堆结构解决剑指OFFER-最小的K个数问题

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,。

题目解答：

分析：题目需求为找出n个整数中最小的k个数，考虑使用小顶堆，选k个元素组成一个小顶堆，那么遍历剩下的n-k个元素的时候，如果当前遍历元素大于堆顶元素，该元素还需要继续与小顶堆内的其他元素比较，最差的情况是最初的k个元素就是n个整数中最小的k个数，那么该元素与小顶堆内最后一个元素比较完，该元素大于小顶堆内所有的元素，那么这次比较就是徒劳的，这样性能非常差；考虑使用大顶堆，如果当前遍历的元素大于堆顶元素，直接进行下一个遍历，如果当前遍历元素小于堆顶元素，用该元素替换堆顶元素，再进行大顶堆的调整。

public ArrayList<Integer> GetLeastNumbers_Solution(int [] input, int k) {
    	//如果k>n or k==0，那么就无法找出最小的k个数，根据方法所需的返回类型返回即可
        if (k > input.length || k==0){
            return new ArrayList<>();
        }
        //用数组去模拟k个节点的堆结构
        int[] maxHeap = new int[k];
        //初始化堆中元素
    	//public static void arraycopy(Object src, int srcPos, Object dest, int destPos, int length)：其中src-原数组，srcPos-从原数组的该位置开始，dest-目标数组，destPos-从目标数组的该位置开始，length-要copy的长度
        System.arraycopy(input,0,maxHeap,0,k);
        //从非叶子节点开始，调整堆
        for (int i = k/2-1;i>=0;i--){
            initiate(i,maxHeap,k);
        }
        //遍历len-k个元素
        for (int i = k;i<input.length;i++){
            if (input[i] < maxHeap[0]){
                //当前位置的值小于大顶堆堆顶位置的值
                //将当前值更新大顶堆堆顶，从堆顶元素开始调整堆
                maxHeap[0] = input[i];
                initiate(0,maxHeap,k);
            }
        }
        //将大顶堆的节点元素进行升序操作
        //将堆顶元素和最后一个元素交换，将除最后一个元素外的大顶堆进行堆维护，重复进行
        for (int i = maxHeap.length-1;i>0;i--){
            int temp = maxHeap[i];
            maxHeap[i] = maxHeap[0];
            maxHeap[0] = temp;
            initiate(0,maxHeap,i);
        }
        ArrayList<Integer> ans = new ArrayList<>();
        for (int i = 0;i<maxHeap.length;i++) {
            ans.add(maxHeap[i]);
        }
        return ans;
    }
	//从index位置开始，将maxHeap数组内的元素调整为大顶堆
    private void initiate(int index, int[] maxHeap, int length) {
        int temp = maxHeap[index];
        //k的初始值是从index的左孩子开始的，k=k*2+1:是找左孩子
        for (int k = index * 2 +1;k<length;k=k*2+1){
            //这里体现如果右孩子大于左孩子的话，k++找到右孩子
            if ((k+1) <length && maxHeap[k+1]>maxHeap[k]){
                k++;
            }
            if (maxHeap[k] > temp){
                //如果当前k即（左右孩子中的一个）>根节点，
                maxHeap[index] = maxHeap[k];
                //更新index的值，代表temp数字最终在堆中的位置，temp的值始终不变
                index=k;
            }else {//此时对应根节点大于左右孩子，就没有必要进行调整
                break;
            }
        }
        //找到最终位置，才进行值的更新
        maxHeap[index] = temp;
    }

代码部分需要好好理解大顶堆的调整过程，如何将起始调整的元素找到最终的位置安放！再就是如何将一个大顶堆从小到大输出，如何对大顶堆进行升序调整！
若是top K问题，则考虑使用小顶堆，思路如上分析所述。