本文共 2179 字，大约阅读时间需要 7 分钟。

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

解法一：O(n)的算法，只有当我们可以修改输入的数组时可用

从上一题中我们可以得到启发，我们同样可以基于Partition函数来解决这个问题。如果基于数组的第k个数字来调整，使得比第k个数字小的所有数字都位于数组的左边，比第k个数字大的所有数字都位于数组的右边。这样调整之后，位于数组中左边的k个数字就是最小的k个数字。

public int partition(int[] arr, int left, int right) {          int result = arr[left];          if (left > right)              return -1;            while (left < right) {              while (left < right && arr[right] >= result) {                  right--;              }              arr[left] = arr[right];              while (left < right && arr[left] < result) {                  left++;              }              arr[right] = arr[left];          }          arr[left] = result;          return left;      }      public int[] getLeastNumbers(int[] input,int k){          if(input.length == 0 || k<= 0)              return null;          int[] output = new int[k];          int start = 0;          int end = input.length-1;          int index = partition(input,start,end);          while(index != k-1){              if(index > k-1){                  end = index -1;                  index = partition(input,start ,end);              }              else{                  start = index+1;                  index = partition(input,start ,end);              }          }          for(int i = 0;i

解法二：O(nlogk)的算法，特别适用处理海量数据

    我们可以先创建一个大小为k的数据容器来存储最小的k个数字，接下来我们每次从输入的n个整数中读入一个数。如果容器中已有数字少于k个，则直接把这次读入的整数放入容器中；如果容器中已有k个数字了，也就是容器已满，此时我们不能再插入新的数字了而只能替换已有的数字。找出这已有的k个数中的最大值，然后拿这次待插入的整数和最大值进行比较。如果待插入的值比当前已有的最大值小，则用这个数替换当前已有的最大值；如果待插入的值比当前已有的最大值还大，那么这个数不可能是最小的k个整数之一，于是我们可以抛弃这个整数。

    这个数据容器，我们很容易想到用最大堆。在最大堆中，根节点的值总是大于它的子树中的任意结点的值。于是我们每次可以在O(1）得到已有的k个数字中的最大值，但需要O(logk)时间完成删除及插入操作。

public void buildMaxHeap(int[] arr,int lastIndex){          for(int i = (lastIndex-1)/2;i>=0;i--){              int k = i;              while(2*k+1 <= lastIndex){                  int biggerIndex = 2*k+1;                  if(biggerIndex 
   
    arr.length)              return;          //根据输入数组前k个数简历最大堆          //从k+1个数开始与根节点比较          //大于根节点，舍去          //小于，取代根节点，重建最大堆          int[] kArray = Arrays.copyOfRange(arr, 0, k);          heapSort(kArray);          for(int i = k;i
   

转载地址：http://izgub.baihongyu.com/