五分钟学算法：Top K 问题的两种经典解法

曾经终败给现在 2023-05-22 04:40 23阅读 0赞

**点击关注上方“五分钟学算法”，**

**设为“置顶或星标”，第一时间送达干货。**

![format_png][]

转自面向大象编程，作者nettee

## 题目描述 ##

![format_png 1][]

这是一道经典的面试题了，也叫做 “Top K 问题”。解决这个问题有两种常用的方法：堆方法、分治法。分治法的思想和快速排序相同。

本篇题解分别讲解了两种方法，并比较了它们的适用场景。

## 题目解析 ##

这道题是一个经典的 **Top K 问题**，是面试中的常客。Top K 问题有两种不同的解法，一种解法使用堆（优先队列），另一种解法使用类似快速排序的分治法。这两种方法各有优劣，最好都掌握。本文用图解的形式讲解这道问题的两种解法，包括三个部分：

*  方法一：堆，时间复杂度
 *  方法二：快排变形，（平均）时间复杂度
 *  两种方法的优劣比较

## 方法一：堆 ##

比较直观的想法是使用堆数据结构来辅助得到最小的 k 个数。堆的性质是每次可以找出最大或最小的元素。我们可以使用一个大小为 k 的最大堆（大顶堆），将数组中的元素依次入堆，当堆的大小超过 k 时，便将多出的元素从堆顶弹出。我们以数组，为例展示元素入堆的过程，如下面动图所示：

![format_png 2][] 入堆出堆的过程

这样，**由于每次从堆顶弹出的数都是堆中最大的，最小的 k 个元素一定会留在堆里**。这样，把数组中的元素全部入堆之后，堆中剩下的 k 个元素就是最大的 k 个数了。

注意在动画中，我们并没有画出堆的内部结构，因为这部分内容并不重要。我们只需要知道堆每次会弹出最大的元素即可。在写代码的时候，我们使用的也是库函数中的优先队列数据结构，如 Java 中的 `PriorityQueue`。在面试中，我们不需要实现堆的内部结构，把数据结构使用好，会分析其复杂度即可。

以下是题解代码。感谢评论区提醒，这里的代码可以做一些优化，如果当前数字不小于堆顶元素，数字可以直接丢掉，不入堆。下方的代码已更新：

public int[] getLeastNumbers(int[] arr, int k) {
        if (k == 0) {
            return new int[0];
        }
        // 使用一个最大堆（大顶堆）
        // Java 的 PriorityQueue 默认是小顶堆，添加 comparator 参数使其变成最大堆
        Queue<Integer> heap = new PriorityQueue<>(k, (i1, i2) -> Integer.compare(i2, i1));
    
        for (int e : arr) {
            // 当前数字小于堆顶元素才会入堆
            if (heap.isEmpty() || heap.size() < k || e < heap.peek()) {
                heap.offer(e);
            }
            if (heap.size() > k) {
                heap.poll(); // 删除堆顶最大元素
            }
        }
    
        // 将堆中的元素存入数组
        int[] res = new int[heap.size()];
        int j = 0;
        for (int e : heap) {
            res[j++] = e;
        }
        return res;
    }

算法的复杂度分析：

*  由于使用了一个大小为 k 的堆，空间复杂度为；
 *  入堆和出堆操作的时间复杂度均为，每个元素都需要进行一次入堆操作，故算法的时间复杂度为。

## 方法二：快排变形 ##

Top K 问题的另一个解法就比较难想到，需要在平时有算法的积累。实际上，“查找第 k 大的元素”是一类算法问题，称为**选择问题**。找第 k 大的数，或者找前 k 大的数，有一个经典的 quick select（快速选择）算法。这个名字和 quick sort（快速排序）看起来很像，算法的思想也和快速排序类似，都是分治法的思想。

让我们回顾快速排序的思路。快速排序中有一步很重要的操作是 partition（划分），从数组中随机选取一个枢纽元素 v，然后原地移动数组中的元素，使得比 v 小的元素在 v 的左边，比 v 大的元素在 v 的右边，如下图所示：

![format_png 3][] partition 示意图

这个 partition 操作是原地进行的，需要的时间，接下来，快速排序会递归地排序左右两侧的数组。而快速选择（quick select）算法的不同之处在于，接下来只需要递归地选择一侧的数组。快速选择算法想当于一个“不完全”的快速排序，因为我们只需要知道最小的 k 个数是哪些，并不需要知道它们的顺序。

我们的目的是寻找最小的个数。假设经过一次 partition 操作，枢纽元素位于下标，也就是说，左侧的数组有个元素，是原数组中最小的个数。那么：

*  若，我们就找到了最小的个数，就是左侧的数组；
 *  若，则最小的个数一定都在左侧数组中，我们只需要对左侧数组递归地 partition 即可；
 *  若，则左侧数组中的个数都属于最小的个数，我们还需要在右侧数组中寻找最小的个数，对右侧数组递归地 partition 即可。

这种方法需要多加领会思想，如果你对快速排序掌握得很好，那么稍加推导应该不难掌握 quick select 的要领。

以下是题解代码：

public int[] getLeastNumbers(int[] arr, int k) {
        if (k == 0) {
            return new int[0];
        } else if (arr.length <= k) {
            return arr;
        }
        
