北京高端建设网站今天最新军事新闻视频
使用最小堆算法来解决这道题目：相当于有一个容量固定为K的教室，只能容纳 K 个人，学生们逐个逐个进入该教室，当教室容量达到K人之后，每次进入一个新的学生后，我们将分数最低的学生(类似本题中的频率最低元素)赶出去，最后所有学生都遍历结束之后，教室里所余的学生就是成绩前K高的学生们。
在这道题目中，最小堆（PriorityQueue）就像是一个只能容纳 K 个学生的教室，每次加入一个新的学生，教室满了就会将成绩最低的学生（即频率最低的元素）移除出去。最终剩下的 K 个学生，就是成绩最高的 K 个学生。
具体步骤如下：
- 我们先统计每个元素的出现频率（类似学生的分数）。
- 然后我们使用一个容量为 K 的最小堆来维护当前频率最高的 K 个元素。
- 当堆的大小超过K时，将频率最低的元素移除，这样堆中始终只会保留频率最高的K个元素。
- 最后，堆中剩下的元素就是前K个高频元素。
这个方法的复杂度主要取决于建立和维护堆的过程，大概是O(N log K) 的时间复杂度，其中N是数组的长度，K是要返回的高频元素的个数。
class Solution {public int[] topKFrequent(int[] nums, int k) {//首先利用 Hashmap 统计每个数值的频率Map<Integer, Integer> freqMap = new HashMap<>();for(int num : nums) {freqMap.put(num, freqMap.getOrDefault(num, 0) + 1);}//创建最小堆,存储键值对对象,key 代表元素,value 代表对应的频率值. // 比较器 (a, b) -> a.getValue() - b.getValue() 隐式地比较了两个元素的频率 // 如果 a 的值(频率)小于 b，则 a 会排在 b 前面（因为最小堆会将频率最小的元素放在堆顶）PriorityQueue<Map.Entry<Integer, Integer>> minHeap = new PriorityQueue<>(k, (a, b) -> a.getValue() - b.getValue()); //维护一个大小为 k 的最小堆for(Map.Entry<Integer, Integer> entry : freqMap.entrySet()) {// 遍历插入一个新的键值对，而不是元素;键是唯一的，没有重复//由于堆顶元素始终是最小的元素,所以无论当前offer提供的待插入元素的大小与此时堆顶元素的大小如何，都会被插入堆中并自动调整。minHeap.offer(entry);if(minHeap.size() > k) { minHeap.poll(); }}int[] results = new int[k];for(int i = 0; i < k; ++i) {results[i] = minHeap.poll().getKey();}return results;}
}