[数据结构——lesson10.2堆的应用以及TopK问题]
目录
前言
学习目标
堆排序
TopK问题：
解法一：建立N个数的堆
解法二：建立K个数的堆（最优解）
完整代码
结束语
前言
上节内容我们详细讲解了堆[数据结构——lesson10.堆及堆的调整算法]，接下来我们来讲解堆的一个经典应用——TopK问题。
学习目标
- 堆排序
- 掌握堆的应用理解TopK问题
堆排序
堆排序即利用堆的思想来进行排序，总共分为两个步骤：1. 建堆
- 升序：建大堆
- 降序：建小堆
2. 利用堆删除思想来进行排序建堆和堆删除中都用到了向下调整，因此掌握了向下调整，就可以完成堆排序。
TopK问题：
Top-K 问题是一类常见的算法和数据处理问题，指从包含 N 个元素的大量数据集合中找到前 K 个最大或最小的元素，通常 N 远大于 K。
Top-k问题在生活中是非常的常见，比如游戏中某个大区某个英雄熟练度最高的前10个玩家的排名，我们就要根据每个玩家对该英雄的熟练度进行排序，可能有200万个玩家，但我只想选出前10个，要对所有人去排个序吗？显然没这个必要。
再比如：专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。
- 问题特点：数据量 N 极大时，若直接对所有数据排序（如快排，时间复杂度为 O (n log n)），不仅耗时久，还可能需将所有数据加载到内存，空间成本极高。而 K 通常很小，只需关注 “最大或最小的前 K 个”，无需对所有数据排序，因此需要更高效的算法来解决。
解法一：建立N个数的堆
建一个 N 个数的堆（C++中可用优先级队列priority_queue），不断的选数，选出前 k 个。
时间复杂度：建N个数的堆为O(N)，获取堆顶元素 (也即是最值) 并删除掉堆顶元素为O(log2N)，上述操作重复 k 次，所以时间复杂度为O(N+k*log2N)。
【思考】
但是这样也会存在上述所讲的可能需将所有数据加载到内存，空间成本极高的问题，能否再优化一下呢？
解法二：建立K个数的堆（最优解）
解决思路（堆排序）
- 若要找前 K 个最大的元素，则建立小顶堆；
- 若要找前 K 个最小的元素，则建立大顶堆。
- 首先用数据集合中前 K 个元素来建堆，然后将剩余的 N-K 个元素依次与堆顶元素比较；
- 若大于（针对小顶堆）或小于（针对大顶堆）堆顶元素，则替换堆顶元素并重新调整堆；
- 遍历完剩余元素后，堆中的 K 个元素就是所求的前 K 个最大或最小的元素。
时间复杂度：
▶ 建 k 个元素的堆为O(K)；
▶ 遍历剩余的 N-K 个元素的时间代价为O(N-K)，假设运气很差，每次遍历都入堆调整；
▶ 入堆调整：删除堆顶元素和插入元素都为O(log2K)；
▶ 所以时间复杂度为O(k + (N-K)log2K)。当 N 远大于 K 时，为O(N*log2K)，这种解法更优。
假如要找出最大的前 10 个数：
▶ 建立 10 个元素的小堆，数据集合中前 10 个元素依次放入小堆，此时的堆顶元素是堆中最小的元素，也是堆里面第 10 个最小的元素，
▶ 然后把数据集合中剩下的元素与堆顶比较，若大于堆顶则去掉堆顶，再将其插入，
▶ 这样一来，堆里面存放的就是数据集合中的前 10 个最大元素，
此时小堆的堆顶元素也就是堆中的第 10 个最大的元素
思考：为什么找出最大的前10个数，不能建大堆呢？
- 找出最大的前 10 个数不能建大堆，原因在于大堆的特性会导致只能找到最大的数，而无法找到其余较大的数。
- 大堆的性质是堆顶元素为堆中最大的元素。当使用 10 个元素建大堆时，堆顶就是这 10 个元素中最大的，若数据集合中还有其他更大的数，由于它们都小于当前堆顶元素，根据大堆的插入规则，这些数无法进入堆中。所以最终只能得到最大的那个数，无法找出前 10 个最大的数。
- 相反，若建立小堆，堆顶是堆中最小的元素，当有比堆顶大的元素出现时，就可以替换堆顶元素，并通过调整堆结构使小堆性质得以维持，这样就能保证较大的数逐渐进入堆中，最终堆中的 10 个元素就是数据集合中前 10 个最大的数。
完整代码
以从1w个数里找出最大的前10个数为例：
#define _CRT_SECURE_NO_WARNINGS
#include<stdlib.h>
#include<stdio.h>
#include<time.h>// 大堆调整
void max_heapify(int* arr, int i, int size)
{int largest = i;int left = 2 * i + 1;int right = 2 * i + 2;if (left < size && arr[left] > arr[largest])largest = left;if (right < size && arr[right] > arr[largest])largest = right;if (largest != i){int temp = arr[i];arr[i] = arr[largest];arr[largest] = temp;max_heapify(arr, largest, size);}
}// 构建大根堆