        // 原地不断划分数组
        partitionArray(arr, 0, arr.length - 1, k);
        
        // 数组的前 k 个数此时就是最小的 k 个数，将其存入结果
        int[] res = new int[k];
        for (int i = 0; i < k; i++) {
            res[i] = arr[i];
        }
        return res;
    }
    
    void partitionArray(int[] arr, int lo, int hi, int k) {
        // 做一次 partition 操作
        int m = partition(arr, lo, hi);
        // 此时数组前 m 个数，就是最小的 m 个数
        if (k == m) {
            // 正好找到最小的 k(m) 个数
            return;
        } else if (k < m) {
            // 最小的 k 个数一定在前 m 个数中，递归划分
            partitionArray(arr, lo, m-1, k);
        } else {
            // 在右侧数组中寻找最小的 k-m 个数
            partitionArray(arr, m+1, hi, k);
        }
    }
    
    // partition 函数和快速排序中相同，具体可参考快速排序相关的资料
    // 代码参考 Sedgewick 的《算法4》
    int partition(int[] a, int lo, int hi) {
        int i = lo;
        int j = hi + 1;
        int v = a[lo];
        while (true) {
            while (a[++i] < v) {
                if (i == hi) {
                    break;
                }
            }
            while (a[--j] > v) {
                if (j == lo) {
                    break;
                }
            }
    
            if (i >= j) {
                break;
            }
            swap(a, i, j);
        }
        swap(a, lo, j);
    
        // a[lo .. j-1] <= a[j] <= a[j+1 .. hi]
        return j;
    }
    
    void swap(int[] a, int i, int j) {
        int temp = a[i];
        a[i] = a[j];
        a[j] = temp;
    }

上述代码中需要注意一个细节（评论区有好几个小伙伴问到，这里补充说明一下）：

`partitionArray` 函数中，两次递归调用传入的参数为什么都是 k？特别是第二个调用，**我们在右侧数组中寻找最小的 k-m 个数，但是对于整个数组而言，这是最小的 k 个数**。所以说，函数调用传入的参数应该为 k。

该代码的成绩还是非常好的：

![format_png 4][]

算法的复杂度分析：

*  空间复杂度，不需要额外空间。
 *  时间复杂度的分析方法和快速排序类似。由于快速选择只需要递归一边的数组，时间复杂度小于快速排序，期望时间复杂度为，最坏情况下的时间复杂度为。

## 两种方法的优劣性比较 ##

在面试中，另一个常常问的问题就是这两种方法有何优劣。看起来分治法的快速选择算法的时间、空间复杂度都优于使用堆的方法，但是要注意到快速选择算法的几点局限性：

第一，算法需要修改原数组，如果原数组不能修改的话，还需要拷贝一份数组，空间复杂度就上去了。

第二，算法需要保存所有的数据。如果把数据看成输入流的话，使用堆的方法是来一个处理一个，不需要保存数据，只需要保存 k 个元素的最大堆。而快速选择的方法需要先保存下来所有的数据，再运行算法。当数据量非常大的时候，甚至内存都放不下的时候，就麻烦了。

所以当数据量大的时候还是用基于堆的方法比较好。

**END**

--------------------

![format_png 5][]

● [二叉树问题太复杂？「三步走」方法解决它！][Link 1]

[● ][Link 2][五分钟学算法：什么是堆？][Link 3]

● [一个我超喜欢的动态博客系统，五分钟即可部署上线！][Link 4]

● [五分钟学算法：什么是线段树？][Link 5]

![format_png 6][]

点“在看”你懂得

![format_png 7][]

[format_png]: /images/20230521/bc6a08dc56f84c8bb18ebf0969df6202.png
[format_png 1]: /images/20230521/c073079d25e84056bf4d4eeb46899707.png
[format_png 2]: /images/20230521/314e0b6deaf74d3badf1317d69d0b4d3.png
[format_png 3]: /images/20230521/5102fe15178444b0bfff76dcac91cb7d.png
[format_png 4]: /images/20230521/ae78bfb52af643fbbf2541bc1654fdd3.png
[format_png 5]: /images/20230521/4075cd518e20474994bf3cd23866cc6b.png
[Link 1]: https://blog.csdn.net/kexuanxiu1163/article/details/105501545
[Link 2]: http://mp.weixin.qq.com/s?__biz=Mzg2MzE5MjMxNQ%3D%3D&chksm=ce7ef418f9097d0e01bfe9410a9e40e9f4337c835c87e28332e6a8d8fd8b91b4794164f4c1a1&idx=1&mid=2247491980&scene=21&sn=5ef03c0108a5730fa28e492ec77e22d9#wechat_redirect
[Link 3]: https://blog.csdn.net/kexuanxiu1163/article/details/105463002
[Link 4]: https://blog.csdn.net/kexuanxiu1163/article/details/105525129
[Link 5]: https://blog.csdn.net/kexuanxiu1163/article/details/105424095
[format_png 6]: /images/20230521/7f572eabb28c4203bdbdb77ceec0de97.png
[format_png 7]: /images/20230521/16db5df814db4a34b3f6c4ed26d1cf9f.png