大顶堆或者小顶堆PriorityQueue解决TopK和k个最值问题

已于 2023-07-18 21:36:24 修改
阅读量642 收藏 1
点赞数 1
CC 4.0 BY-SA版权
文章标签： 算法 java 数据结构 PriorityQueue
于 2023-07-18 21:33:08 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_42774617/article/details/131796788

1. PriorityQueue用法

容量k，默认为小根堆，即堆顶的元素为堆的最小值。

PriorityQueue<Integer> queue = new PriorityQueue<>(K);

通过lambdas表达式设置排序方式，这里设置大顶堆，即堆顶的元素为堆的最大值。

PriorityQueue<Integer> queue = new PriorityQueue<>(K, (o1, o2) -> o2 - o1);

2. 第k个值的问题

如果是第k大，则可以用大顶堆排序，依次弹出k-1个数，则堆顶元素就是第k大。
如果是第k小，则可以用小顶堆排序，依次弹出k-1个数，则堆顶元素就是第k小。

牛客第BM47 题：寻找第K大

public class Solution {
   
   
    public<
最低0.47元/天 解锁文章

200万优质内容无限畅学
TopK问题(大顶堆 + 快排)
01-22
TopK问题(大顶堆 + 快排)
topK(划分法、最大顶堆法)
focus-unchanged-thing
12-31 645
1)划分法 /** 思路：利用快速排序的原理，每次选取第left的值作为参考值:找出一个划分位置low，使得L[low]，左边的值比参考值大，右边的值比参考值小， 这样一直持续下去，直到low和K相等，则可以找到前K个最大值。因为选取每个参考值，都要遍历一遍数组，因此:算法复杂度为O(N)。 */ function partition(L, left, right) { let low = left; if (left < right) { let ke
利用大顶堆实现top-k算法
Missjust的博客
11-23 766
有一堆二维坐标点<x1,y1>, <x2, y2>……<xn, yn>， 现在有两个问题： 给出n个坐标点，请对他们进行堆排序。坐标点的大小关系是：如果 xi> xj, 则 <xi,yi> 大于 <xj, yj>. 若 xi=xj 且 yi >yj, 那么同样有<xi,yi> 大于 <xj, yj>. ...
topK问题（大顶堆、快速选择算法）
MRwangyd的博客
05-18 718
topK问题：有 N (N>1000000)个数,求出其中的前K个最小的数。 力扣原题：最小的k个数 输入整数数组 arr ，找出其中最小的 k 个数。 方法一：大顶堆 思路：维护一个大小为k的大顶堆，遍历一次数组，初始插入k个数，然后每遍历一个数，将其与堆顶比较，若比堆顶小，则堆顶弹出，该数入堆 class Solution { public: vector<int> getLeastNumbers(vector<int>& arr, int k) {
堆（优先级队列）及TOPK问题详解
qq_49425839的博客
10-22 546
@[TOC]二叉树的顺序存储 #存储方式 老铁们首先声明一下，此堆非彼堆，jvm中有堆、栈等，属于存储结构，我们这里讨论的堆为数据结构。 1.二叉树的顺序存储 1.1存储方式 使用数组保存二叉树结构，方式即将二叉树用层序遍历方式放入数组中。 一般只适合表示完全二叉树，因为非完全二叉树会有空间的浪费。 这种方式的主要用法就是堆的表示。 1.2下标关系 已知双亲(parent)的下标，则： 左孩子(left)下标 = 2 * parent + 1; 右孩子(right)下标 = 2 * parent + 2;
【常用算法：排序篇】5.堆结构双雄：Top-K与动态中位数的极致解法
最新发布
RickyIT的专栏
05-12 479
本文介绍了两种基于堆的算法设计思想：维护Top-K元素和动态维护中位数。对于Top-K问题，使用小顶堆动态维护最大的K个元素，时间复杂度为O(N log K)，空间复杂度为O(K)。对于中位数问题，采用双堆（大顶堆和小顶堆）分别维护较小和较大的半部分元素，插入和查询的时间复杂度均为O(log N)。文章还对比了两种方法的应用场景和复杂度，并提供了Python代码示例。此外，提到C++ STL中的std::set可以模拟堆操作，适合需要自动排序和极值查询的场景。最后，总结了堆的本质和关键思维，强调堆在动态维护
设计：优先队列、TOPK问题
qq_44793993的博客
06-28 307
文章目录TopK引入堆排序PriorityQueue源码简析写一个优先队列 TopK引入 又这么几种问题：求出当前数组最小值、求出当前数据流中第K大的数。 前者是一个固定的范围，而后者是一个变化的范围（当然了，你也可以看作若干个固定范围的快照）。解决以上问题的一个思路是排序，则难以避免需要扫描整个数组的值，而基于堆排序的时间复杂度是O（n*logK） 调整的时间复杂度取决于堆的高度，将K个元素组成一个堆（数组形式的完全二叉树），因此可以调整的时间复杂度就是logK，如果你对整个数组建堆那么调整的时间复杂度
直击高频编程考点：排序算法知识及经典算法题总结
热门推荐
张彦峰的博客
10-27 5万+
排序算法知识及编程练习总结：背景知识介绍+主流排序算法与应用+相关排序算法练习（冒泡排序+鸡尾酒排序+插入排序+选择排序+快速排序+归并排序+堆排序+Top K 问题分析+使用堆排序思想实现优先级队列+计数排序+桶排序+基数排序）
创建大顶堆找topK
~
04-25 1322
