码迷,mamicode.com
首页 > 其他好文 > 详细

【编程题目】查找最小的 k 个元素

时间:2014-09-10 17:42:20      阅读:175      评论:0      收藏:0      [点我收藏+]

标签:style   blog   http   color   os   io   使用   ar   for   

5.查找最小的 k 个元素(数组)
题目:输入 n 个整数,输出其中最小的 k 个。
例如输入 1,2,3,4,5,6,7 和 8 这 8 个数字,则最小的 4 个数字为 1,2,3 和 4。

 

算法里面学过查找第k小的元素的O(n)算法

试着实现了一下:

注意new 初始化二维数组的方式 

int (* a)[5] = new int[8][5];
/*
5.查找最小的 k 个元素(数组)
题目:输入 n 个整数,输出其中最小的 k 个。
例如输入 1,2,3,4,5,6,7 和 8 这 8 个数字,则最小的 4 个数字为 1,2,3 和 4。
*/

#include <iostream>
#include <algorithm>
using namespace std;

bool compare(int a, int b) //降序排列
{
    return a > b;
}

//找到 一共有 n个 元素的 数组S 中 第k小 的数字  整个算法中,对除以5后余下的数字都做了特殊处理
int Select(int * S, int k, int n)
{
    if (n < 5) //对少于5个的做特殊处理
    {
        sort(S, S + n);
        return S[k - 1];
    }
    int subn = n/5 + ((n % 5 == 0) ? 0 : 1);
    int subnn = n/5;
    int (* subS)[5] = new int[subn][5];
    for (int i = 0; i < subnn; i++)
    {
        for (int j = 0; j < 5; j++)
        {
            subS[i][j] = S[i * 5 + j]; 
        }
        sort(subS[i], subS[i] + 5, compare); //5个一组,每组从大到小排序
    }
    for (int j = 0; j < n % 5; j++)
    {
        subS[subn - 1][j] = S[subn * 5 + j - 5];
    }
    sort(subS[subn - 1], subS[subn - 1] + n % 5, compare); 

    int * M = new int [subn];
    for (int i = 0; i < subn; i++)
    {
        M[i] = subS[i][2]; //M 中存储每组数字的中位数
    }

    int Mn = subnn;
    int m = Select(M, Mn/2 + (Mn % 2 == 0) ? 0 : 1, Mn);
    delete [] M;

    int * S1 = new int [n]; //存放小于等于m的数字
    int * S2 = new int [n];
    int S1n = 0; //记录有多少小于等于m的数字
    int S2n = 0;

    //找到相应的S1 与 S2中的元素
    for (int i = 0; i < subnn; i++)
    {
        if (subS[i][2] <= m)
        {
            for (int j = 0; j < 5; j++)
            {
                if (j < 2)
                {
                    if (subS[i][j] <= m)
                    {
                        S1[S1n++] = subS[i][j];
                    }
                    else
                    {
                        S2[S2n++] = subS[i][j];
                    }
                }
                else
                {
                    S1[S1n++] = subS[i][j];
                }
            }
        }
        else
        {
            for (int j = 0; j < 5; j++)
            {
                if (j > 2)
                {
                    if (subS[i][j] <= m)
                    {
                        S1[S1n++] = subS[i][j];
                    }
                    else
                    {
                        S2[S2n++] = subS[i][j];
                    }
                }
                else
                {
                    S2[S2n++] = subS[i][j];
                }
            }
        }
    }
    if (subnn != subn) //多余的数字特别处理
    {
        for (int j = 0; j < n % 5; j++)
        {
            if (subS[subn - 1][j] > m)
            {
                S2[S2n++] = subS[subn - 1][j];
            }
            else
            {
                S1[S1n++] = subS[subn - 1][j];
            }
        }
    }

    if (k == S1n)
    {
        delete [] S1;
        delete [] S2;
        return m;
    }
    else if (k < S1n)
    {
        return Select(S1, k, S1n);
    }
    else
    {
        return Select(S2, k - S1n, S2n);
    }

    delete [] S1;
    delete [] S2;
}

int main()
{
    int a[8] = {1,2,3,4,5,6,7,8};
    int m = Select(a, 7, 8);

    return 0;
}

不过,我的代码看起来好长,好难受啊...

