题目：输入n个整数，找出其中最小的k个数。
代码如下：
package demo;
import java.util.ArrayList;
import java.util.List;
/**
* 最小的k个数：输入n个整数，找出其中最小的k个数。
*
* @author xiangdonglee
*
*/
public class Test30 {
/**
* 大顶堆
*
* @author xiangdonglee
*
* @param
* 参数化类型
*/
private final static class MaxHeap> {
// 堆中元素存放的集合
private List items;
// 用于计数
private int cursor;
/**
* 构造一个堆，初始大小为32
*/
public MaxHeap() {
this(32);
}
/**
* 构造一个指定初始大小的堆
*
* @param size
* 初始大小
*/
public MaxHeap(int size) {
items = new ArrayList<>(size);
cursor = -1;
}
/**
* 向上调整堆，成为大顶堆
*
* @param index
* 被上移元素的起始位置
*/
public void siftUp(int index) {
// 获取开始调整的元素对象
T intent = items.get(index);
// 如果不是根元素
while (index > 0) {
// 找父元素对象的位置
int parentIndex = (index - 1) / 2;
// 获取父元素对象
T parent = items.get(parentIndex);
// 上移的条件：子元素比父元素大
if (intent.compareTo(parent) > 0) {
// 将父结点向下放
items.set(index, parent);
// 将处理的位置，改为之前父结点所在的位置
index = parentIndex;
} else {
// 子结点不比父结点大，说明父子路径已经按从大到小排好顺序了，不需要调整了
break;
}
}
/*
* index此时记录的是最后一个被下放的父结点的位置（也可能是自身）， 所以将最开始调整的元素值放入index位置即可
*/
items.set(index, intent);
}
/**
* 向下调整堆，成为大顶堆
*
* @param index
* 被下移的元素的起始位置
*/
public void siftDown(int index) {
// 获取开始调整的元素对象
T intent = items.get(index);
// 获取开始调整的元素对象的左子结点的元素位置
int leftIndex = 2 * index + 1;
// 如果有左子结点
while (leftIndex < items.size()) {
// 取左子结点的元素对象，并且假定其为2个子结点中最大的
T maxChild = items.get(leftIndex);
// 2个子结点中最大结点元素的位置，假定开始时为左子结点的位置
int maxIndex = leftIndex;
// 获取右子结点的位置
int rightIndex = leftIndex + 1;
// 如果有右子结点
if (rightIndex < items.size()) {
// 获取右子结点的元素对象
T rightChild = items.get(rightIndex);
// 找出2个子结点中的最大子结点
if (rightChild.compareTo(maxChild) > 0) {
maxChild = rightChild;
maxIndex = rightIndex;
}
}
// 如果最大子结点比父结点大，则需要向下调整
if (maxChild.compareTo(intent) > 0) {
// 将子结点向上移
items.set(index, maxChild);
// 记录上移结点的位置
index = maxIndex;
// 找到上移结点的左子结点的位置
leftIndex = index * 2 + 1;
}
// 最大子结点不比父结点大，说明父子路径已经按从大到小排好序了，不需要调整了
else {
break;
}
}
/*
* index此时记录的是最后一个被上移的子结点的位置（也可能是自身）， 所以将最开始调整的元素值放入index位置即可
*/
items.set(index, intent);
}
/**
* 向堆中添加一个元素
*
* @param item
*/
public void add(T item) {
// 将元素添加到最后
items.add(item);
// 向上调整，以重新调整为一个大顶堆
siftUp(items.size() - 1);
}
/**
* 删除大顶堆的堆顶元素
*
* @return 堆顶部的元素
*/
public T deleteTop() {
// 如果堆已经为空，报异常
if (items.isEmpty()) {
throw new RuntimeException("The heap is empty!");
}
// 获取堆顶元素
T maxItem = items.get(0);
// 删除最后一个元素
T lastItem = items.remove(items.size() - 1);
if (items.isEmpty()) {
return lastItem;
}
// 将删除的元素放到栈顶，这样的话，其实原来的堆顶元素真正被删了
items.set(0, lastItem);
// 自上向下调整堆，成为大顶堆
siftDown(0);
// 返回真正被删的堆顶元素
return maxItem;
}
/**
* 获取下一个元素
*
* @return 下一个元素对象
*/
public T next() {
if (cursor >= items.size()) {
throw new RuntimeException("No more element!");
}
return items.get(cursor);
}
/**
* 判断堆中是否还有下一个元素
*
* @return
*/
public boolean hasNext() {
cursor++;
return cursor < items.size();
}
/**
* 获取堆中的第一个元素
*
* @return
*/
public T first() {
if (items.size() == 0) {
throw new RuntimeException("The heap is empty");
}
return items.get(0);
}
/**
* 判断堆是否为空
*
* @return
*/
public boolean isEmpty() {
return items.isEmpty();
}
/**
* 获取堆的大小
*
* @return
*/
