[算法]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。
方法一:
将数组排序,排序后的数组的前k个数就是最小的k个数。
时间复杂度:O(nlogn)
方法二:
时间复杂度:O(nlogk)
维护一个有k个数的大根堆,这个堆代表目前选出的k个最小的数。在堆的k个元素中堆顶元素是最小的k个数中最大的那个。
接下来要遍历整个数组,遍历的过程中看当前数是否比堆顶元素小。如果是,就把堆顶元素替换成当前数,然后调整堆。如果不是,则不做任何操作,继续遍历下一个数。在遍历完成后,堆中的k个数就是所有数组中最小的k个数。
程序:
- public static int[] getMinKNumsByHeap(int[] arr, int k) {
- if (k < 1 || k > arr.length) {
- return arr;
- }
- int[] heap = new int[k];
- for (int i = 0; i != k; i++) {
- heapInsert(heap, arr[i], i);
- }
- for (int i = k; i < arr.length; i++) {
- if (arr[i] < heap[0]) {
- heap[0] = arr[i];
- heapify(heap, 0, k);
- }
- }
- return heap;
- }
- private static void heapInsert(int[] heap, int value, int index) {
- heap[index] = value;
- while (index != 0) {
- int parent = (index - 1) / 2;
- if (heap[parent] < heap[index]) {
- swap(heap, parent, index);
- index = parent;
- } else {
- break;
- }
- }
- }
- private static void heapify(int[] heap, int index, int heapSize) {
- int left = index * 2 + 1;
- int right = index * 2 + 2;
- int largest = index;
- while (left < heapSize) {
- if (heap[left] > heap[index]) {
- largest = left;
- }
- if (right < heapSize && heap[right] > heap[largest]) {
- largest = right;
- }
- if (largest != index) {
- swap(heap, largest, index);
- } else {
- break;
- }
- index = largest;
- left = index * 2 + 1;
- right = index * 2 + 2;
- }
- }
- private static void swap(int[] heap, int parent, int index) {
- int tmp = heap[index];
- heap[index] = heap[parent];
- heap[parent] = tmp;
- }
方法三:
时间复杂度:O(n)
这里用到了一个经典算法----BFPRT算法。
1973 年, Blum 、 Floyd 、 Pratt 、 Rivest 、 Tarjan 集体出动,合写了一篇题为 “Time bounds for selection” 的论文,给出了一种在数组中选出第 k 大元素的算法,俗称"中位数之中位数算法"。依靠一种精心设计的 pivot 选取方法,该算法从理论上保证了最坏情形下的线性时间复杂度,打败了平均线性、最坏 O(n^2) 复杂度的传统算法。一群大牛把递归算法的复杂度分析玩弄于股掌之间,构造出了一个当之无愧的来自圣经的算法。
算法步骤:
step1:将n个元素每5个一组,分成n/5(上界)组,最后的一个组的元素个数为n%5,有效的组数为n/5。
step2:取出每一组的中位数,最后一个组的不用计算中位数,任意排序方法,这里的数据比较少只有5个,
可以用简单的冒泡排序或是插入排序。
setp3 : 将各组的中位数与数组开头的数据在组的顺序依次交换,这样各个组的中位数都排在了数据的左边。
递归的调用中位数选择算法查找上一步中所有组的中位数的中位数,设为x,偶数个中位数的情况下设定为选取中间小的一个。
setp4: 按照x划分,大于或者等于x的在右边,小于x的在左边,关于setp4数据的划分,中位数放在左边或是右边会有些影响。
后面的代码调试将会看到。
step5:setp4中划分后数据后返回一个下表i,i左边的元素均是小于x,i右边的元素包括i都是大于或是等于x的。
若i==k,返回x;
若i<k,在小于x的元素中递归查找第i小的元素;
若i>k,在大于等于x的元素中递归查找第i-k小的元素。
- public static int[] getMinKNumsByBFPRT(int[] arr, int k) {
- if (k < 1 || k > arr.length) {
- return arr;
- }
- int minKth = getMinKthByBFPRT(arr, k);
- int[] res = new int[k];
- int index = 0;
- for (int i = 0; i != arr.length; i++) {
- if (arr[i] < minKth) {
- res[index++] = arr[i];
- }
- }
- for (; index != res.length; index++) {
- res[index] = minKth;
- }
- return res;
- }
- public static int getMinKthByBFPRT(int[] arr, int K) {
- int[] copyArr = copyArray(arr);
- return select(copyArr, 0, copyArr.length - 1, K - 1);
- }
- public static int[] copyArray(int[] arr) {
- int[] res = new int[arr.length];
- for (int i = 0; i != res.length; i++) {
- res[i] = arr[i];
- }
- return res;
- }
- public static int select(int[] arr, int begin, int end, int i) {
- if (begin == end) {
- return arr[begin];
- }
- int pivot = medianOfMedians(arr, begin, end);
- int[] pivotRange = partition(arr, begin, end, pivot);
- if (i >= pivotRange[0] && i <= pivotRange[1]) {
- return arr[i];
- } else if (i < pivotRange[0]) {
- return select(arr, begin, pivotRange[0] - 1, i);
- } else {
- return select(arr, pivotRange[1] + 1, end, i);
- }
- }
- public static int medianOfMedians(int[] arr, int begin, int end) {