 

网上有用堆做的,对堆不是很了解,要补一下知识。

看了用堆的方法的原理,理论上会比我现在实现的这个算法慢一点

方法是用堆维护k个最小元素

下面来自:https://github.com/julycoding/The-Art-Of-Programming-By-July/blob/master/ebook/zh/02.01.md

解法二

咱们再进一步想想,题目没有要求最小的k个数有序,也没要求最后n-k个数有序。既然如此,就没有必要对所有元素进行排序。这时,咱们想到了用选择或交换排序,即:

1、遍历n个数,把最先遍历到的k个数存入到大小为k的数组中,假设它们即是最小的k个数;
2、对这k个数,利用选择或交换排序找到这k个元素中的最大值kmax(找最大值需要遍历这k个数,时间复杂度为O(k));
3、继续遍历剩余n-k个数。假设每一次遍历到的新的元素的值为x,把x与kmax比较:如果x < kmax ,用x替换kmax,并回到第二步重新找出k个元素的数组中最大元素kmax‘;如果x >= kmax,则继续遍历不更新数组。

每次遍历,更新或不更新数组的所用的时间为O(k)O(0)。故整趟下来,时间复杂度为n*O(k)=O(n*k)

解法三

更好的办法是维护容量为k的最大堆,原理跟解法二的方法相似:

  • 1、用容量为k的最大堆存储最先遍历到的k个数,同样假设它们即是最小的k个数;
  • 2、堆中元素是有序的,令k1<k2<...<kmax(kmax设为最大堆中的最大元素)
  • 3、遍历剩余n-k个数。假设每一次遍历到的新的元素的值为x,把x与堆顶元素kmax比较:如果x < kmax,用x替换kmax,然后更新堆(用时logk);否则不更新堆。

这样下来,总的时间复杂度:O(k+(n-k)*logk)=O(n*logk)。此方法得益于堆中进行查找和更新的时间复杂度均为:O(logk)(若使用解法二:在数组中找出最大元素,时间复杂度:O(k))

 

堆的实现代码:来自http://www.cnblogs.com/panweishadow/p/3632639.html

public static void FindKMin(int[] sort, int k)
{
    int[] heap = sort;
    int rootIndex = k / 2 - 1;
    while (rootIndex >= 0)
    {
        reheap(heap, rootIndex, k - 1);
        rootIndex--;
    }
 
    for (int i = k, len=heap.Length; i < len; i++)
    {
        if (heap[i]<heap[0])
        {
            heap[0] = heap[i];
            reheap(heap, 0, k - 1);
        }
    }
 
    Console.WriteLine("The {0} min element =",k);
    for (int i = 0; i < k; i++)
    {
        Console.Write(heap[i] + " ");
    }
}
 
private static void reheap(int[] heap, int rootIndex, int lastInddex)
{
    int orphan = heap[rootIndex];
    bool done = false;
    int leftIndex = rootIndex * 2 + 1;
    while (!done && leftIndex <= lastInddex)
    {
        int largerIndex = leftIndex;
        if (leftIndex+1 <= lastInddex)
        {
            int rightIndex = leftIndex + 1;
            if (heap[rightIndex] > heap[leftIndex])
            {
                largerIndex = rightIndex;
            }
        }
 
        if (orphan < heap[largerIndex])
        {
            heap[rootIndex] = heap[largerIndex];
            rootIndex = largerIndex;
            leftIndex = rootIndex * 2 + 1;
        }
        else
        {
            done = true;
        }
    }
 
    heap[rootIndex] = orphan;
}

 

【编程题目】查找最小的 k 个元素

标签:style   blog   http   color   os   io   使用   ar   for   

原文地址:http://www.cnblogs.com/dplearning/p/3964779.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!