11-今日一扣(LeetCode)-215-快速选择排序-M*/堆排序

215. 数组中的第K个最大元素

LeetCode

在未排序的数组中找到第 k 个最大的元素。请注意,你需要找的是数组排序后的第 k 个最大的元素,而不是第 k 个不同的元素。

示例 1:

输入: [3,2,1,5,6,4] 和 k = 2
输出: 5

示例 2:

输入: [3,2,3,1,2,4,5,5,6] 和 k = 4
输出: 4

题解

调用库函数

现实工作中最常用的方法:
效率高于纯的快排。2ms左右

  public int findKthLargest(int[] nums, int k) {
        Arrays.sort(nums); //返回升序
        return nums[nums.length-k];//我们有从大到小的第k个,所以用length-k
    }

手动实现快速选择排序

快速选择排序基本思想:
选择一个数作为中轴值,然后开始进行划分,使这个数的左侧都大于这个数,右侧都小于这个数(对于降序而言)。然后再把左右当做子序列再一次进行划分。直到序列的个数为1为止。那么整个数组就是有序的了。
快速选择排序时间复杂度为 O ( n log ⁡ n ) O(n\log n) O(nlogn)
快排每次划分都可以确定一个元素的最终位置

注意

  • 重点在于划分。针对划分有两种写法。参照partition和partition2。在不进行随机选取时,partition2速度更快些。30ms左右,而partition为70ms左右
  • 随机选取,添加随机选取后,速度上升到了4ms左右。这是由于测试用例中有一些升序排列的,我们进行降序排列时,时间复杂度达到最差情况 O ( n 2 ) O(n^2) O(n2)
class Solution {
    Random random = new Random();

    public int findKthLargest(int[] nums, int k) {
        quickSort(nums,0, nums.length-1);
        return nums[k-1];
    }

    private void quickSort(int [] nums, int left, int right){
        // 递归出口
        if(left>=right){
            return;
        }
        randomPartition(nums,left,right);
        int pos = partition(nums, left, right);
        quickSort(nums, left, pos-1);
        quickSort(nums, pos+1, right);
    }


    private int partition(int [] nums, int left, int right){
        //从左开始遍历,以右侧的为基准。简单
        // 如果以左侧为基准,需要追踪num[left]最终被交换到哪里去了。
        // 因为给x赋值的时候,需要putIndex的值不被覆盖,进行一次交换
        int x = nums[right]; 
        //比x大的都往左放
        int putIndex = left;
        //right位置不用遍历。最后直接与right进行交换。
        for(int i=left; i<right; i++){
            //这里符号决定是从排列顺序
            if(nums[i]>x){
                swap(nums, putIndex, i);
                //不可以直接赋值,会覆盖掉不符合条件的数。
                // nums[putIndex] = nums[i];
                putIndex++; //交换一次,左侧起始索引加1
            }
        }
        //注意,在最后一次放入x时,要和right进行一次交换
        swap(nums, putIndex, right);
        nums[putIndex]=x;
        return putIndex;
    }

    // 速度更快。数据结构算法严蔚敏书中的划分方法。
    private int partition2(int nums[], int left, int right){
        int x = nums[left];
        while(left<right){
            while(left<right&&nums[right]<=x) //注意要加=,否则可能造成死循环
                right--;
            nums[left] = nums[right];
            while(left<right&&nums[left]>=x)
                left++;
            nums[right] = nums[left];
        }
        nums[left] = x;
        return left;
    }

    
    public void randomPartition(int[] a, int l, int r) {
        int i = random.nextInt(r - l + 1) + l;
        swap(a, i, r);
    }

    private void swap(int [] a , int i, int j){
        int temp = a[i];
        a[i] = a[j];
        a[j] = temp;
    }
}
升级版

上面说过,快排每次划分都能够确定一个元素的最终位置。也就是我们的划分中轴。轴左边的都比他小(大),右侧都比他大(小)。那么此题既然只想要求得第k个元素。我们在递归的时候,就可以根据划分返回来的中枢轴位置,来有选择的决定左侧的序列还是右侧的序列。这样我们的递归栈就减少了一半!
具体实现见官网。注意官网是升序排列,然后取length-k的位置。
关键位置代码:

/*官网解析答案*/
public int quickSelect(int[] a, int l, int r, int index) {
        int q = randomPartition(a, l, r); //q是划分的中枢轴位置
        if (q == index) { //是要找的第k个元素直接返回
            return a[q];
        } else {
        	//根据q与要找位置的大小关系来决定递归左边还是右边。
            return q < index ? quickSelect(a, q + 1, r, index) : quickSelect(a, l, q - 1, index);
        }
    }

官网参考1ms
这样做时间复杂度降到了O(n)

冒泡排序

要k个,只需要冒泡k次就行。

堆排序

调用小顶堆api

PriorityQueue是一个优先级队列,默认是自然顺序(升序)。队列头是最小的。
每次插入自动排序。如果我们让队列的大小为k个,那么最后剩下的就是前k的最大的。队列头就是我们想要的。
PriorityQueue的实现是小顶堆

/*代码来源: https://github.com/CyC2018/CS-Notes/blob/master/notes/Leetcode%20%E9%A2%98%E8%A7%A3%20-%20%E6%8E%92%E5%BA%8F.md#1-kth-element*/
public int findKthLargest(int[] nums, int k) {
    PriorityQueue<Integer> pq = new PriorityQueue<>(); // 小顶堆
    for (int val : nums) {
        pq.add(val);
        if (pq.size() > k)  // 维护堆的大小为 K
            pq.poll();
    }
    return pq.peek();
}
手动实现小顶堆/大顶堆
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
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