NC119:最小的K个数
最小的K个数
http://www.nowcoder.com/questionTerminal/6a296eb82cf844ca8539b57c23e6e9bf
解法1:优先级队列
优先级队列:小根堆
PriorityQueue<Integer> queue=new PriorityQueue<>(new Comparator<Integer>(){ public int compare(Integer a,Integer b){ return a.compareTo(b); } }); // PriorityQueue<Integer> queue = new PriorityQueue();
最小k个数:大根堆
PriorityQueue<Integer> maxHeap=new PriorityQueue<Integer> (k,new Comparator<Integer>(){ @Override public int compare(Integer o1,Integer o2){ return o2.compareTo(o1); } }); PriorityQueue<Integer> maxHeap=new PriorityQueue<Integer>(k,(a,b)->b.compareTo(a));
思路:最大优先队列,无论入队顺序,当前最大的元素优先出队。
用最大堆来实现最大优先队列,每一次入队操作就是堆的插入操作,每一次出队操作就是删除堆顶节点。堆节点的上浮和下沉的时间复杂度为logN,所以优先队列入队和出队的时间复杂度也为logN
import java.util.ArrayList; import java.util.PriorityQueue; import java.util.Comparator; public class Solution { public ArrayList<Integer> GetLeastNumbers_Solution(int [] input, int k) { if(k <=0 || k > input.length || input.length==0){ return new ArrayList<Integer>(0); } PriorityQueue<Integer> maxHeap=new PriorityQueue<Integer>(k,new Comparator<Integer>(){ @Override public int compare(Integer o1,Integer o2){ return o2.compareTo(o1); } }); for(int i=0;i<k;i++){ maxHeap.add(input[i]); } for(int i=k;i<input.length;i++){ if(maxHeap.peek()>input[i]){ maxHeap.poll(); maxHeap.add(input[i]); } } return new ArrayList<Integer>(maxHeap); } }
解法2:冒泡排序的改进:冒K次
冒泡排序的思想,只不过最外层循环K次就可以了;
也就是说不用全部排序;只挑出符合提议的K个就可以;
public ArrayList<Integer> GetLeastNumbers_Solution(int [] input, int k) { ArrayList<Integer> al = new ArrayList<Integer>(); if (k > input.length) { return al; } for (int i = 0; i < k; i++) { for (int j = 0; j < input.length - i - 1; j++) { if (input[j] < input[j + 1]) { int temp = input[j]; input[j] = input[j + 1]; input[j + 1] = temp; } } al.add(input[input.length - i - 1]); } return al; }
解法3:堆排序 / 快速排序
//快速排序 import java.util.*; public class Finder { public int findKth(int[] a, int n, int K) { // write code here quicksort(a,0,n-1); return a[n-K]; } public void quicksort(int[] a,int start,int end){ if(start<end){ int part=partition(a,start,end); quicksort(a,start,part-1); quicksort(a,part+1,end); } } public int partition(int[]a,int l,int r){ int pivot=l; int index=l+1; for(int i=l+1;i<=r;i++){ if(a[i]<a[pivot]){ swap(a,i,index); index++; } } swap(a,pivot,index-1); return index-1; } public void swap(int[] a,int i,int j){ int tmp=a[i]; a[i]=a[j]; a[j]=tmp; } }
//堆排序 public findKth(int[] a, int n, int K) { heapSort(a); return a[n-K]; } public static void heapSort(int[] arr){ if(arr == null || arr.length<2){ return; } for(int i=0;i<arr.length;i++){ heapInsert(arr,i); //构造完全二叉树 } int size = arr.length; swap(arr,0,--size); while(size>0){ heapify(arr,0,size);// 最后一个数与根交换 swap(arr,0,--size); } } //判断该结点与父结点的大小,大结点一直往,建立大根堆 public static void heapInsert(int[] arr,int index){ while(arr[index]>arr[(index-1)/2]){ swap(arr,index,(index-1)/2); index=(index-1)/2; } } //一个值变小往下沉的过程 public static void heapify(int[] arr,int index,int size){ int left=index*2+1; while(left<size){ int largest = left + 1 < size && arr[left+1] > arr[left] ? left+1 : left; largest = arr[largest] > arr[index] ? largest :index; if(largest==index){ break; } swap(arr,largest,index); index=largest; left=index*2 +1; } } //交换函数 public static void swap(int[] arr, int i, int j){ int tmp; tmp=arr[i]; arr[i]=arr[j]; arr[j]=tmp; }
名企高频面试算法题解 文章被收录于专栏
牛客题霸 - 程序员面试高频题 - 题解