思路

为了实现获取前k小的数，我们可以采用三种不同的方法：使用Java的Arrays.sort、快速排序配合二分、以及使用优先队列（大根堆）。每一种方法都有其独特的效率和适用场景，为开发者提供选择。

代码示例

方法一：使用Java的Arrays.sort

这个方法简单直接，但需要注意，当k小于等于数组长度时，可以直接使用Arrays.sort并截取前k个元素。代码如下：

import java.util.Arrays;public class Solution {    public int[] getLeastNumbers(int[] arr, int k) {        if (k <= 0) {            return new int[0];        }        Arrays.sort(arr);        int[] res = new int[k];        System.arraycopy(arr, 0, res, 0, k);        return res;    }}

方法二：快速排序配合二分法

这种方法体现了一种高效的分治策略。首先确定基准点，然后划分数组区域进行递归排序，并根据k的位置调整范围。实现细节如下：

public class Solution {    public int[] getLeastNumbers(int[] arr, int k) {        if (k <= 0 || arr.length <= 0) {            return new int[0];        }        if (k >= arr.length) {            return arr;        }        return quickSort(arr, k, 0, arr.length - 1);    }    private int[] quickSort(int[] arr, int k, int left, int right) {        int l = left;        int r = right;        while (l < r) {            while (l < r && arr[r] >= arr[l]) {                r--;            }            while (l < r && arr[l] <= arr[l + 1]) {                l++;            }            swap(arr, l, r);            swap(arr, l, l + 1);        }                if (k <= l) {            return Arrays.copyOf(arr, k);        } else {            int[] leftPart = quickSort(arr, k, 0, l - 1);            return merge(leftPart, arr, k, l, r);        }    }    private void swap(int[] arr, int i, int j) {        int temp = arr[i];        arr[i] = arr[j];        arr[j] = temp;    }    private int[] merge(int[] left, int[] arr, int k, int l, int r) {        int[] rightPart = Arrays.copyOf(arr, r - l + 1);        int count = 0;        int i = 0;        int j = 0;        int[] result = new int[k];        while (i < left.length && count < k) {            if (left[i] < rightPart[j]) {                result[count++] = left[i];                i++;            } else {                result[count++] = rightPart[j];                j++;                count++;                if (count == k) {                    return result;                }            }        }        return result;    }}

方法三：使用优先队列（大根堆）

优先队列适合处理需要频繁获取最小值的场景。这里使用大根堆来维护前k小的数，确保堆顶是当前最小的。实现代码如下：

import java.util.*;public class Solution {    public int[] getLeastNumbers(int[] arr, int k) {        if (k <= 0 || arr.length == 0) {            return new int[0];        }        PriorityQueue
   
     heap = new PriorityQueue<>((v1, v2) -> v2 - v1);        for (int num : arr) {            if (heap.size() < k) {                heap.add(num);            } else {                if (num < heap.peek()) {                    heap.remove();                    heap.add(num);                }            }        }        int[] res = new int[k];        for (int i = 0; i < k; i++) {            res[i] = heap.remove();        }        return res;    }}

分解方法

方法二详解

基准点选择：快速排序的基准点从数组的左右两端开始选择，这可以提高排序效率。

Recursive Partition：将数组划分为两部分，左部分比基准点小，右部分比基准点大。

k的判断：根据k的位置决定是否在左边或右边递归，这保证了只处理必要的部分。

Merge：合并两个有序的子数组，确保整个结果数组有序，从中截取k个最小的数。

方法三详解

初始化大根堆：默认优先队列使用小根堆，所以需要自定义比较器，使其作为大根堆来使用。

处理元素：将数组中的每个元素添加到堆中，如果堆大小超过k，则替换掉较大的元素。

提取结果：最终从堆中取出前k个最小的数，构建结果数组。

复杂度分析

方法一

时间复杂度：O(N log N)

空间复杂度：O(N)

方法二

时间复杂度：O(N)（假设k在数组的前后附近，为最优情况）

空间复杂度：O(N)

方法三

时间复杂度：O(N log k)

空间复杂度：O(k)

通过对比，可以根据不同的需求选择最合适的方法。总的来说，方法二和方法三在不同数据规模和k值时表现优异。

转载地址：http://flzrz.baihongyu.com/

你可能感兴趣的文章