Leetcode--Java--剑指 Offer 40. 最小的k个数

本文介绍了如何使用快速选择排序算法和大顶堆数据结构解决查找整数数组中最小k个数的问题,通过实例和代码展示了如何在O(n)时间内找到并返回结果。

题目描述

输入整数数组 arr ,找出其中最小的 k 个数。例如,输入4、5、1、6、2、7、3、8这8个数字,则最小的4个数字是1、2、3、4。

样例描述

示例 1:

输入:arr = [3,2,1], k = 2
输出:[1,2] 或者 [2,1]
示例 2:

输入:arr = [0,1,2,1], k = 1
输出:[0]

思路

快速选择排序 O(n) + top问题
没必要整个都排序,直接排序找到前topk小的即可。因此可以用快速选择排序,每次根据划分点分段进行查找,本题与这题雷同
复制指定长度数组方法
Arrays.copyOf(originalArray, newLength);
当找到第k大的元素,在第k - 1个位置,就复制它以及它左边的数组元素(排序后的)
方法二:大顶堆

代码

class Solution {

    public int partition(int[] arr, int l, int r, int k) {
        //如果已经缩小到一,就返回位置k
        if (l >= r) return k;
        int i = l - 1, j = r + 1, p = arr[i + j >> 1];
        while (i < j) {
            do i ++; while (arr[i] < p);
            do j --; while (arr[j] > p);
            if (i < j) {
                int t = arr[i];
                arr[i] = arr[j];
                arr[j] = t;
            }
        }
        return j;
    }

    public int[] quickSelect(int[] arr, int l, int r, int k) {
        int j = partition(arr, l, r, k);
        if (j == k) {
            //查找到后,就复制其以及左边部分  copy(arr, newLength)
            return Arrays.copyOf(arr, j + 1);
        }
        //根据位置j来划分,朝某一般进行快排
         return k <= j ? quickSelect(arr, l, j, k) : quickSelect(arr, j + 1, r, k);
    }

    public int[] getLeastNumbers(int[] arr, int k) {
        return quickSelect(arr, 0, arr.length - 1, k - 1);
    }
}
内容概要:本文围绕《【电价预测】基于深度学习与 SHAP 可解释性分析的西班牙电力市场电价预测研究(Python代码实现)》展开,详细介绍了一项针对西班牙电力市场电价的时序预测研究。研究采用10种先进的深度学习模型进行预测性能对比,重点突出TimeMixer模型在预测精度方面的显著优势。项目不仅完成了从数据预处理、模型构建到训练优化的全流程实现,还创新性地引入SHAP(Shapley Additive Explanations)方法对模型预测结果进行可解释性分析,量化各输入特征对电价预测的影响方向与贡献程度,提升了模型的透明度与决策可信度。该研究成果为电力市场参与者提供了高精度的短期电价预测工具,兼具学术前瞻性与工程实用价值。; 适合人群:具备一定Python编程能力和机器学习基础,从事电力系统分析、能源经济、时序预测等领域的科研人员、高校研究生;对深度学习模型应用及可解释人工智能(XAI)技术感兴趣的算法工程师与数据科学家。; 使用场景及目标:①应用于电力市场的短期电价预测,辅助电力交易、竞价策略制定与负荷调度决策;②学习如何将TimeMixer等先进深度学习模型应用于实际能源时序预测任务;③掌握SHAP方法在复杂模型解释中的具体实现流程,提升模型的可解读性与业务说服力;④为相关课题研究提供完整的代码复现、实验对比与可视化分析参考。; 阅读建议:建议结合提供的Python代码进行动手实践,重点关注数据特征工程、模型架构设计、超参数调优过程以及SHAP值的可视化解读,深入理解不同模型的性能差异与关键影响因素,从而全面提升在能源预测与智能建模领域的综合能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值