第一种方法就是快排,最重要的是partition函数会写
import java.util.ArrayList;
public class Solution {
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;
}
}
第二种,堆排序,海量数据下使用,用优先级队列构造出最大堆,然后不断更新最大堆,每次只和堆顶比,如果比堆顶小,删除堆顶,新数入堆。但是这里利用集合并不好,手写最大堆会比这个更优,因为在超过k个数的时候,优先级队列需要poll和offer操作,poll会下沉恢复堆有序(从堆顶往下一个个比较,相当于把堆顶往下沉,然后到合适位置,堆顶下沉只会赋值一次,并不是下沉的时候比较交换),offer会上升恢复堆有序(从堆底往上一个个比较,相当于把堆底往上浮,堆底上浮只会赋值一次到合适位置,并不是上浮的时候比较交换),而如果手写堆实现的话,仅仅只需要将堆顶元素替换再下沉,就没有了上升恢复堆有序的环节。如果是100W个数找最小的5个数,假如情况比较糟糕,每次都需要更新最大堆堆顶,如果那么使用PriorityQueue将要多做999995(99W近100W)次上升恢复堆有序的操作。可以看一下PriorityQueue的源码就知道。
并且最后迭代的时候要么foreach要么iterator,本质就是iterator迭代。为什么不用for循环去list.add(queue.poll())?虽然也可以出结果,但是queue的poll方法会有下沉恢复堆有序操作,而iterator不会,仅仅是遍历数组。最后返回的ArrayList是满足要求的数字但不一定有序(因为数组堆不一定有序),返回这个ArrayList,最后判题系统应该会排序后来判断结果对不对。
链接:https://www.nowcoder.com/questionTerminal/6a296eb82cf844ca8539b57c23e6e9bf
来源:牛客网
import java.util.ArrayList;
import java.util.Comparator;
import java.util.Iterator;
import java.util.PriorityQueue;
public class Solution {
public ArrayList<Integer> GetLeastNumbers_Solution(int [] input, int k) {
ArrayList<Integer> list = new ArrayList<Integer>();
// [4,5,1,6,2,7,3,8],0
if (input == null || k > input.length || k <= 0) return list;
PriorityQueue<Integer> queue = new PriorityQueue<Integer>(new Comparator<Integer>(){
public int compare(Integer i1, Integer i2) {
return i2.compareTo(i1);
}
});
int len = input.length;
for (int i = 0; i < len; ++i) {
if (queue.size() != k) {
queue.offer(input[i]);
} else if (queue.peek() > input[i]) {
queue.poll();
queue.offer(input[i]);
}
}
Iterator<Integer> it = queue.iterator();
while (it.hasNext()) {
list.add(it.next());
}
return list;
}
}
手写最大堆:
链接:https://www.nowcoder.com/questionTerminal/6a296eb82cf844ca8539b57c23e6e9bf
来源:牛客网
import java.util.ArrayList;
public class Solution {
public ArrayList<Integer> GetLeastNumbers_Solution(int[] input, int k) {
ArrayList<Integer> list = new ArrayList<Integer>();
// [4,5,1,6,2,7,3,8],0
if (input == null || k > input.length || k <= 0)
return list;
int[] target = new int[k];
int len = input.length;
for (int i = 0; i < len; ++i) {
if (i < k) {
target[i] = input[i];
heapInsertSiftUp(target, i, target[i]);
} else {
if (target[0] > input[i]) { // 最大堆下沉
target[0] = input[i];
siftDown(target, 0, target[0]);
// 相比优先级队列,这里不会offer操作(里面有上浮),少了一步上浮调整,效率高了不止一丁点
}
}
}
for (int i = 0; i < k; ++i) {
list.add(target[i]);
}
return list;
}
private void heapInsertSiftUp(int[] target, int index, int x) {
while (index > 0) {
int parent = (index - 1) >>> 1;
if (greater(x, target[parent])) {
target[index] = target[parent]; // 往下拉,避免直接上浮覆盖前面的值
index = parent;
} else {
break;
}
}
target[index] = x;
}
private boolean greater(int i, int j) {
return i > j;
}
private void siftDown(int[] target, int k, int x) {
int half = target.length >>> 1;
while (k < half) {
int child = (k << 1) + 1; // 默认先左孩子
int big = target[child];
int right = child + 1;
if (right < target.length && greater(target[right], big)) {
big = target[right];
child = right; // 可以直接一步big = target[child = right];
}
if (greater(x, big)) // x比子节点中的最大值还大,已经是大顶堆了
break; // 往上拉不动了,准备退出把最初堆顶的结点赋值到上一个结点
target[k] = big; // 往上拉
k = child;
}
target[k] = x;
}
}