1.Leetcode23 合并K个排序链表

这个题我们前面曾经花了很大的篇幅来介绍，其中提到一句说可以使用优先级队列来做。原理是不管几个链表，最终都是按照顺序来的。如果使用优先级队列，每次都将剩余节点的最小值加到输出链表尾部，最后堆空的时候，合并也就完成了。

public ListNode mergeKLists(ListNode[] lists) {if (lists == null || lists.length == 0) return null;PriorityQueue<ListNode> q = new PriorityQueue<>(Comparator.comparing(node -> node.val));for (int i = 0; i < lists.length; i++) {if (lists[i] != null) {q.add(lists[i]);}}ListNode dummy = new ListNode(0);ListNode tail = dummy;while (!q.isEmpty()) {tail.next = q.poll();tail = tail.next;if (tail.next != null) {q.add(tail.next);}}return dummy.next;
}

2.LeetCode239 滑动窗口最大值

类似题：剑指offer59

这个题其实就是每次框移动的时候，都输出框的最大值。框的大小就是堆的大小，滑动窗口移动的时候，堆就跟着调整元素，。

public int[] maxSlidingWindow(int[] nums, int k) {if (nums == null || k <= 0) return new int[0];int[] res = new int[nums.length - k + 1];ArrayDeque<Integer> deque = new ArrayDeque<Integer&gt>();int index = 0;for (int i = 0; i < nums.length; i++) {while (!deque.isEmpty()&& deque.peek()< i - k + 1) // Ensure deque's size doesn't exceed kdeque.poll();// Remove numbers smaller than a[i] from right(a[i-1]) to left, to make the first number in the deque the largest one in the window       while (!deque.isEmpty() && nums[deque.peekLast()] < nums[i])deque.pollLast();deque.offer(i);// Offer the current index to the deque's tailif (i >= k - 1)// Starts recording when i is big enough to make the window has k elements res[index++] = nums[deque.peek()];}return res;
}

3.leetcode 264 丑数II

也是剑指offer49题

使用最小堆，要得到从小到大的第 nn 个丑数，可以使用最小堆实现。

初始时堆为空。首先将最小的丑数 11 加入堆。

每次取出堆顶元素 xx，则 xx 是堆中最小的丑数，由于 2x, 3x, 5x2x,3x,5x 也是丑数，因此将 2x, 3x, 5x2x,3x,5x 加入堆。

上述做法会导致堆中出现重复元素的情况。为了避免重复元素，可以使用哈希集合去重，避免相同元素多次加入堆。

在排除重复元素的情况下，第 nn 次从最小堆中取出的元素即为第 nn 个丑数。

class Solution {public int nthUglyNumber(int n) {int[] factors = {2, 3, 5};Set<Long> seen = new HashSet<Long>();PriorityQueue<Long> heap = new PriorityQueue<Long>();seen.add(1L);heap.offer(1L);int ugly = 0;for (int i = 0; i < n; i++) {long curr = heap.poll();ugly = (int) curr;for (int factor : factors) {long next = curr * factor;if (seen.add(next)) {heap.offer(next);}}}return ugly;}
}

4.LeetCode347 前K个高频元素

使用堆的思路与算法

首先遍历整个数组，并使用哈希表记录每个数字出现的次数，并形成一个「出现次数数组」。找出原数组的前 k 个高频元素，就相当于找出「出现次数数组」的前 k 大的值。

最简单的做法是给「出现次数数组」排序。但由于可能有O(N) 个不同的出现次数（其中 NN 为原数组长度），故总的算法复杂度会达到 O(NlogN)，不满足题目的要求。

在这里，我们可以利用堆的思想：建立一个小顶堆，然后遍历「出现次数数组」：

如果堆的元素个数小于 k，就可以直接插入堆中。
如果堆的元素个数等于 k，则检查堆顶与当前出现次数的大小。如果堆顶更大，说明至少有 k 个数字的出现次数比当前值大，故舍弃当前值；否则，就弹出堆顶，并将当前值插入堆中。
遍历完成后，堆中的元素就代表了「出现次数数组」中前 k 大的值。

