技術標籤：堆演算法題演算法題資料結構javaleetcode

文章目錄

• • 題目：
  • 解法1：排序
  • 解法2：新建陣列
  • 解法3：heap（小頂堆）
  • 解法4：大頂堆

題目：

輸入整數陣列 arr ，找出其中最小的 k 個數。例如，輸入4、5、1、6、2、7、3、8這8個數字，則最小的4個數字是1、2、3、4。

示例 1：

輸入：arr = [3,2,1], k = 2
輸出：[1,2] 或者 [2,1]

示例 2：

輸入：arr = [0,1,2,1], k = 1
輸出：[0]

限制：

• 0 <= k <= arr.length <= 10000
• 0 <= arr[i] <= 10000

解法1：排序

/**
 * 思路：
 * 排序陣列，獲取k個值
 */
     public int[] getLeastNumbers(int[] arr, int k) {
        int[] result=new int[k];
        //nlogn
        Arrays.sort(arr);
        for (int i=0;i<k;i++){
            result[i]=arr[i];
        }
        return result;
    }

時間複雜度：Onlogn

空間複雜度：On

解法2：新建陣列

/**
 * 思路：
 * 在有限資料的情況下
 * 建立一個大的陣列，存放arr陣列中的所有資料，把這些資料的值作為索引，出現的次數作為值
 */
 

     public int[] getLeastNumbers(int[] arr, int k) {
        int[] result=new int[k];
        int index=0;
        int[] count = new int[10000];
        for (int i:arr){
            count[i]++;
        }
        for (int i=0;i<count.length;i++){
            while (count[i]>0){
                if (index==
 
k)return result;
                result[index++]=i;
                count[i]--;
            }
        }
        return result;
    }

時間複雜度：On^2

空間複雜度：On

解法3：heap（小頂堆）

    /**
     * 思路：
     * 小頂堆實現
     * heap，把陣列元素放入堆，獲取堆頂元素k次
     */
    public int[] getLeastNumbers(int[] arr, int k) {
        int[] result=new int[k];
        PriorityQueue<Integer> heap = new PriorityQueue<>();
        //插入操作logn,整體nlogn
        for (int i:arr)heap.add(i);
        for (int i=0;i<k;i++)result[i]=heap.remove();
        return result;
    }

時間複雜度：Onlogn

空間複雜度：On

解法4：大頂堆

    /**
     * 思路：
     * 大頂堆實現
     * 把前k個元素放入堆，後續的元素如果比堆頂元素小，移除堆頂元素，加入新元素
     */
    public int[] getLeastNumbers(int[] arr, int k) {
        int[] result=new int[k];
        if (k==0)return result;
        PriorityQueue<Integer> heap = new PriorityQueue<>((v1,v2)->v2-v1);
        for (int i=0;i<arr.length;i++){
            if (i<k)heap.add(arr[i]);
            else {
                if (heap.peek()>arr[i]){
                    heap.remove();
                    heap.add(arr[i]);
                }
            }
        }
        int i=0;
        for (int num : heap)result[i++]=num;
//        for (int i=0;i<k;i++)result[i]=heap.remove();
        return result;
    }

時間複雜度：Onlogn

空間複雜度：On