forked from yangyiRunning/DataStructureAlgorithmsJava
-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathKthLargest.java
More file actions
78 lines (69 loc) · 2.24 KB
/
KthLargest.java
File metadata and controls
78 lines (69 loc) · 2.24 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
package ds;
import java.util.PriorityQueue;
/**
* TopK问题: 返回数据流中的第K大元素
* <p>
* 思路:
* <p>
* 1. 用一个小顶堆来保存TopK中的这K个值
* 2. 堆没满时，每次新来的元素压入小顶堆中
* 3. 新进来的元素如果比小顶堆的堆顶的元素还要小的话，说明根本不具有实力竞争这前K大的数
* 4. 新进来的元素如果比小顶堆的堆顶的元素要大的话，说明堆顶最小的那个元素被竞争淘汰了，取而代之的新压入堆的元素
* 5. 调整堆结构让其重新成为一个小顶堆
* 6. 需要时只需要遍历这个堆，输出的所有元素即为TopK
* <p>
* 分析:
* 时间复杂度: O(logk)
* 空间复杂度: O(1) 为原地不占用额外内存的数据结构
*
* @author yangyi 2019年01月22日17:22:30
*/
public class KthLargest {
/**
* 优先队列(默认为一个小顶堆)
*/
private PriorityQueue<Integer> priorityQueue;
/**
* topK中的K
*/
private int k;
public KthLargest(int k, int[] nums) {
this.k = k;
priorityQueue = new PriorityQueue<>(k);
for (int num : nums) {
add(num);
}
}
/**
* 动态插入的方法
*/
public int add(int value) {
//还没满就进
if (priorityQueue.size() < k) {
priorityQueue.offer(value);
} else if (value > priorityQueue.peek()) {
//比小顶堆堆顶大就换(淘汰小的换大的)，小就别管
priorityQueue.poll();
priorityQueue.offer(value);
}
return priorityQueue.peek();
}
public void print() {
for (Integer integer : priorityQueue) {
System.out.println(integer);
}
}
public static void main(String[] args) {
int k = 10;
int[] ints = new int[k * 2];
System.out.println("构造一个随机的数组:");
for (int i = 0; i < ints.length; i++) {
ints[i] = (int) (Math.random() * 10);
System.out.println(ints[i]);
}
System.out.println("放入优先队列:");
KthLargest kthLargest = new KthLargest(k, ints);
System.out.println("输出最终的TopK:");
kthLargest.print();
}
}