- int num = end - begin + 1;
- int offset = num % 5 == 0 ? 0 : 1;
- int[] mArr = new int[num / 5 + offset];
- for (int i = 0; i < mArr.length; i++) {
- int beginI = begin + i * 5;
- int endI = beginI + 4;
- mArr[i] = getMedian(arr, beginI, Math.min(end, endI));
- }
- return select(mArr, 0, mArr.length - 1, mArr.length / 2);
- }
- public static int[] partition(int[] arr, int begin, int end, int pivotValue) {
- int small = begin - 1;
- int cur = begin;
- int big = end + 1;
- while (cur != big) {
- if (arr[cur] < pivotValue) {
- swap(arr, ++small, cur++);
- } else if (arr[cur] > pivotValue) {
- swap(arr, cur, --big);
- } else {
- cur++;
- }
- }
- int[] range = new int[2];
- range[0] = small + 1;
- range[1] = big - 1;
- return range;
- }
- public static int getMedian(int[] arr, int begin, int end) {
- insertionSort(arr, begin, end);
- int sum = end + begin;
- int mid = (sum / 2) + (sum % 2);
- return arr[mid];
- }
- public static void insertionSort(int[] arr, int begin, int end) {
- for (int i = begin + 1; i != end + 1; i++) {
- for (int j = i; j != begin; j--) {
- if (arr[j - 1] > arr[j]) {
- swap(arr, j - 1, j);
- } else {
- break;
- }
- }
- }
- }
[算法]找到无序数组中最小的K个数的更多相关文章
- 【算法】数组与矩阵问题——找到无序数组中最小的k个数
/** * 找到无序数组中最小的k个数 时间复杂度O(Nlogk) * 过程: * 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 * 在堆里的k个元素中堆顶的元素是最小的k个数 ...
- 《程序员代码面试指南》第八章 数组和矩阵问题 找到无序数组中最小的k 个数
题目 找到无序数组中最小的k 个数 java代码 package com.lizhouwei.chapter8; /** * @Description: 找到无序数组中最小的k 个数 * @Autho ...
- [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&t ...
- 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 ...
- 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 ...
- 窥探算法之美妙——寻找数组中最小的K个数&python中巧用最大堆
原文发表在我的博客主页,转载请注明出处 前言 不论是小算法或者大系统,堆一直是某种场景下程序员比较亲睐的数据结构,而在python中,由于数据结构的极其灵活性,list,tuple, dict在很多情 ...
- 找到数组中最小的k个数
/*输入整数数组 arr ,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. 示例 1: 输入:arr = [3,2,1], k = ...
- 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.Arra ...
- [剑指offer]数组中最小的K个数,C++实现
原创博文,转载请注明出处! http://github.com/wanglei5205 http://cnblogs.com/wanglei5205 # 题目 输入n个整数,找出其中最小的K个数.例如 ...
随机推荐
- vim命令行模式
1. 激活命令行模式 : 进入命令行模式 <Esc> 退出命令行模式 2. 常用命令 :p 打印 (:print) :e 读入文件 (:edit) :w 写入文件 (:write) :t ...
- 利用python 掌握机器学习的过程
转载:http://python.jobbole.com/84326/ 偶然看到的这篇文章,觉得对我挺有引导作用的.特此跟大家分享一下. 为了理解和应用机器学习技术,你需要学习 Python 或者 R ...
- iOS iPhoneX/iPhoneXS/iPhoneXR/iPhoneXS Max系列适配
以前异性屏只有一款iPhoneX,所以在适配的时候直接判断高度是否等于812即可判断是否是iPhoneX #define IS_IPHONE_X (IS_IPHONE && SCREE ...
- LCD屏背光驱动调试心得---血的教训
开发板:明远智睿MY-IMX6-EK140 内核源码:linux-3.14.52 背光驱动IC:MP3202 调光原理:通过开发板的核心板PWM4引脚控制MP3202的EN脚,输出不同的占空比从而达到 ...
- 在VS中自动生成NuGet包以及搭建自己的或单位内部的NuGet服务器
关于NuGet的介绍已经很多,可以参考下面的: NuGet学习笔记(1)--初识NuGet及快速安装使用 http://kb.cnblogs.com/page/143190/ NuGet学习笔记(2) ...
- python模块, 包的初识
Python 模块(Module), 是一个 Python 文件,以 .py 结尾,包含了 Python 对象定义和Python语句. 模块让你能够有逻辑地组织你的 Python 代码段. 把相关的代 ...
- springmvc demo
[说明]今天上午稍稍偏了一下方向,看了看servlet的相关知识,下午做maven+spring+springMVC的整合,晚上成功实现了一个小demo(可以在jsp动态页面上获得通过地址栏输入的参数 ...
- 【BZOJ3698】XWW的难题 有上下界的最大流
[BZOJ3698]XWW的难题 Description XWW是个影响力很大的人,他有很多的追随者.这些追随者都想要加入XWW教成为XWW的教徒.但是这并不容易,需要通过XWW的考核.XWW给你出了 ...
- echart 图表自定义样式
initChart: function (id) { this.charts = echarts.init(document.getElementById(id)) this.charts.setOp ...
- android菜鸟学习笔记21----ContentProvider(一)ContentProvider的简单使用
ContentProvider是Android四大组件之一,它用来封装数据,并通过ContentResolver接口将数据提供给其他应用.只有当需要在多个应用之间共享数据时才会用到ContentPro ...