查找数组中第K大元素

       前面几篇讨论了一些常用排序算法，在此基础上刚好可以讨论一下本篇的主题。在N个元素中查找第K大元素，一般比较简单的方法就是先快速排序，然后直接返回array[N - K]或者利用扫描法，每一次扫描都找到当前数组中最大的元素，这个其实就是部分冒泡排序。前一种算法的时间复杂度是O(NlogN)，后一种算法的时间复杂度是K*N。当然，这里我们不打算具体讨论以上两种方案，接下来看看其他方法。

       第一种方法：利用堆排序的思想来查询数组中第K大元素。首先提取子数组array[0...K-1]并构造小顶堆，然后把剩下子数组array[K...N-1]中的所有元素与堆顶元素array[0]进行比较，若大于堆顶元素，则进行交换并重新构造子数组array[0...K-1]使其满足小顶堆的要求。这样的话，最后子数组array[0...K-1]就是N个元素中的前K个最大元素，堆顶array[0]就是N个元素中的第K大元素。具体实现代码如下：

#include <cstdlib>
#include <iostream>
using namespace std;

/*****************************************************************************
 函 数 名  : small_heap_adjust
 功能描述  : 根据数组构建小顶堆 
 输入参数  : array  待调整的堆数组
             index  待调整的数组元素的位置
             length 数组的长度
 输出参数  : 无
 返 回 值  : 无 
 修改历史      :
  1.日    期   : 2012/09/10
    作    者   : liguangting
    修改内容   : 
*****************************************************************************/
void small_heap_adjust(int *array, int index, int length)
{
    int child;
    int temp = array[index];
    
    if (2 * index + 1 >= length)
    {
        return;
    }

    //子结点位置 = 2 * 父结点位置 + 1
    child = 2 * index + 1;
        
    //得到子结点中较小的结点 
    if (child < length - 1 && array[child + 1] < array[child])
    {
        ++child;
    }
            
    //如果较小的子结点小于父结点那么把较小的子结点往上移动，替换它的父结点 
    if (temp > array[child])
    {
        array[index] = array[child];
    }
    else
    {
        return;
    }
        
    //最后把需要调整的元素值放到合适的位置 
    array[child] = temp;
    
    small_heap_adjust(array, child, length);
}

/*****************************************************************************
 函 数 名  : find_kmax_value
 功能描述  : 查找数组中第K大元素 
 输入参数  : array  待查询的数组 
             length 数组的长度
             K      第K大 
 输出参数  : 无
 返 回 值  : 返回第K大元素 
 修改历史      :
  1.日    期   : 2012/09/10
    作    者   : liguangting
    修改内容   : 
*****************************************************************************/
int find_kmax_value(int *array, int length, int k)
{
    int i = 0;
    
    //把子数组array[0...k-1]构造成小顶堆 
    for (i = k / 2 - 1; i >= 0; i--)
    {
        small_heap_adjust(array, i, k);
    }
    
    //子数组array[k...length-1]的所有元素与堆顶元素进行比较，若大于堆顶元素
    //则交换，并重新调整堆 
    for (i = k; i < length; i++)
    {
        if (array[i] > array[0])
        {
            swap(array[0], array[i]);
            small_heap_adjust(array, 0, k);
        }
    }
    
    return array[0];
}

int main(int argc, char *argv[])
{
    const int LENGTH = 100;
    const int K = 30;
    int array[LENGTH] = {0};
    int kmax = 0;
    srand(time(NULL));
    cout << "原始数组:" << endl; 
    for (int i = 0; i < LENGTH; i++)
    {
        array[i] = rand() % 100;
        cout << array[i] << " ";
        if (0 == (i + 1) % 10)
        {
            cout << endl;
        }
    }
    
    kmax = find_kmax_value(array, LENGTH, K);
    cout << "第K大元素:" << kmax << endl;

    sort(array, array + LENGTH);
    cout << "排序后数组:" << endl;
    for (int i = 0; i < LENGTH; i++)
    {
        cout << array[i] << " ";
        if (0 == (i + 1) % 10)
        {
            cout << endl;
        }
    }
    
    if (kmax == array[LENGTH - K])
    {
        cout << "查找第K大元素成功！" << endl;
    }
    system("PAUSE");
    return EXIT_SUCCESS;
}

       第二种方法：同样是利用堆排序的思想，但采用的是大顶堆，并且结合部分排序的思想。大致思路：首先把数组array[0...N-1]构造成大顶堆，然后依次提取当前堆中最大的元素，直到找到第K大元素。具体实现代码如下：

/*****************************************************************************
 函 数 名  : big_heap_adjust
 功能描述  : 根据数组构建大顶堆 
 输入参数  : array  待调整的堆数组
             index  待调整的数组元素的位置
             length 数组的长度 
 输出参数  : 无
 返 回 值  : 无 
 修改历史      :
  1.日    期   : 2012/09/10
    作    者   : liguangting
    修改内容   : 
*****************************************************************************/
void big_heap_adjust(int *array, int index, int length)
{
    int child;
    int temp = array[index];
    
    if (2 * index + 1 >= length)
    {
        return;
    }

    //子结点位置 = 2 * 父结点位置 + 1
    child = 2 * index + 1;
        
    //得到子结点中较大的结点 
    if (child < length - 1 && array[child + 1] > array[child])
    {
        ++child;
    }
            
    //如果较大的子结点大于父结点那么把较大的子结点往上移动，替换它的父结点 
    if (temp < array[child])
    {
        array[index] = array[child];
    }
    else
    {
        return;
    }
        
    //最后把需要调整的元素值放到合适的位置 
    array[child] = temp;
    
    big_heap_adjust(array, child, length);
}

/*****************************************************************************
 函 数 名  : find_kmax_value
 功能描述  : 查找数组中第K大元素 
 输入参数  : array  待查询的数组 
             length 数组的长度
             K      第K大 
 输出参数  : 无
 返 回 值  : 返回第K大元素 
 修改历史      :
  1.日    期   : 2012/09/10
    作    者   : liguangting
    修改内容   : 
*****************************************************************************/
int find_kmax_value(int *array, int length, int k)
{
    int i = 0;
    
    //把子数组array[0...length-1]构造成大顶堆 
    for (i = length / 2 - 1; i >= 0; i--)
    {
        big_heap_adjust(array, i, length);
    }
    
    //从最后一个元素开始对数组进行调整，不断缩小调整的范围直到第length - k个元素 
    for (i = length - 1; i >= length - k; i--)
    {
        //交换第一个元素和当前的最后一个元素，保证当前的最后一个元素在当前数组中是最大的 
        swap(array[0], array[i]);
        
        //调整完后的第一个元素是当前数组的最大元素 
        big_heap_adjust(array, 0, i);
    }
    
    return array[length - k];
}

       总结：以上两种方法同样都是用堆排序的思想来查找第K大元素，那到底有何区别呢？我们主要来看一下时空间复杂度：

       1、小顶堆：时间复杂度为O(NlogK)，额外空间为O(K)。

       2、大顶堆：时间复杂度为O(KlogN)，额外空间为O(N)。

       在数据量不是很大的情况下，可能以上两种方法的差别并不是特别大。但是，当数据量大到一定程度后，两者的差别就非常明显了。例如：一个文件中有100000000个整数，要求找出第10000大元素。用第一种方法的时间复杂度为100000000log10000，额外空间为10000；用第二种方法的时间复杂度为10000log100000000，额外空间为100000000。在这种情况下，需要用哪一种方法就取决于当时的运行环境、时空要求等因素，或者我们再去寻求时空间复杂度更低的方案。

       欢迎讨论交流！O(∩_∩)O~