public int size() {
return items.size();
}
/**
* 清空堆
*/
public void clear() {
items.clear();
}
@Override
public String toString() {
return items.toString();
}
}
/**
* 解法2
*
* @param input
* 输入数组
* @param output
* 输出数组
*/
public static void getLeastNumbers2(int[] input, int[] output) {
if (input == null || output == null || output.length <= 0 || input.length < output.length) {
throw new IllegalArgumentException("Invalid args");
}
MaxHeap maxHeap = new MaxHeap<>(output.length);
for (int i : input) {
if (maxHeap.size() < output.length) {
// 把i添加进去，并且已经调整为了一个大顶堆
maxHeap.add(i);
} else {
int max = maxHeap.first();
if (max > i) {
maxHeap.deleteTop();
maxHeap.add(i);
}
}
}
for (int i = 0; maxHeap.hasNext(); i++) {
output[i] = maxHeap.next();
}
}
/**
* 解法1
*
* @param input
* 输入数组
* @param output
* 输出数组
*/
public static void getLeastNumbers(int[] input, int[] output) {
if (input == null || output == null || output.length <= 0 || input.length < output.length) {
throw new IllegalArgumentException("Invalid args!");
}
int start = 0;
int end = input.length - 1;
int index = partition(input, start, end);
int target = output.length - 1;
while (index != target) {
if (index < target) {
start = index + 1;
} else {
end = index - 1;
}
index = partition(input, start, end);
}
System.arraycopy(input, 0, output, 0, output.length);
}
/**
* 分区算法
*
* @param input
* 输入数组
* @param start
* 开始下标
* @param end
* 结束下标
* @return 分区位置
*/
private static int partition(int[] input, int start, int end) {
int tmp = input[start];
while (start < end) {
while (start < end && input[end] >= tmp) {
end--;
}
input[start] = input[end];
while (start < end && input[start] <= tmp) {
start++;
}
input[end] = input[start];
}
input[start] = tmp;
return start;
}
public static void main(String[] args) {
System.out.println("第1种解法：");
test1();
System.out.println();
System.out.println("第2种解法：");
test2();
}
private static void test1() {
int[] data = { 4, 5, 1, 6, 2, 7, 3, 8 };
int[] output = new int[4];
getLeastNumbers(data, output);
for (int i : output) {
System.out.print(i + " ");
}
System.out.println();
int[] output2 = new int[8];
getLeastNumbers(data, output2);
for (int i : output2) {
System.out.print(i + " ");
}
System.out.println();
int[] output3 = new int[1];
getLeastNumbers(data, output3);
for (int i : output3) {
System.out.print(i + " ");
}
System.out.println();
int[] data2 = { 4, 5, 1, 6, 2, 7, 2, 8 };
int[] output4 = new int[2];
getLeastNumbers(data2, output4);
for (int i : output4) {
System.out.print(i + " ");
}
System.out.println();
}
private static void test2() {
int[] data = { 4, 5, 1, 6, 2, 7, 3, 8 };
int[] output = new int[4];
getLeastNumbers2(data, output);
for (int i : output) {
System.out.print(i + " ");
}
System.out.println();
int[] output2 = new int[8];
getLeastNumbers2(data, output2);
for (int i : output2) {
System.out.print(i + " ");
}
System.out.println();
int[] output3 = new int[1];
getLeastNumbers2(data, output3);
for (int i : output3) {
System.out.print(i + " ");
}
System.out.println();
}
}
运行结果
来源：http://blog.csdn.net/derrantcm/article/details/46736933