经典困难难度算法题,利用优先队列其实很好解决

这道题在力扣官网上面是困难难度。但是假如利用好 C++ 的优先队列或者利用好大根堆和小根堆,​这道题的思路其实很简单。

题目描述:

题号:295

中位数是有序整数列表中的中间值。如果列表的大小是偶数,则没有中间值,中位数是两个中间值的平均值。

  • 例如 arr = [2,3,4] 的中位数是 3

  • 例如 arr = [2,3] 的中位数是 (2 + 3) / 2 = 2.5

实现 MedianFinder 类:

  • MedianFinder() 初始化 MedianFinder 对象。

  • void addNum(int num) 将数据流中的整数 num 添加到数据结构中。

  • double findMedian() 返回到目前为止所有元素的中位数。与实际答案相差 10-5 以内的答案将被接受。

解题思路:

思路一:优先队列

初始化两个空堆:一个最大堆(maxHeap)和一个最小堆(minHeap)。

  1. 将新数字与maxHeap的堆顶(即较小一半的最大值)进行比较。

  2. 如果新数字小于等于maxHeap的堆顶,则将其添加到maxHeap中。此时,我们需要检查两个堆的大小关系,确保maxHeap的大小始终小于等于minHeap的大小,或相差1。如果maxHeap的大小超过了minHeap的大小加1,我们需要将maxHeap的堆顶元素移除,并添加到minHeap中。

  3. 否则,将新数字的负值添加到minHeap中。同样,我们需要检查两个堆的大小关系。如果minHeap的大小超过了maxHeap的大小,我们需要将minHeap的堆顶元素(取负后)移除,并添加到maxHeap中。

如果两个堆的大小不一样,则中位数为 maxHeap 的堆顶。

否则,中位数为 maxHeap 堆顶和 minHeap 堆顶的值相加除以 2。

时间复杂度:O(log N)

空间复杂度:O(N)

C++

cpp 复制代码
// C++
class MedianFinder {
    priority_queue<int> bigHeap;    // small part, extra one
    priority_queue<int, vector<int>, greater<int>> smallHeap;   // big part
public:
    MedianFinder() {
​
    }
    
    void addNum(int num) {
        if(bigHeap.size() == smallHeap.size()) {
            smallHeap.push(num);
            bigHeap.push(smallHeap.top());
            smallHeap.pop();
        } else {
            bigHeap.push(num);
            smallHeap.push(bigHeap.top());
            bigHeap.pop();
        }
    }
    
    double findMedian() {
        if(bigHeap.size() == smallHeap.size()) {
            return (bigHeap.top() + smallHeap.top()) / 2.0;
        }
        return bigHeap.top();
    }
};
​
/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder* obj = new MedianFinder();
 * obj->addNum(num);
 * double param_2 = obj->findMedian();
 */

go

Go 复制代码
// go
// 定义一个最大堆  
type BigHeap []int  
  
func (h BigHeap) Len() int           { return len(h) }  
func (h BigHeap) Less(i, j int) bool { return h[i] > h[j] }  
func (h BigHeap) Swap(i, j int)      { h[i], h[j] = h[j], h[i] }  
  
func (h *BigHeap) Push(x interface{}) {  
    *h = append(*h, x.(int))  
}  
  
func (h *BigHeap) Pop() interface{} {  
    old := *h  
    n := len(old)  
    x := old[n-1]  
    *h = old[0 : n-1]  
    return x  
}  
  
// 定义一个最小堆  
type SmallHeap []int  
  
func (h SmallHeap) Len() int           { return len(h) }  
func (h SmallHeap) Less(i, j int) bool { return h[i] < h[j] }  
func (h SmallHeap) Swap(i, j int)      { h[i], h[j] = h[j], h[i] }  
  
func (h *SmallHeap) Push(x interface{}) {  
    *h = append(*h, x.(int))  
}  
  
func (h *SmallHeap) Pop() interface{} {  
    old := *h  
    n := len(old)  
    x := old[n-1]  
    *h = old[0 : n-1]  
    return x  
}  
  
type MedianFinder struct {  
    bigHeap   BigHeap  
    smallHeap SmallHeap  
}  
  
func Constructor() MedianFinder {  
    return MedianFinder{  
        bigHeap:   make(BigHeap, 0),  
        smallHeap: make(SmallHeap, 0),  
    }  
}  
  
func (this *MedianFinder) AddNum(num int) {  
    if len(this.bigHeap) == len(this.smallHeap) {  
        heap.Push(&this.smallHeap, num)  
        heap.Push(&this.bigHeap, heap.Pop(&this.smallHeap).(int))  
    } else {  
        heap.Push(&this.bigHeap, num)  
        heap.Push(&this.smallHeap, heap.Pop(&this.bigHeap).(int))  
    }  
}  
  
func (this *MedianFinder) FindMedian() float64 {  
    if len(this.bigHeap) == len(this.smallHeap) {  
        return float64(this.bigHeap[0]+this.smallHeap[0]) / 2.0  
    }  
    return float64(this.bigHeap[0])  
}  
​
​
/**
 * Your MedianFinder object will be instantiated and called as such:
 * obj := Constructor();
 * obj.AddNum(num);
 * param_2 := obj.FindMedian();
 */
相关推荐
写代码的小球2 小时前
求模运算符c
算法
tan180°5 小时前
MySQL表的操作(3)
linux·数据库·c++·vscode·后端·mysql
大千AI助手5 小时前
DTW模版匹配:弹性对齐的时间序列相似度度量算法
人工智能·算法·机器学习·数据挖掘·模版匹配·dtw模版匹配
彭祥.6 小时前
Jetson边缘计算主板:Ubuntu 环境配置 CUDA 与 cudNN 推理环境 + OpenCV 与 C++ 进行目标分类
c++·opencv·分类
lzb_kkk6 小时前
【C++】C++四种类型转换操作符详解
开发语言·c++·windows·1024程序员节
YuTaoShao7 小时前
【LeetCode 热题 100】48. 旋转图像——转置+水平翻转
java·算法·leetcode·职场和发展
生态遥感监测笔记7 小时前
GEE利用已有土地利用数据选取样本点并进行分类
人工智能·算法·机器学习·分类·数据挖掘
Tony沈哲7 小时前
macOS 上为 Compose Desktop 构建跨架构图像处理 dylib:OpenCV + libraw + libheif 实践指南
opencv·算法
刘海东刘海东8 小时前
结构型智能科技的关键可行性——信息型智能向结构型智能的转变(修改提纲)
人工智能·算法·机器学习