void build_max_heap(int* arr, int size)
{for (int i = size / 2 - 1; i >= 0; i--)max_heapify(arr, i, size);
}// 堆排序
void heap_sort(int* arr, int size)
{build_max_heap(arr, size);for (int i = size - 1; i > 0; i--) {int temp = arr[0];arr[0] = arr[i];arr[i] = temp;max_heapify(arr, 0, i);}
}// 获取前k个最小元素
void get_topk_smallest(int* arr, int n, int k, int* result)
{if (k > n) k = n;int* heap = (int*)malloc(k * sizeof(int));if (heap == NULL) {printf("内存分配失败\n");return;}// 取前k个元素构建大堆for (int i = 0; i < k; i++)heap[i] = arr[i];build_max_heap(heap, k);// 遍历剩余元素for (int i = k; i < n; i++){if (arr[i] < heap[0]){heap[0] = arr[i];max_heapify(heap, 0, k);}}// 排序结果并输出heap_sort(heap, k);for (int i = 0; i < k; i++)result[i] = heap[i];free(heap);
}// 生成随机数组
void generate_random_array(int* arr, int size, int min, int max)
{srand(time(NULL));for (int i = 0; i < size; i++){arr[i] = min + rand() % (max - min + 1);}
}// 打印数组
void print_array(int* arr, int size)
{for (int i = 0; i < size; i++){printf("%d ", arr[i]);if ((i + 1) % 10 == 0)printf("\n");}printf("\n");
}// 验证结果正确性（通过全排序对比）
void verify_result(int* arr, int n, int k, int* topk)
{// 创建数组副本并排序int* copy = (int*)malloc(n * sizeof(int));for (int i = 0; i < n; i++)copy[i] = arr[i];heap_sort(copy, n); // 注意：这里堆排序是升序printf("\n验证结果（前10个最小元素）：\n");printf("算法结果：");for (int i = 0; i < k; i++)printf("%d ", topk[i]);printf("\n正确结果：");for (int i = 0; i < k; i++)printf("%d ", copy[i]);printf("\n");// 检查是否一致int correct = 1;for (int i = 0; i < k; i++){if (topk[i] != copy[i]){correct = 0;break;}}printf("验证结果：%s\n", correct ? "正确" : "错误");free(copy);
}int main()
{const int N = 10000; // 数据总量const int K = 10; // 要找的最小元素个数int* arr = (int*)malloc(N * sizeof(int));int* topk = (int*)malloc(K * sizeof(int));// 生成10000个1到100000之间的随机数generate_random_array(arr, N, 1, 100000);printf("已生成10000个随机数\n");// 计算前10个最小元素clock_t start = clock();get_topk_smallest(arr, N, K, topk);clock_t end = clock();// 输出结果printf("\n最小的前10个数（升序排列）：\n");print_array(topk, K);// 输出耗时double time_spent = (double)(end - start) / CLOCKS_PER_SEC;printf("计算耗时：%.6f秒\n", time_spent);// 验证结果verify_result(arr, N, K, topk);// 释放内存free(arr);free(topk);return 0;
}运行结果：
结束语
经过上节堆的学习，这一节我们对于堆的Top K问题的学习与理解相对会轻松很多。
感谢您的三连支持！！！
