LeetCode 215. 数组中的第K个最大元素 快速选择详解 Java实现

215. 数组中的第K个最大元素

题目来源

215. 数组中的第K个最大元素

题目分析

给定一个整数数组 nums 和一个整数 k，请返回数组中第 k 个最大的元素。
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。

题目难度

• 难度：中等

题目标签

• 标签：数组、快速选择、分治、堆（优先队列）

题目限制

• 1 <= k <= nums.length <= 10^5
• -10^4 <= nums[i] <= 10^4

解题思路

思路：快速选择算法

1. 问题定义：

   • 本题要求在一个未排序的数组中找到第 k 个最大的元素。

2. 核心算法：

   • 使用快速选择算法，这是一种类似快速排序的选择算法，能够在 O(n) 的时间复杂度下找到数组中的第 k 个最大元素。
   • 快速选择算法通过递归划分数组，选择一个基准值，将数组划分为两部分，并根据 k 的值缩小查找范围。

3. 关键步骤：

   • 在数组中随机选择一个基准值，将比它大的元素放在左边，比它小的元素放在右边。
   • 通过判断基准值的位置，调整查找范围，直到找到第 k 个最大元素。

核心算法步骤

1. 随机选择基准值：在数组 nums 中随机选择一个元素作为基准值，将比基准值大的元素放在左侧，比基准值小的元素放在右侧。
2. 调整查找范围：根据基准值的位置，判断第 k 个最大元素在基准值的左侧还是右侧，并相应地调整查找范围。
3. 递归查找：重复上述步骤，直到找到第 k 个最大元素。

代码实现

以下是求解数组中第 k 个最大元素问题的 Java 代码：

/**
 * 215. 数组中的第K个最大元素
 * @param nums 数组
 * @param k 第k个最大元素
 * @return 第k个最大元素
 * @apiNote 快速选择算法，时间复杂度O(n)
 */
public int findKthLargest(int[] nums, int k) {
    int n = nums.length;
    int left = 0;
    int right = n - 1;
    int pivotIndex = randomPartition(nums, left, right);
    
    while (left <= right && pivotIndex != n - k) {
        pivotIndex = randomPartition(nums, left, right);
        if (pivotIndex > n - k) {
            right = pivotIndex - 1;
        } else if (pivotIndex < n - k) {
            left = pivotIndex + 1;
        }
    }
    
    return nums[pivotIndex];
}

private int randomPartition(int[] nums, int left, int right) {
    int pivot = nums[left];
    int l = left + 1;
    int r = right;
    
    while (l <= r) {
        while (l <= r && nums[l] <= pivot) l++;
        while (l <= r && nums[r] > pivot) r--;
        
        if (l <= r) {
            swap(nums, l, r);
            l++;
            r--;
        }
    }
    swap(nums, left, r);
    return r;
}

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

代码解读

• 随机选择：randomPartition 方法通过随机选择一个基准值来划分数组。
• 递归查找：通过判断基准值的位置来决定接下来的查找方向，递归缩小查找范围。
• 交换操作：swap 方法用于交换数组中的两个元素。

性能分析

• 时间复杂度：O(n)，在平均情况下，快速选择算法能在线性时间内找到第 k 个最大元素。
• 空间复杂度：O(1)，不需要额外的空间，仅使用了常数级的辅助空间。

复杂度结果

测试用例

你可以使用以下测试用例来验证代码的正确性：

int[] nums1 = {3, 2, 1, 5, 6, 4};
int k1 = 2;
System.out.println(findKthLargest(nums1, k1)); // 输出: 5

int[] nums2 = {3, 2, 3, 1, 2, 4, 5, 5, 6};
int k2 = 4;
System.out.println(findKthLargest(nums2, k2)); // 输出: 4

int[] nums3 = {7, 10, 4, 3, 20, 15};
int k3 = 3;
System.out.println(findKthLargest(nums3, k3)); // 输出: 10

扩展讨论

优化写法

• 堆排序：可以使用堆排序来解决此问题，通过维护一个大小为 k 的最小堆，来实时更新第 k 个最大元素。

其他实现

• 多种实现方法：除了快速选择外，堆排序、基数排序等方法也可以用于解决第 k 个最大元素问题，视具体应用场景而定。

总结

快速选择算法在处理找到第 k 个最大元素的问题时表现出色，时间复杂度为 O(n)，适合处理较大规模的数组。

---