堆方法
使用容量为k的最小堆,当堆满了以后,加进来的元素和堆顶元素比较,如果大于堆顶元素就先弹一个元素,再加入,否则抛弃。结果最小堆中的元素就是topk元素,堆顶元素是第k大元素。
时间复杂度:调整堆 O ( l o g k ) O(logk) O(logk), n个元素 n ∗ l o g k n*logk n∗logk。
class Solution {
public:
int findKthLargest(vector<int>& nums, int k) {
if (k <= 0 || k > nums.size()) return 0;
//注意优先队列默认比较情况为greater,即最小堆。
priority_queue<int, vector<int>, greater<int>> qu;
for (int i = 0; i < nums.size(); i++)
{
if (qu.size() < k)
qu.push(nums[i]);
else {
if (qu.top() < nums[i])
{
qu.pop();
qu.push(nums[i]);
}
}
}
return qu.top();
}
};
基于快速排序
快速排序时如果划分值位置打到第n-k个元素(因为增序),对应的值就是第k大元素。
时间复杂度:一次parttion O ( N ) O(N) O(N),,因为只用到递归的一半,所以不用 O ( l o g N ) O(logN) O(logN),平均下来只有 O ( N ) O(N) O(N).
class Solution {
public:
int findKthLargest(vector<int>& nums, int k) {
if (k <= 0 || k > nums.size()) return 0;
return helper(nums, nums.size() - k, 0, nums.size() - 1);
}
private:
int helper(vector<int>& nums, int k_small, int start, int end)
{
if (start == end)
return nums[start];
int i = random(start, end);
swap(nums[i], nums[end]);
i = partition(nums, start, end);
if (i == k_small)
return nums[i];
else if (i < k_small)
return helper(nums, k_small, i + 1, end);
else
return helper(nums, k_small, start, i - 1);
}
int partition(vector<int>& arr, int start, int end)
{
int left = start, right = end - 1;
while (left < right)
{
while (left < right && arr[left] < arr[end])
left++;
while (left < right&& arr[right] >= arr[end])
right--;
swap(arr[left], arr[right]);
}
if (arr[left] >= arr[end])
swap(arr[left], arr[end]);
else
left++;
return left;
}
int random(int low, int high)
{
srand(time(NULL));
if (low > high) return high;
return low + (rand() % (high - low + 1));
}
};
快排的时间空间复杂度:
递归第一层时间复杂度O(n),第二层串行执行两次O(n/2),即O(n). 第三层执行4次O(n/4)…,总的执行层数是logn层,因此总的时间复杂度nlogn.
由于查找topk元素时,只走了每层的一块,因此时间复杂度为:
n + n/2 + n/4 + n/8 + … = 2n+1,因此O(n)