题目
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,。
解析
思路一
显然最简答做法就是对原数组排序，取前k个就行。
Note: 这里可以分情况的：
如果k远小于n, 可以利用一次冒泡或者选择算法，选择出当前序列中最小的值，复杂度为O(nk)
如果k没有远小于n, 那么选择O(nlogn)算法最佳
/** * 排序的做法 * @param input * @param k * @return */ public static ArrayList<Integer> GetLeastNumbers_Solution(int [] input, int k) { ArrayList<Integer> result = new ArrayList<>(); if(input == null || k <= 0 || k > input.length) { return result; } Arrays.sort(input); for(int i = 0; i < k; i++) { result.add(input[i]); } return result; } 复制代码思路二
我们注意到题目并没有要求输出的最小k个数必须是有序的，所以我们可以利用快排中partion函数的思想来做做题。 因为partion可以使得序列分为2部分：左边的值都小于哨兵，右边的值都大于哨兵。所以我们只要找到处于第k位置的哨兵即可，也就是说找到第k大的值所在的位置即可，那么它的左边的k-1值都小于等于第k大值。显然，前k个值即为我们所求的最小k个数。在我们的划分过程有3种情况：
哨兵的位置大于k，说明第k大的数在左边，继续递归处理左部分即可。
哨兵的位置小于k，说明第K大的数在右边，继续递归处理有部分即可。
哨兵的位置等于k，说明该哨兵即为第K大的值，其左边k-1个数都小于等于它，因此输出前k个即为所求的结果。
/** * 基于快排的划分函数的思想来做的。 * @param input * @param k * @return */ public static ArrayList<Integer> GetLeastNumbers_Solution2(int [] input, int k) { ArrayList<Integer> result = new ArrayList<>(); if(input == null || k <= 0 || k > input.length) { return result; } findKthValue(input, 0, input.length - 1, k - 1); for(int i = 0; i < k; i++) { result.add(input[i]); } return result; } public static void findKthValue(int[] input, int low, int high, int k) { if(low < high) { int pivot = new Random().nextInt(high - low + 1) + low; swap(input, pivot, high); int index = low; for(int i = low; i < high; i++) { if(input[i] < input[high]) { swap(input, i, index); index++; } } swap(input, index, high); if(index > k) { findKthValue(input, low, index - 1, k); }else if(index < k) { findKthValue(input, index + 1, high, k); } } } 复制代码思路3
这是典型的Top-K问题，即从n个数中找出最小的k个数或者最大的k个数问题。
我们通常的做法用一个容量为k的容器来存放这k个最小的值。我们只需遍历一遍原数组，就能得到最小的k个数。
起初容器是空，当已遍历的数的个数小于容器的容量k时，直接向容器中添加该值。
当容器的容量已满，则判断该容器中最大值是否大于待插入的点：
若大于，则从容器中删除该最大值，添加待插入的点
若小于或者等于，则不做任何操作，继续遍历下一个值
问题转化为如何高效率得到容器中的最大值。一个优雅的数据结构完美的解决此题，即堆结构，分为大根堆或者小根堆。显然这里应该选择大根堆。在大根堆中，根节点大于左子树和右子树中所有点，所以我们只需访问根节点即可得到k容量的最大值，且数据结构可以对插入的值进行动态调整堆结构，使得满足大根堆。关于堆的具体代码，以后我单独写一个博客，这里不再累述了。
在Java中，没有专门的堆数据结果，不过有基于堆结构的优先队列，所以这里采用优先队列并自定义比较器，来满足大根堆的需求。
/** * Topk问题 * @param input * @param k * @return */ public static ArrayList<Integer> GetLeastNumbers_Solution3(int [] input, int k) { ArrayList<Integer> result = new ArrayList<>(); if(input == null || k <= 0 || k > input.length) { return result; } PriorityQueue<Integer> priorityQueue = new PriorityQueue<>(k, new Comparator<Integer>() { //因为要满足大根堆需求，所以使用自定义比较器，比较策略为o1大于o2时，o1放o2的前面 @Override public int compare(Integer o1, Integer o2) { return o2 - o1; } }); for(int i = 0; i < input.length; i++) { if(i < k) { priorityQueue.add(input[i]); } else if(input[i] < priorityQueue.peek()) { priorityQueue.poll(); priorityQueue.add(input[i]); } } result.addAll(priorityQueue); return result; } 复制代码总结
多结合排序算法和常见的数据结构来简化题目。
SpecialYang---原文地址：https://juejin.im/post/5b567b49f265da0f8d3662eb
随时随地看视频
