面试题30:最小的k个数

问题：输入n个数，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。

思路1：利用问题题29的思想，利用快速排序中的partition，找到第pivot为k-1的位置，则从第0个数到第k-1个数为是最小的k个数。

此方法的时间复杂度为O(n)。(计算方法利用了等比数列求和)

思路2:思路1的方法改变了原序列n个数的顺序，如果不改变原序列的顺序。则可以利用大小为k的容器作为辅助空间。

这个方法非常适合于海量数据，因为当n很大的时候，k可以很小。并且可以不用一次性的将数据全部读入。

当大小为k的容器的size还没到k时，则把原序列依次放入容器。

当容器的大小为k时，每次在将序列元素放入容器时，就要进行一下3个步骤。

第一，把容器中最大的一个元素找出来。第二，如果要放入的这个元素比容器中最大的一个元素还要小，则把容器内最大的一个元素给删除。

第三，将要放入的元素放入容器中。

于是我们要考虑有什么容器来充当这个辅助空间，观察上述的三个步骤，我们需要很快的找出容器中k个元素的最大值，我们很容易想到大顶堆。

在大顶堆中，根结点就是整个堆的最大值。我们需要O(logk)时间完成删除和插入的工作。

但是在短短面试过程中，从头实现一个堆的过程很麻烦，所以我们可以使用STL中的关联性容器，multiset。它的底层是由红黑树来完成的。

所以同样每次删除和插入的操作时间复杂度为O(logk)，总的时间复杂度为O(nlogk)。multiset可以自动排序，我们很容易的就找到最大的元素，利用multiset<int, greater<int>>,第一个元素即最大元素。

//最小的k个数
void findK(int *a, multiset<int, greater<int>> &inset, vector<int > &vec, int k)
{
    for(auto vit = vec.begin(); vit != vec.end(); ++vit)
    {
        if(inset.size() < k)
        {
            inset.insert(*vit);
        }
        else
        {
            if(*vit < *inset.begin())
            {
                inset.erase(inset.begin());
                inset.insert(*vit);
            }
        }
    }
  
    for(auto it = inset.begin(); it != inset.end(); ++it)
    {
        cout<<*it<<endl;
    }
    
}