Top K问题可通过优先队列、partial_sort和nth_element解决:优先队列维护大小为K的堆,适合流式数据;partial_sort对前K个元素排序,适用于需有序结果且K较小的场景;nth_element基于快速选择,平均时间复杂度O(n),效率最高但不保证前K内部有序。

Top K 问题是常见的算法问题,要求从大量数据中找出最大的(或最小的)K个元素。C++ 提供了多种高效手段来解决这个问题,核心思路是避免完全排序,只关注前 K 个目标元素,从而提升性能。
使用优先队列(堆)求 Top K
最常用且高效的方法是利用 std::priority_queue 构建小根堆(求最大 K 个元素)或大根堆(求最小 K 个元素)。
以找最大 K 个数为例:
- 维护一个大小为 K 的小根堆
- 遍历数组,若堆未满 K 个,直接加入
- 若堆已满且当前元素大于堆顶,弹出堆顶并插入当前元素
- 遍历完成后,堆中即为 Top K 元素
#include <vector>
#include <queue>
#include <algorithm><p>std::vector<int> getTopK(std::vector<int>& nums, int k) {
std::priority_queue<int std::vector>, std::greater<int>> minHeap;</int></int></int></int></p>
<pre class="brush:php;toolbar:false;">for (int num : nums) {
if (minHeap.size() minHeap.top()) {
minHeap.pop();
minHeap.push(num);
}
}
std::vector<int> result;
while (!minHeap.empty()) {
result.push_back(minHeap.top());
minHeap.pop();
}
return result;</int>
}
使用 partial_sort 算法
C++ 标准库提供了 std::partial_sort,可将前 K 个元素按顺序排列,其余元素无序。
适合需要有序结果且 K 较小的场景。
#include <algorithm>
#include <vector><p>std::vector<int> getTopKPartialSort(std::vector<int>& nums, int k) {
std::partial_sort(nums.begin(), nums.begin() + k, nums.end(), std::greater<int>());
return std::vector<int>(nums.begin(), nums.begin() + k);
}</int></int></int></int></p></vector></algorithm>使用 nth_element 快速划分
若只需 Top K 元素但不要求顺序,std::nth_element 是最优选择之一。
基于快速选择(QuickSelect),平均时间复杂度 O(n)。
#include <algorithm>
#include <vector><p>std::vector<int> getTopKNthElement(std::vector<int>& nums, int k) {
std::nth_element(nums.begin(), nums.begin() + k - 1, nums.end(), std::greater<int>());
return std::vector<int>(nums.begin(), nums.begin() + k);
}</int></int></int></int></p></vector></algorithm>三种方法各有优势:堆适合流式数据和内存受限场景;partial_sort 适合 K 小且需排序;nth_element 效率最高但不保证前 K 内部有序。根据实际需求选择即可。
基本上就这些,掌握好 STL 的这几个工具,Top K 问题就能轻松应对。
C++免费学习笔记(深入):立即使用
在学习笔记中,你将探索 C++ 的入门与实战技巧!











