程序员面试题精选100题(05)－查找最小的k个元素[算法]

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);
                  }
            }