找到无序数组中最小的k个数

题目:给定一个无序整数数组arr,找到其中最小的k个数

要求:如果数组arr的长度为n,排序之后自然可以得到最小的k个数,此时时间复杂度与排序的时间复杂度相同均为O(NlogN),本题要求实现时间复杂度为O(NLogK).

1.O(NLogK)的方法,即一直维护一个有k个数的最大的大根堆,这个堆是目前选出的k个最小数,在堆里的k个元素中堆顶的元素是最大的一个。

接下来遍历整个数组,遍历的过程中看当前数是否比堆顶元素小。如果是,就把堆顶的元素替换成当前的数,然后从堆顶的位置调整堆,替换后堆的最大元素的位置依旧在堆顶;如果不是,则不进行任何操作,继续遍历下一个数;遍历完成后,堆中的k个数就是所有数组中最小的k个数。

具体请参看如下代码中的getMinKNumsByHeap方法,代码中的heapInsert和heapify方法分别为堆排序中的建堆和调整堆的实现。

 1 public int[]  getMinKNumsByHeap(int[] arr,int k)
 2 {
 3     if(k<1 || k>arr.length)
 4             return arr;
 5     int[] kHeap=new int[k];
 6     for(int i=0;i<k;i++)
 7     {
 8         heapInsert(kHeap,arr[i],i);
 9      }
10    for(int i=k;i<arr.length;i++)
11   {
12        if(arr[i]<kHeap[0])
13      {
14           kHeap[0]=arr[i];
15          heapify(kHeap,0,k);
16      }
17    }
18   return kHeap;
19 }
20
21 public void heapInsert(int[] arr,int value,int index)
22 {
23    arr[index]=value;
24    while(index!=0)
25   {
26     int parent=(index-1)/2;
27     if(arr[parent]<arr[index])
28     {
29        swap(arr,parent,index);
30        index=parent;
31     }
32   else
33      break;
34   }
35 }
36
37 public void  heapify(int[] arr,int index,int heapSize)
38 {
39     int left=index*2+1;
40     int right=index*2+2;
41     int largest=index;
42    while(left<heapSize)
43  {
44      if(arr[left]>arr[index])
45              largest=left;
46      if(right<heapSize&&arr[right]>arr[largest])
47               largest=right;
48      if(largest!=index)
49               swap(arr,largest,index);
50       else
51         break;
52     index=largest;
53     left=index*2+1;
54     right=index*2+2;
55     }
56 }
57
58 public void swap(int[] arr,int index1,int index2)
59 {
60     int tmp=arr[index1];
61     arr[index1]=arr[index2];
62     arr[index2]=tmp;
63 }

时间: 2024-10-22 17:52:26

找到无序数组中最小的k个数的相关文章

【算法】数组与矩阵问题——找到无序数组中最小的k个数

1 /** 2 * 找到无序数组中最小的k个数 时间复杂度O(Nlogk) 3 * 过程: 4 * 1.一直维护一个有k个数的大根堆,这个堆代表目前选出来的k个最小的数 5 * 在堆里的k个元素中堆顶的元素是最小的k个数中最大的那个. 6 * 2.接下来,遍历整个数组,遍历过程中看当前数是否比堆顶元素小: 7 * 如果是,就把堆顶元素替换成当前的数,然后从堆顶的位置调整整个堆,让替 8 * 换操作后堆的最大元素继续处在堆顶的位置: 9 * 如果不是,则不进行任何操作,继续遍历下一个数: 10 *

8.4 找到无序数组中最小的k个数

[题目]: 给定一个无序的整型数组arr,找到其中最小的k个数 [要求]: 如果数组arr的长度为N,排序之后自然可以得到最小的k个数,此时时间复杂度与排序的时间复杂度相同,均为O(NlogN).本题要求读者实现时间复杂度为O(Nlogk)和O(N)的方法 原文地址:https://www.cnblogs.com/latup/p/9982499.html

[程序员代码面试指南]数组和矩阵问题-找到无序数组中最小的k个数(堆排序)

题目链接 https://www.nowcoder.com/practice/6a296eb82cf844ca8539b57c23e6e9bf?tpId=13&tqId=11182&tPage=2&rp=2&ru=/ta/coding-interviews&qru=/ta/coding-interviews/question-ranking 题目描述 从无序序列,找到最小topk个元素. 解题思路 使用大根堆维护最小topk个元素: - 首先前k个元素建立大根堆(从

小米笔试题:无序数组中最小的k个数

题目描述 链接:https://www.nowcoder.com/questionTerminal/ec2575fb877d41c9a33d9bab2694ba47?source=relative 来源:牛客网 无序数组中最小的k个数 对于一个无序数组,数组中元素为互不相同的整数,请返回其中最小的k个数,顺序与原数组中元素顺序一致. 给定一个整数数组A及它的大小n,同时给定k,请返回其中最小的k个数. 测试样例: [1,2,4,3],4,2 返回:[1,2] 代码 需要保留K个较小的元素,可以删

算法题:求数组中最小的k个数

说明:本文仅供学习交流,转载请标明出处,欢迎转载! 题目:输入n个整数,找出其中最小的k个数. <剑指offer>给出了两种实现算法: 算法1:采用Partition+递归法,该算法可以说是快速排序和二分查找的有机结合.算法的时间复杂度为O(n),缺点在于在修改Partition的过程中会修改原数组的值. 算法2:采用top-k算法.如果要找最小的K个数,我们才用一个含有K个值的大顶堆:如果要找最大的K个数,我们采用小顶堆.该算法的时间复杂度为O(nlogK),是一种比较好的算法,启发于堆排序

数组中最小的K个数

思路:1.排序,取前k个元素:O(NlogN):2.分治,O(n),利用快排的思想:3.用set 维护最小的k个数,O(NlogK),可处理海量数据. #include <iostream> using namespace std; void print(int *a,int n){ if(a==NULL || n<=0 ) return; for(int i=0;i<n;i++){ cout<<a[i]<<" "; } cout<

求数组中最小的k个数

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,. package test; import java.util.ArrayList; import java.util.Comparator; import java.util.PriorityQueue; import org.junit.Test; public class GetLeastNumbers_Solution { /** * 基于优先队列,时间复杂度为

求一个数组中最小的K个数

方法1:先对数组进行排序,然后遍历前K个数,此时时间复杂度为O(nlgn); 方法2:维护一个容量为K的最大堆(<算法导论>第6章),然后从第K+1个元素开始遍历,和堆中的最大元素比较,如果大于最大元素则忽略,如果小于最大元素则将次元素送入堆中,并将堆的最大元素删除,调整堆的结构; 方法3:使用复杂度为O(n)的快速选择算法..................... /** * Created by elvalad on 2014/12/8. * 输入N个整数,输出最小的K个 */ impor

找到n中最小的k个数

题目:n个数中,求最小的前k个数. 这道题在各个地方都看到过,在国内出现的频率也非常高. 解法: 1. brute force. O(k*n)复杂度: 2. sort.O(k+n*lgn)复杂度: 3. 最大堆.每次替代的是大小为k的最大堆的最大值.O(k+(n-k)lgk)复杂度. 4. 最小堆.和sort类似,只是建堆后只求前k次.O(n+k*lgn)复杂度.在网上看到一个优化,就是pop出第k小的数(堆顶)的时候,最多只需要调整k-1层(不需要调到堆底).所以可以优化到O(n+k^2).当