class Solution {public int[] topKFrequent(int[] nums, int k) {Map<Integer, Integer> occurrences = new HashMap<Integer, Integer>();for (int num : nums) {occurrences.put(num, occurrences.getOrDefault(num, 0) + 1);}// int[] 的第一个元素代表数组的值，第二个元素代表了该值出现的次数PriorityQueue<int[]> queue = new PriorityQueue<int[]>(new Comparator<int[]>() {public int compare(int[] m, int[] n) {return m[1] - n[1];}});for (Map.Entry<Integer, Integer> entry : occurrences.entrySet()) {int num = entry.getKey(), count = entry.getValue();if (queue.size() == k) {if (queue.peek()[1] < count) {queue.poll();queue.offer(new int[]{num, count});}} else {queue.offer(new int[]{num, count});}}int[] ret = new int[k];for (int i = 0; i < k; ++i) {ret[i] = queue.poll()[0];}return ret;}
}

5.LeetCode692 前K个高频单词

这个有点复杂，如果用小根堆解决问题的方法是：

先用哈希表统计单词的出现频率，然后因为题目要求前 K 大。所以构建一个大小为 K 的小根堆按照上述规则自定义排序的比较器。然后依次将单词加入堆中，当堆中的单词个数超过 K 个后，我们需要弹出顶部最小的元素使得堆中始终保留 K 个元素，遍历完成后剩余的 K 个元素就是前 KK 大的。最后我们依次弹出堆中的 K 个元素加入到所求的结果集合中。

代码不写了

堆和优先级队列3：不泡妹子都要会的LeetCode7道题之一相关推荐

堆和优先级队列4：不泡妹子都要会的LeetCode7道题之二
本文介绍的两个题比前面的更重要.这两个题的出现频率非常高,虽然每个题都还有多种方式,但是最正统的就是用堆来做.更有意思的是这两个题一般只说方案,不用手写.如果想清楚了就能应付一道面试题,何乐而不为呢? ...
使用最小堆使用优先级队列(c语言版本)
下面的例子来自Weiss的<数据结构与算法分析:c语言描述>,自己亲自敲了一遍,跑了个demo,并将结果记录下来. binheap.h的头文件声明 //description: 使最小堆实 ...
优先级队列 c语言,使用最小堆使用优先级队列(c语言版本)
下面的例子来自Weiss的<数据结构与算法分析:c语言描述>,自己亲自敲了一遍,跑了个demo,并将结果记录下来. binheap.h的头文件声明 //description: 使最小堆实 ...
数据结构之堆（Heap），堆的相关操作，用堆模拟优先级队列
目录堆的概念堆的存储方式堆的相关操作堆的向下调整. 堆的创建堆的插入和向上调整堆的删除用堆模拟优先级队列堆的概念堆是逻辑结构为二叉树存储结构为数组数组的一种数据结构,为什么这么说呢? ...
《恋上数据结构第1季》二叉堆实现优先级队列
优先级队列(Priority Queue) 优先级队列简介优先队列的底层实现二叉堆实现优先级队列源码测试代码数据结构与算法笔记目录:<恋上数据结构> 笔记目录想加深 Java 基 ...
（补）算法训练Day13 | LeetCode150. 逆波兰表达式求值（栈应用）；LeetCode239. 滑动窗口最大值（单调队列）；LeetCode347. 前K个高频元素（小顶堆，优先级队列）
目录 LeetCode150. 逆波兰表达式求值 1. 思路 2. 代码实现 3. 复杂度分析 4. 思考 LeetCode239. 滑动窗口最大值 1. 思路 2. 代码实现 3. 复杂度分析 4. ...
《算法导论》第六章之堆和优先级队列相关算法C语言实现
#include <stdio.h> int heap_size = 10; void max_heapify(int *A, int i){ //维持最大堆性质int l = 2 * i ...
堆（优先级队列）及TOPK问题详解
文章目录 1.二叉树的顺序存储 1.1存储方式 1.2下标关系 2.堆的应用:优先级队列(默认小根堆) 2.1概念 2.2Java中优先级队列的简单介绍 3.Topk问题 3.1求N个数中前k个最大/ ...
二叉堆详解实现优先级队列
二叉堆详解实现优先级队列文章目录二叉堆详解实现优先级队列一.二叉堆概览二.优先级队列概览三.实现 swim 和 sink 四.实现 delMax 和 insert 五.最后总结二叉堆(Bi ...

堆和优先级队列3：不泡妹子都要会的LeetCode7道题之一