.length == 0 || k==0 || k>input.length)
        {
            return result;
        }
        //创建大顶堆
        PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(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]){
                Integer temp = maxHeap.poll();
                temp = null;
                maxHeap.offer(input[i]);
            }
        }
        for (Integer i:maxHeap
             ) {
            result.add(i);
        }
        return result;
    }
}