编程进阶网编程进阶网
  • 基础组成体系
  • 程序编程原理
  • 异常和IO系统
  • 六大设计原则
  • 设计模式导读
  • 创建型设计模式
  • 结构型设计模式
  • 行为型设计模式
  • 设计模式案例
  • 面向对象思想
  • 基础入门
  • 高级进阶
  • JVM虚拟机
  • 数据集合
  • Java面试题
  • C语言入门
  • C综合案例
  • C标准库
  • C语言专栏
  • C++入门
  • C++综合案例
  • C++专栏
  • HTML
  • CSS
  • JavaScript
  • 前端专栏
  • Swift
  • iOS入门
  • 基础入门
  • 开源库解读
  • 性能优化
  • Framework
  • 方案设计
  • 媒体音视频
  • 硬件开发
  • Groovy
  • 常用工具
  • 大厂面试题
  • 综合案例
  • 网络底层
  • Https
  • 网络请求
  • 故障排查
  • 专栏
  • 数组
  • 链表
  • 栈
  • 队列
  • 树
  • 递归
  • 哈希
  • 排序
  • 查找
  • 字符串
  • 其他
  • Bash脚本
  • Linux入门
  • 嵌入式开发
  • 代码规范
  • Markdown
  • 开发理论
  • 开发工具
  • Git管理
  • 百宝箱
  • 开源协议
  • 技术招聘
  • 测试经验
  • 职场提升
  • 技术模版
  • 关于我
  • 目标清单
  • 学习框架
  • 育儿经验
  • 我的专栏
  • 底层能力
  • 读书心得
  • 随笔笔记
  • 职场思考
  • 中华历史
  • 经济学故事
  • 基础组成体系
  • 程序编程原理
  • 异常和IO系统
  • 六大设计原则
  • 设计模式导读
  • 创建型设计模式
  • 结构型设计模式
  • 行为型设计模式
  • 设计模式案例
  • 面向对象思想
  • 基础入门
  • 高级进阶
  • JVM虚拟机
  • 数据集合
  • Java面试题
  • C语言入门
  • C综合案例
  • C标准库
  • C语言专栏
  • C++入门
  • C++综合案例
  • C++专栏
  • HTML
  • CSS
  • JavaScript
  • 前端专栏
  • Swift
  • iOS入门
  • 基础入门
  • 开源库解读
  • 性能优化
  • Framework
  • 方案设计
  • 媒体音视频
  • 硬件开发
  • Groovy
  • 常用工具
  • 大厂面试题
  • 综合案例
  • 网络底层
  • Https
  • 网络请求
  • 故障排查
  • 专栏
  • 数组
  • 链表
  • 栈
  • 队列
  • 树
  • 递归
  • 哈希
  • 排序
  • 查找
  • 字符串
  • 其他
  • Bash脚本
  • Linux入门
  • 嵌入式开发
  • 代码规范
  • Markdown
  • 开发理论
  • 开发工具
  • Git管理
  • 百宝箱
  • 开源协议
  • 技术招聘
  • 测试经验
  • 职场提升
  • 技术模版
  • 关于我
  • 目标清单
  • 学习框架
  • 育儿经验
  • 我的专栏
  • 底层能力
  • 读书心得
  • 随笔笔记
  • 职场思考
  • 中华历史
  • 经济学故事
  • 01.用类实现一维数组
  • 02.从数组中删除重复项
  • 03.啤酒与饮料
  • 04.二维数组中查找
  • 05.数组中重复的数字
  • 06.和为s的两个数字
  • 07.数组中只出现一次数字
  • 08.数组中只出现一次的数字
  • 09.买卖股票最佳时机
  • 10.调整数组顺序
  • 11.找出常用的数字
  • 12.旋转数组的最小数字
  • 13.调整数组顺序使奇数位于偶数前面
  • 14.顺时针打印矩阵
  • 15.数组中出现次数超过一半的数字
  • 16.最小的k个数
  • 17.连续子数组的最大和
  • 18.把数组排成最小的数
  • 19.数组中的逆序对
  • 20.在排序数组中出现的次数
  • 21.滑动窗口的最大值

16.最小的k个数

目录介绍

  • 01.题目要求
  • 02.问题分析
  • 03.实例代码

01.题目要求

  • 问题如下所示:
    • 输入n个整数,找出其中最小的k个数。
  • 示例 :
    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

