寻找一组数中最小的k个数

在算法中沉迷----------------------------

在解决实际问题,总会有这样的感觉:明明算法思想已经有了,但是实现的时候却又感觉困难重重,让人复又怀疑算法的正确性,有时很不幸地陷入了这样的矛盾中。 编程不是那么简单的事情,需要编写大量的程序,和不断的总结思路,才会有进步。

好吧,废话说到这里,马上进入正题,代码上见

//向屏幕 输入 一组数,输出 这组数的最小k个数
#include <iostream>
#include <vector>
using namespace std;

//print the content of the vector
template<typename T> 
void print_vector(vector<T> object)
{
	vector<T>::iterator i;
	for(i=object.begin(); i!=object.end(); i++)//vector is continuely stored in memory
	{
		 cout<<*i<<'\t';
	}
}

void exchange(int &a, int &b)
{
	int tmp;
	tmp = a;
 	a = b;
	b = tmp;
}

//直接将快排中的函数拿过来,函数返回pivot的下标
int partition(vector<int> &a, int start, int end)
{
	//i始终指向比pivot小的数
 	int i = start -1;     

	//j指向每次要与pivot小的数
	for (int j=start; j<=end-1; j++)                       //原来的写法:for (int j=1; j<=end-1; j++),
		                                                   //在pivot左边时没有问题,但是到pivot右边时就开始有了致命伤
	{
		if(a[j]<=a[end])              //if(a[j]>=a[end]):对应非增序的排法;   if(a[j]<=a[end]):对应非减序的排法;
 		{ 
 			++i;
 			exchange(a[i], a[j]);
 		}
 	}

 	exchange(a[i+1], a[end]);

 	return  i+1;
}

//和《剑指OFFER》上的解法,不谋而合,英雄所见略同,哈哈哈
void little_kth(vector<int> &a, int k)
{
	int pivot = partition(a, 0, a.size()-1);

	//set the border for looking for!!!!!!!!!!!!!!!非常好的创意,夸的是自己,哈哈哈,其实源自与自己曾经看到的二分法,在文章末尾
        //列出二分法代码
	int start = 0;
	int border = a.size()-1;

	 while(pivot != k && pivot !=k-1)
	{
		if(pivot < k-1)
		{
			start = pivot + 1;
			pivot = partition(a,start,border);   //这里的边界有问题
		}
			
		else if( pivot > k-1 )
		{
			border = pivot - 1;
			pivot = partition(a,start,border);	
		}
			 
	}	
}

void main()
{
	//complish the action of input some numbers into the vector(between the numbers are space, end of the input is eof--enter)
	vector<int> object;
	int a = 0;
	cout<<"input some ints,boy:"<<endl;

	//actually I do not konw neither
	while(cin>>a)
	{
		object.push_back(a); 
	}

	//print the content of the vector
	print_vector(object, object.end() );

	cout<<endl;

	little_kth(object, 4);

}


//二分法代码,为了找到符合条件的数组元素的下标,采用的方法,都是限定一个上下界,通过不对判断条件,缩小范围直到符合条件
//在数组a中找值为x的元素,若找到返回FOUND;没有找到,返回NOT_FOUND.
int binarySearch(const vector<int> &a, const int &x)
{
    int low = 0;
    int high = a.size() - 1;
   
    while(low <= high)
    {
         int mid = (low + high)/2;
         
         if(x > a[mid])
            low = mid + 1;
         else if(x < a[mid])
            high = mid - 1;
         else
            return FOUND;

    }
    return NOT_FOUND;
}










多源动态最优潮流的分布鲁棒优化方法(IEEE118节点)(Matlab代码实现)内容概要:本文介绍了基于Matlab代码实现的多源动态最优潮流的分布鲁棒优化方法,适用于IEEE118节点电力系统。该方法结合阶段鲁棒模型与确定性模型,旨在应对电力系统中多源不确定性(如可再生能源出力波动、负荷变化等),提升系统运行的安全性与经济性。文档还列举了大量相关的电力系统优化研究案例,涵盖微电网调度、电动汽车集群并网、需求响应、配电网重构等多个方向,并提供了YALMIP等工具包的网盘下载链接,支持科研复现与进一步开发。整体内容聚焦于电力系统建模、优化算法应用及鲁棒性分析。; 适合人群:具备电力系统基础知识和Matlab编程能力的研究生、科研人员及从事能源系统优化的工程技术人员;熟悉优化建模(如鲁棒优化、分布鲁棒优化)者更佳。; 使用场景及目标:①开展电力系统动态最优潮流研究,特别是含高比例可再生能源的场景;②学习和复现分布鲁棒优化在IEEE118等标准测试系统上的应用;③进行科研项目开发、论文复现或算法比较实验;④获取相关Matlab代码资源与仿真工具支持。; 阅读建议:建议按文档结构逐步浏览,重点关注模型构建思路与代码实现逻辑,结合提供的网盘资源下载必要工具包(如YALMIP),并在Matlab环境中调试运行示例代码,以加深对分布鲁棒优化方法的理解与应用能力。
寻找组中最小的 k 个数时,设计一个高效的算法是关键。以下是几种常用且高效的算法思路: ### 快速选择算法(Quick Select) 快速选择是一种基于快速排序的分治算法,可以在平均 O(n) 的时间复杂度内找到组中第 k 小的元素。通过调整快速排序的分区逻辑,可以高效地获取最小的 k 个数。 ```python def partition(arr, low, high): pivot = arr[high] i = low - 1 for j in range(low, high): if arr[j] <= pivot: i += 1 arr[i], arr[j] = arr[j], arr[i] arr[i + 1], arr[high] = arr[high], arr[i + 1] return i + 1 def quick_select(arr, low, high, k): if low <= high: pi = partition(arr, low, high) if pi == k - 1: return arr[:k] elif pi < k - 1: return quick_select(arr, pi + 1, high, k) else: return quick_select(arr, low, pi - 1, k) ``` ### 最小堆(Min-Heap) 使用最小堆可以高效地获取组中最小的 k 个元素。构建一个大小为 k 的最小堆,然后遍历组中的其他元素,如果当前元素小于堆顶元素,则替换堆顶元素并调整堆结构。这种方法的时间复杂度为 O(n log k),空间复杂度为 O(k)[^2]。 ```python import heapq def find_k_smallest(nums, k): if k == 0: return [] heap = nums[:k] heapq._heapify_max(heap) for num in nums[k:]: if num < heap[0]: heapq.heappop(heap) heapq.heappush(heap, num) return heap ``` ### 排序法(Sort) 虽然不是最优解,但直接对组进行排序并取前 k 个元素是最简单的方法。这种方法的时间复杂度为 O(n log n),适用于小规模据集[^1]。 ```python def find_k_smallest(nums, k): return sorted(nums)[:k] ``` ### 相关问题 1. 如何使用快速选择算法找到组中第 k 小的元素? 2. 最小堆在查找最小的 k 个元素时的优势是什么? 3. 排序法在什么情况下是合理的选择? 4. 如何优化快速选择算法以避免最坏情况? 5. 快速选择算法和堆排序在时间复杂度上有何区别?
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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