/** * @param {number[]} nums * @param {number} k * @return {number} */ // 整个流程就是上浮下沉【上浮就是构建成大顶堆，下浮就是将最大值浮到末尾】 var findKthLargest = function(nums, k) { let heapSize=nums.length buildMaxHeap(nums,heapSize) // 构建好了一个大顶堆 // 进行下沉 大顶堆是最大元素下沉到末尾【因为是找t.
堆排序在topK场景题中的应用及原理
梦~'
11-15 1130
堆排序在topK场景题中的应用及原理
小顶堆、大顶堆和Top-k问题
Czi.的博客
10-18 342
【代码】小顶堆和大顶堆。
二叉堆（大顶堆、小顶堆）学习（使用java手写）
fengxiandada的博客
06-15 2297
我们现在有一个需求，用来存放整数，要求需要提供三个接口我们可以用我们熟悉的数据结构去解决这些问题O(logn)那有没有更优的数据结构呢？当然有，那就是堆。
TOP-K问题
2302_76314368的博客
10-07 2410
TOP-K问题
PriorityQueue 解析
CarryNet的博客
01-15 3716
Java 1.5版本后就提供了一个具备了小根堆性质的数据结构也就是优先队列PriorityQueue。 //PriorityQueue默认是一个小顶堆，然而可以通过传入自定义的Comparator函数来实现大顶堆。 实际上是一个堆（不指定Comparator时默认为最小堆） 队列既可以根据元素的自然顺序来排序，也可以根据 Comparator来设置排序规则。 队列的头是按指定排序方式的最小元素...
【堆排｜快排】Top-k问题
weixin_45685541的博客
05-27 948
【堆排｜快排】Top-k问题引言两种算法原理大顶堆/小顶堆构造流程：大顶堆的排序流程Golang利用大顶堆算法实现top-k算法快速选择（快排变形）Golang利用大顶堆算法实现top-k算法 引言 决解top-k问题一般有：堆和快排两种思路 两种算法的优劣如下： 快速排序算法的时间、空间复杂度都优于堆排序算法 但是快速排序算法需要修改原数组，如果原来的数组不能修改的话，还需要拷贝一份数组，造成空间复杂度升高 快速排序算法需要保存所有数据后才能选出top-k。如果把数据看成输入流的话，使用堆方法则是
PriorityQueue的使用、leetcode前k个高频元素最大堆方法中“（(a, b) -＞ b[1] - a[1]）”的解释（java）
llll1515的博客
10-04 1010
(a, b) -> b[1] - a[1] 是lambda表达式，等价于以下写法}继承Comparator接口，并且实现其中的compare()方法。提示：以下是本篇文章正文内容，下面案例可供参考接口的概念接口不是类，而是对希望符合这个接口的类的一组需求。例如Arrays类中sort方法可以对对象数组进行排序，但对象所属类必须实现Comparable接口}·任何实现Comparable接口的类都需要包含compareTo方法·接口中所有方法都自动是public方法·接口没有实例。
大顶堆及小顶堆求最大或最小K个数
zhangxing
09-21 565
PriorityQueue为优先级队列，遵循FIFO规则，其构造器可以传入容量及自定义comparator, 默认是小顶堆实现。根节点数值小于或等于左右孩子节点数值，其中顶节点数最小。根节点数值大于或等于左右孩子节点数值，其中顶节点数最大。
Java之PriorityQueue实现最大堆、最小堆
Zachary的基地
06-29 9903
简要概括 学习很多算法知识，力争做到最优解的学习过程中，很多时候都会遇到PriorityQueue（优先队列）。一个基于优先级堆的无界优先级队列。优先级队列的元素按照其自然顺序进行排序，或者根据构造队列时提供的 Comparator 进行排序，具体取决于所使用的构造方法。优先级队列不允许使用 null 元素。依靠自然顺序的优先级队列还不允许插入不可比较的对象，这样做可能导致 ClassCastException。 此队列的头是按指定排序方式确定的最小元素。如果多个元素都是最小值，则头是其中一个元素——选
PriorityQueue如何实现大小顶堆
04-26
PriorityQueue可以通过传入Comparator参数来实现大小顶堆。Comparator可以被定义为比较函数，用于比较PriorityQueue中的元素顺序。比较函数可以实现升序或降序排列，以便PriorityQueue可以按照特定的顺序将其元素保存在队列中。如果定义比较函数来实现逆序排列，那么PriorityQueue将成为一个最大堆或大顶堆，而如果定义比较函数来实现正序排列，那么PriorityQueue将成为一个最小堆或小顶堆。在Java中实现大小顶堆的代码片段如下： // 创建一个大小顶堆，使用默认的比较函数来实现升序排列 PriorityQueue<Integer> minHeap = new PriorityQueue<>(); // 创建一个大小顶堆，使用自定义的比较函数来实现降序排列 PriorityQueue<Integer> maxHeap = new PriorityQueue<>(Comparator.reverseOrder()); // 添加元素到大小顶堆中 minHeap.add(5); minHeap.add(2); minHeap.add(10); maxHeap.add(5); maxHeap.add(2); maxHeap.add(10); // 获取大小顶堆的堆顶元素 int minTop = minHeap.peek(); int maxTop = maxHeap.peek(); // 删除大小顶堆的堆顶元素 minHeap.poll(); maxHeap.poll();
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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