82 lines
2.5 KiB
Java
82 lines
2.5 KiB
Java
# 40. 最小的 K 个数
|
||
|
||
[NowCoder](https://www.nowcoder.com/practice/6a296eb82cf844ca8539b57c23e6e9bf?tpId=13&tqId=11182&tPage=1&rp=1&ru=/ta/coding-interviews&qru=/ta/coding-interviews/question-ranking&from=cyc_github)
|
||
|
||
## 解题思路
|
||
|
||
### 快速选择
|
||
|
||
- 复杂度：O(N) + O(1)
|
||
- 只有当允许修改数组元素时才可以使用
|
||
|
||
快速排序的 partition() 方法，会返回一个整数 j 使得 a[l..j-1] 小于等于 a[j]，且 a[j+1..h] 大于等于 a[j]，此时 a[j] 就是数组的第 j 大元素。可以利用这个特性找出数组的第 K 个元素，这种找第 K 个元素的算法称为快速选择算法。
|
||
|
||
```java
|
||
public ArrayList<Integer> GetLeastNumbers_Solution(int[] nums, int k) {
|
||
ArrayList<Integer> ret = new ArrayList<>();
|
||
if (k > nums.length || k <= 0)
|
||
return ret;
|
||
findKthSmallest(nums, k - 1);
|
||
/* findKthSmallest 会改变数组，使得前 k 个数都是最小的 k 个数 */
|
||
for (int i = 0; i < k; i++)
|
||
ret.add(nums[i]);
|
||
return ret;
|
||
}
|
||
|
||
public void findKthSmallest(int[] nums, int k) {
|
||
int l = 0, h = nums.length - 1;
|
||
while (l < h) {
|
||
int j = partition(nums, l, h);
|
||
if (j == k)
|
||
break;
|
||
if (j > k)
|
||
h = j - 1;
|
||
else
|
||
l = j + 1;
|
||
}
|
||
}
|
||
|
||
private int partition(int[] nums, int l, int h) {
|
||
int p = nums[l]; /* 切分元素 */
|
||
int i = l, j = h + 1;
|
||
while (true) {
|
||
while (i != h && nums[++i] < p) ;
|
||
while (j != l && nums[--j] > p) ;
|
||
if (i >= j)
|
||
break;
|
||
swap(nums, i, j);
|
||
}
|
||
swap(nums, l, j);
|
||
return j;
|
||
}
|
||
|
||
private void swap(int[] nums, int i, int j) {
|
||
int t = nums[i];
|
||
nums[i] = nums[j];
|
||
nums[j] = t;
|
||
}
|
||
```
|
||
|
||
### 大小为 K 的最小堆
|
||
|
||
- 复杂度：O(NlogK) + O(K)
|
||
- 特别适合处理海量数据
|
||
|
||
应该使用大顶堆来维护最小堆，而不能直接创建一个小顶堆并设置一个大小，企图让小顶堆中的元素都是最小元素。
|
||
|
||
维护一个大小为 K 的最小堆过程如下：在添加一个元素之后，如果大顶堆的大小大于 K，那么需要将大顶堆的堆顶元素去除。
|
||
|
||
```java
|
||
public ArrayList<Integer> GetLeastNumbers_Solution(int[] nums, int k) {
|
||
if (k > nums.length || k <= 0)
|
||
return new ArrayList<>();
|
||
PriorityQueue<Integer> maxHeap = new PriorityQueue<>((o1, o2) -> o2 - o1);
|
||
for (int num : nums) {
|
||
maxHeap.add(num);
|
||
if (maxHeap.size() > k)
|
||
maxHeap.poll();
|
||
}
|
||
return new ArrayList<>(maxHeap);
|
||
}
|
||
```
|