215. 数组中的第K个最大元素
215. 数组中的第K个最大元素
题目来源
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
-
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。
- 本题要求在一个未排序的数组中找到第
-
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。
- 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
-
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
- 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。 - 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。 - 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。