做网站时需要注意什么/济南百度快照推广公司

思路：

1、快排思想

2、小顶堆或者大顶堆(使用优先级队列PriorityQueue实现小顶堆)

3、top k问题可采用类似解法。

代码：

package com.my.test.datastructure.array;

import java.util.Comparator;

import java.util.PriorityQueue;

/**

* 无序数组的中位数

*

* 获取排序后的第size/2(size为偶数)，(size+1)/2(size为奇数)个元素

* 对应下标为(size-1)/2

*

*/

public class ArrMidNum

{

/**

* 快排思想-直至mid为(size-1)/2

*

*/

public static int getMidNum(int[] arr) {

if (arr == null || arr.length <= 0) {

return -1;

}

int size = arr.length;

int targetMid = (size-1)/2;

int low = 0;

int high = size - 1;

int mid = getMid(arr, low, high);

while (mid != targetMid) {

if (mid < targetMid) {

mid = getMid(arr, mid + 1, high);

} else {

mid = getMid(arr, low, mid - 1);

}

}

return arr[mid];

}

/**

* 快排思想-一趟排序

*/

private static int getMid(int[] arr, int low, int high) {

int base = arr[low];

while (low < high) {

// 判断条件必须加=场景，为<= 不能为

while (low < high && base <= arr[high]) {

high--;

}

arr[low] = arr[high];

// 判断条件必须加=场景，为>= 不能为>，否则数组中有相同数据时，会一直循环

while (low < high && base >= arr[low]) {

low++;

}

arr[high] = arr[low];

}

arr[low] = base;

return low;

}

/**

* 堆排序，组建一个(size+1)/2大小的最小堆 ，取到top (size+1)/2个大的值，则堆顶元素即为中位数

*

* 先取前(size+1)/2个元素，组成最小堆，剩下的元素和堆顶比较，比堆顶小则忽略，比堆顶大则交换，然后重组最小堆

*/

public static int getMidNumByMinHeap(int[] arr) {

if (arr == null || arr.length <= 0) {

return -1;

}

// 内部实现了最小堆(默认自然序)

PriorityQueue queue = new PriorityQueue<>();

// 初步组建最小堆

int size = arr.length;

int heapSize = (size + 1) / 2;

for (int i=0; i

queue.offer(arr[i]);

}

// 比较余下元素，比堆顶大则替换堆顶元素为新值

for (int j=heapSize;j

int temp = arr[j];

// 当前元素比堆顶大 则删除堆顶元素，把当前元素加入堆

if (queue.peek() < temp) {

queue.poll();

queue.offer(temp);

}

}

// 返回堆顶元素

return queue.peek();

}

/**

* 堆排序，组建一个(size+1)/2大小的最大堆 ，取到top (size+1)/2个小的值，则堆顶元素即为中位数

*

* 先取前(size+1)/2个元素，组成最大堆，剩下的元素和堆顶比较，比堆顶大则忽略，比堆顶小则交换，然后重组最大堆

*/

public static int getMidNumByMaxHeap(int[] arr) {

if (arr == null || arr.length <= 0) {

return -1;

}

// 内部实现了最大堆(实现自定义从大到小排序)

PriorityQueue queue = new PriorityQueue<>(new Comparator() {

@Override

public int compare(Integer o1, Integer o2)

{

return o2 - o1;

}

});

// 初步组建最大堆

int size = arr.length;

int heapSize = (size + 1) / 2;

for (int i=0; i

queue.offer(arr[i]);

}

// 比较余下元素，比堆顶小则替换堆顶元素为新值

for (int j=heapSize;j

int temp = arr[j];

// 当前元素比堆顶大 则删除堆顶元素，把当前元素加入堆

if (queue.peek() > temp) {

queue.poll();

queue.offer(temp);

}

}

// 返回堆顶元素

return queue.peek();

}

public static void main(String[] args)

{

int[] arr = {4,5,6,1,2,0,3,7,8,9,10,1,1,1,1,1,1};

System.out.println(getMidNum(arr));

int[] arr1 = {4,5,6,1,2,0,3,7,8,9,10,1,1,1,1,1,1};

System.out.println(getMidNumByMinHeap(arr1));

int[] arr2 = {4,5,6,1,2,0,3,7,8,9,10,1,1,1,1,1,1};

System.out.println(getMidNumByMaxHeap(arr2));

}

}

参考：

标签：arr,Java,int,PriorityQueue,low,小顶,public,size

来源： https://blog.csdn.net/zangdaiyang1991/article/details/88641830