02.问题分析

  • 解法一:O(n)时间算法,只有可以修改输入数组时可用。
    • 可以基于Partition函数来解决这个问题。如果基于数组的第k个数字来调整,使得比第k个数字小的所有数字都位于数组的左边,比第k个数字大的所有数字都位于数组的右边。这样调整之后,位于数组中左边的k个数字就是最小的k 个数字(这k 个数字不一定是排序的〉。
  • 解法二: O(nlogk)的算法,精剧适合处理海量数据。
    • 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:如果容器中己有k 数字了,也就是容器己满,此时我们不能再插入新的数字而只能替换已有的数字。找出这己有的k 个数中的最大值,然后1在这次待插入的整数和最大值进行比较。如果待插入的值比当前己有的最大值小,则用这个数替换当前已有的最大值:如果待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,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3 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: 三是有可能要插入一个新的数字。我们可以使用一个大顶堆在O(logk)时间内实现这三步操作。

03.实例代码

  • 如下所示
    public class Test {
        /**
         * 大顶堆
         *
         * @param <T> 参数化类型
         */
        private final static class MaxHeap<T extends Comparable<T>> {
            // 堆中元素存放的集合
            private List<T> items;
            // 用于计数
            private int cursor;
    
            /**
             * 构造一个椎,始大小是32
             */
            public MaxHeap() {
                this(32);
            }
    
            /**
             * 造诣一个指定初始大小的堆
             *
             * @param size 初始大小
             */
            public MaxHeap(int size) {
                items = new ArrayList<>(size);
                cursor = -1;
            }
    
            /**
             * 向上调整堆
             *
             * @param index 被上移元素的起始位置
             */
            public void siftUp(int index) {
                T intent = items.get(index); // 获取开始调整的元素对象
    
                while (index > 0) { // 如果不是根元素
                    int parentIndex = (index - 1) / 2; // 找父元素对象的位置
                    T parent = items.get(parentIndex);  // 获取父元素对象
                    if (intent.compareTo(parent) > 0) { //上移的条件,子节点比父节点大
                        items.set(index, parent); // 将父节点向下放
                        index = parentIndex; // 记录父节点下放的位置
                    } else { // 子节点不比父节点大,说明父子路径已经按从大到小排好顺序了,不需要调整了
                        break;
                    }
                }
    
                // index此时记录是的最后一个被下放的父节点的位置(也可能是自身),所以将最开始的调整的元素值放入index位置即可
                items.set(index, intent);
            }
    
            /**
             * 向下调整堆
             *
             * @param index 被下移的元素的起始位置
             */
            public void siftDown(int index) {
                T intent = items.get(index);  // 获取开始调整的元素对象
                int leftIndex = 2 * index + 1; // // 获取开始调整的元素对象的左子结点的元素位置
    
                while (leftIndex < items.size()) { // 如果有左子结点
                    T maxChild = items.get(leftIndex); // 取左子结点的元素对象,并且假定其为两个子结点中最大的
                    int maxIndex = leftIndex; // 两个子节点中最大节点元素的位置,假定开始时为左子结点的位置
    
                    int rightIndex = leftIndex + 1;  // 获取右子结点的位置
                    if (rightIndex < items.size()) {  // 如果有右子结点
                        T rightChild = items.get(rightIndex);  // 获取右子结点的元素对象
                        if (rightChild.compareTo(maxChild) > 0) {  // 找出两个子节点中的最大子结点
                            maxChild = rightChild;
                            maxIndex = rightIndex;
                        }
                    }
    
                    // 如果最大子节点比父节点大,则需要向下调整
                    if (maxChild.compareTo(intent) > 0) {
                        items.set(index, maxChild); // 将子节点向上移
                        index = maxIndex; // 记录上移节点的位置
                        leftIndex = index * 2 + 1; // 找到上移节点的左子节点的位置
                    } else { // 最大子节点不比父节点大,说明父子路径已经按从大到小排好顺序了,不需要调整了
                        break;
                    }
                }
    
                // index此时记录是的最后一个被上移的子节点的位置(也可能是自身),所以将最开始的调整的元素值放入index位置即可
                items.set(index, intent);
            }
    
