解法一、快速排序的思想,比较容易想
解法二、添加一个容量为K的辅助容器,然后依次往容器中插入数字即可。
===========================================
本文转自: http://zhedahht.blog.163.com/blog/static/2541117420072432136859/
题目:输入n个整数,输出其中最小的k个。
例如输入1,2,3,4,5,6,7和8这8个数字,则最小的4个数字为1,2,3和4。
解法一:利用快速排序
分析: 算法导论上有类似的题目。类似快速排序,随机选择一个数字,记为a,把小于a的放在左边,大于a的放在右边,同时计数。设左边的个数为b,如果b<k,则递归在右半部分找k-b个。如果大于,则在左半部分k个
// Selection_sort.cpp : 定义控制台应用程序的入口点。
//
#include "stdafx.h"
#include <iostream>
#include <string>
#define LENGTH 10
void quick_sort(int *a,int begin,int end,int k);
int patition1(int s[], int l, int r);
void swap(int &a,int &b);
int patition(int *a,int begin,int end);
using namespace std;
int main()
{
cout<<"Begin my road of Amazon,I'll be success!!!"<<endl;
int Arr[LENGTH] = {5,4,3,2,1,9,7,6,8,0};
quick_sort(Arr,0,9,2);
return 0;
}
void swap(int &a,int &b){
int temp;
temp = a;
a = b;
b = temp;
}
int patition(int *a,int begin,int end){
int temp = a[end];
int i = begin-1;
for(int j = begin;j<end;++j){
if(a[j]<=temp){
i +=1;
swap(a[i],a[j]);
}
}
swap(a[i+1],a[end]);
return i+1;
}
int patition1(int s[], int l, int r) //返回调整后基准数的位置
{
int i = l, j = r;
int x = s[l]; //s[l]即s[i]就是第一个坑
while (i < j)
{
// 从右向左找小于x的数来填s[i]
while(i < j && s[j] >= x)
j--;
if(i < j)
{
s[i] = s[j]; //将s[j]填到s[i]中,s[j]就形成了一个新的坑
i++;
}
// 从左向右找大于或等于x的数来填s[j]
while(i < j && s[i] < x)
i++;
if(i < j)
{
s[j] = s[i]; //将s[i]填到s[j]中,s[i]就形成了一个新的坑
j--;
}
}
//退出时,i等于j。将x填到这个坑中。
s[i] = x;
return i;
}
void quick_sort(int *a,int begin,int end,int k){
static int KEY = k-1;
if(begin<end){
int q = patition1(a,begin,end);
if (q==KEY)
{
for (int i = 0;i<k;++i)
{
cout<<a[i]<<'\t';
}
}
if (q>k)
{
quick_sort(a,begin,q-1,k);
}
else
{
quick_sort(a,q+1,end,k-q+1);
}
}
}
===================================================================================
解法二:
分析:这道题最简单的思路莫过于把输入的n个整数排序,这样排在最前面的k个数就是最小的k个数。只是这种思路的时间复杂度为O(nlogn)。我们试着寻找更快的解决思路。
我们可以先创建一个大小为k的数据容器来存储最小的k个数字。接下来我们每次从输入的n个整数中读入一个数。如果容器中已有的数字少于k个,则直接把这次读入的整数放入容器之中;如果容器中已有k个数字了,也就是容器已满,此时我们不能再插入新的数字而只能替换已有的数字。我们找出这已有的k个数中最大值,然和拿这次待插入的整数和这个最大值进行比较。如果待插入的值比当前已有的最大值小,则用这个数替换替换当前已有的最大值;如果带插入的值比当前已有的最大值还要大,那么这个数不可能是最小的k个整数之一,因为我们容器内已经有k个数字比它小了,于是我们可以抛弃这个整数。
因此当容器满了之后,我们要做三件事情:一是在k个整数中找到最大数,二是有可能在这个容器中删除最大数,三是可能要插入一个新的数字,并保证k个整数依然是排序的。如果我们用一个二叉树来实现这个数据容器,那么我们能在O(logk)时间内实现这三步操作。因此对于n个输入数字而言,总的时间效率就是O(nlogk)。
我们可以选择用不同的二叉树来实现这个数据容器。由于我们每次都需要找到k个整数中的最大数字,我们很容易想到用最大堆。在最大堆中,根结点的值总是大于它的子树中任意结点的值。于是我们每次可以在O(1)得到已有的k个数字中的最大值,但需要O(logk)时间完成删除以及插入操作。
我们自己从头实现一个最大堆需要一定的代码。我们还可以采用红黑树来实现我们的容器。红黑树通过把结点分为红、黑两种颜色并根据一些规则确保树是平衡的,从而保证在红黑树中查找、删除和插入操作都只需要O(logk)。在STL中set和multiset都是基于红黑树实现的。如果面试官不反对我们用STL中的数据容器,我们就直接拿过来用吧。下面是基于STL中的multiset的参考代码:
typedef multiset<int, greater<int> > IntHeap;
///
// find k least numbers in a vector
///
void FindKLeastNumbers
(
const vector<int>& data, // a vector of data
IntHeap& leastNumbers, // k least numbers, output
unsigned int k
)
{
leastNumbers.clear();
if(k == 0 || data.size() < k)
return;
vector<int>::const_iterator iter = data.begin();
for(; iter != data.end(); ++ iter)
{
// if less than k numbers was inserted into leastNumbers
if((leastNumbers.size()) < k)
leastNumbers.insert(*iter);
// leastNumbers contains k numbers and it's full now
else
{
// first number in leastNumbers is the greatest one
IntHeap::iterator iterFirst = leastNumbers.begin();
// if is less than the previous greatest number
if(*iter < *(leastNumbers.begin()))
{
// replace the previous greatest number
leastNumbers.erase(iterFirst);
leastNumbers.insert(*iter);
}
}