【剑指Offer-时间效率】最小的k个数

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,。

题目分析

这是一个典型的topK问题，即求一组数字中最小的k个数，因而经典的解法也有很多，比如，维护一个大小为k的最大堆，当堆满后，再有新的数字入堆时，就与堆顶的数字进行比较，如果新的数字小于堆顶的数字，就删除堆顶的数字，并将新的数字放入堆中，这样，遍历完所有的数字的时候，堆里的元素就是最小的k个数。其时间复杂度大致为O(nlog(n))

代码实现

public class Solution {

    // 最大堆
    private static PriorityQueue<Integer> maxHeap = new PriorityQueue<>(new Comparator<Integer>() {
        @Override
        public int compare(Integer o1, Integer o2) {
            return o2 - o1;
        }
    });

    /**
     * @param input
     * @param k
     * @return
     */
    public static ArrayList<Integer> GetLeastNumbers_Solution(int[] input, int k) {
        ArrayList<Integer> result = new ArrayList<>();
        if (input == null || input.length == 0 ||input.length < k) {
            return result;
        }
        if (input.length <= k) {
            for (int i = 0; i < input.length; i++) {
                result.add(input[i]);
            }
            return result;
        }
        for (int i = 0; i < input.length; i++) {
            if (maxHeap.size() < k) {
                maxHeap.offer(input[i]);
            } else {
                // 如果新元素比堆顶的元素还要小，替换之
                if (maxHeap.element() > input[i]){
                    maxHeap.poll();
                    maxHeap.offer(input[i]);
                }
            }
        }
        Integer[] ele = new Integer[k];
        maxHeap.toArray(ele);
        for (int i = 0; i < ele.length; i++) {
            result.add(ele[i]);
        }
        return result;
    }

    public static void main(String[] args) {
        int[] arr = {4,5,1,6,2,7,3,8};
        ArrayList<Integer> list = GetLeastNumbers_Solution(arr,1);
        System.out.println(list);
    }
}