【剑指offer】最小的K个数

本文介绍了一种使用堆数据结构来高效找出数组中最小的K个数的方法。通过构建初始堆并迭代剩余元素,实现时间复杂度为O(NlgK)的算法。适用于需要快速找到数组中小元素的应用场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目描述
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:使用堆这一数据结构,时间复杂度为O(NlgK)

class Solution {
public:
    vector<int> GetLeastNumbers_Solution(vector<int> input, int k) { 
        // input为空,input元素个数少于k,k非正数,则直接返回
        if(input.size() == 0 || input.size() < k || k <= 0) 
            return vector<int>();

        vector<int> heap(input.begin(), input.begin() + k);
        // 建堆
        // 默认是最大堆,创建最小堆需添加参数greater<int>()
        make_heap(heap.begin(), heap.end());
        for(auto it = input.begin() + k; it != input.end(); ++it){
            // 最大堆的最大元素就在索引为0的位置
            if(*it < heap[0]){
                //先pop_heap,然后在容器中pop_back删除
                pop_heap(heap.begin(), heap.end());
                heap.pop_back();
                //先在容器中push_back加入,再push_heap
                heap.push_back(*it);
                push_heap(heap.begin(), heap.end());
            }
        }
        // 从小到大输出, k一般比较小,直接sort即可
        sort_heap(heap.begin(), heap.end());     
        return heap;         
    }
};
内容概要:该论文研究增程式电动汽车(REEV)的能量管理策略,针对现有优化策略实时性差的问题,提出基于工况识别的自适应等效燃油消耗最小策略(A-ECMS)。首先建立整车Simulink模型和基于规则的策略;然后研究动态规划(DP)算法和等效燃油最小策略;接着通过聚类分析将道路工况分为四类,并设计工况识别算法;最后开发基于工况识别的A-ECMS,通过高德地图预判工况类型并自适应调整SOC分配。仿真显示该策略比规则策略节油8%,比简单SOC规划策略节油2%,并通过硬件在环实验验证了实时可行性。 适合人群:具备一定编程基础,特别是对电动汽车能量管理策略有兴趣的研发人员和技术爱好者。 使用场景及目标:①理解增程式电动汽车能量管理策略的基本原理;②掌握动态规划算法和等效燃油消耗最小策略的应用;③学习工况识别算法的设计和实现;④了解基于工况识别的A-ECMS策略的具体实现及其优化效果。 其他说明:此资源不仅提供了详细的MATLAB/Simulink代码实现,还深入分析了各算法的原理和应用场景,适合用于学术研究和工业实践。在学习过程中,建议结合代码调试和实际数据进行实践,以便更好地理解策略的优化效果。此外,论文还探讨了未来的研究方向,如深度学习替代聚类、多目标优化以及V2X集成等,为后续研究提供了思路。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值