            /**
             * 向堆中添加一个元素
             *
             * @param item 等待添加的元素
             */
            public void add(T item) {
                items.add(item); // 将元素添加到最后
                siftUp(items.size() - 1); // 循环上移,以完成重构
            }
    
            /**
             * 删除堆顶元素
             *
             * @return 堆顶部的元素
             */
            public T deleteTop() {
                if (items.isEmpty()) { // 如果堆已经为空,就报出异常
                    throw new RuntimeException("The heap is empty.");
                }
    
                T maxItem = items.get(0); // 获取堆顶元素
                T lastItem = items.remove(items.size() - 1); // 删除最后一个元素
                if (items.isEmpty()) { // 删除元素后,如果堆为空的情况,说明删除的元素也是堆顶元素
                    return lastItem;
                }
    
                items.set(0, lastItem); // 将删除的元素放入堆顶
                siftDown(0); // 自上向下调整堆
                return maxItem; // 返回堆顶元素
            }
    
            /**
             * 获取下一个元素
             *
             * @return 下一个元素对象
             */
            public T next() {
    
                if (cursor >= items.size()) {
                    throw new RuntimeException("No more element");
                }
                return items.get(cursor);
    
            }
    
            /**
             * 判断堆中是否还有下一个元素
             *
             * @return true堆中还有下一个元素,false堆中无下五元素
             */
            public boolean hasNext() {
                cursor++;
                return cursor < items.size();
            }
    
            /**
             * 获取堆中的第一个元素
             *
             * @return 堆中的第一个元素
             */
            public T first() {
                if (items.size() == 0) {
                    throw new RuntimeException("The heap is empty.");
                }
                return items.get(0);
            }
    
            /**
             * 判断堆是否为空
             *
             * @return true是,false否
             */
            public boolean isEmpty() {
                return items.isEmpty();
            }
    
            /**
             * 获取堆的大小
             *
             * @return 堆的大小
             */
            public int size() {
                return items.size();
            }
    
            /**
             * 清空堆
             */
            public void clear() {
                items.clear();
            }
    
            @Override
            public String toString() {
                return items.toString();
            }
        }
    
        /**
         * 题目: 输入n个整数,找出其中最小的k个数。
         * 【第二种解法】
         * @param input  输入数组
         * @param output 输出数组
         */
        public static void getLeastNumbers2(int[] input, int[] output) {
            if (input == null || output == null || output.length <= 0 || input.length < output.length) {
                throw new IllegalArgumentException("Invalid args");
            }
    
            MaxHeap<Integer> maxHeap = new MaxHeap<>(output.length);
            for (int i : input) {
                if (maxHeap.size() < output.length) {
                    maxHeap.add(i);
                } else {
                    int max = maxHeap.first();
                    if (max > i) {
                        maxHeap.deleteTop();
                        maxHeap.add(i);
                    }
                }
            }
    
            for (int i = 0; maxHeap.hasNext(); i++) {
                output[i] = maxHeap.next();
            }
        }
    
    
        /**
         * 题目: 输入n个整数,找出其中最小的k个数。
         * 【第一种解法】
         * @param input  输入数组
         * @param output 输出数组
         */
        public static void getLeastNumbers(int[] input, int[] output) {
    
            if (input == null || output == null || output.length <= 0 || input.length < output.length) {
                throw new IllegalArgumentException("Invalid args");
            }
    
            int start = 0;
            int end = input.length - 1;
            int index = partition(input, start, end);
            int target = output.length - 1;
    
            while (index != target) {
                if (index < target) {
                    start = index + 1;
                } else {
                    end = index - 1;
                }
                index = partition(input, start, end);
            }
    
            System.arraycopy(input, 0, output, 0, output.length);
        }
    
        /**
         * 分区算法
         *
         * @param input 输入数组
         * @param start 开始下标
         * @param end   结束下标
         * @return 分区位置
         */
        private static int partition(int[] input, int start, int end) {
            int tmp = input[start];
    
            while (start < end) {
                while (start < end && input[end] >= tmp) {
                    end--;
                }
                input[start] = input[end];
    
                while (start < end && input[start] <= tmp) {
                    start++;
                }
                input[end] = input[start];
            }
    
            input[start] = tmp;
            return start;
        }
    }
贡献者: yangchong211
上一篇
15.数组中出现次数超过一半的数字
下一篇
17.连续子数组的最大和