Quick Selcet，O(n)的时间复杂度内找到无序数组中的第k大的数

最新推荐文章于 2023-05-16 17:46:25 发布
最新推荐文章于 2023-05-16 17:46:25 发布
阅读量2.6k 收藏 1
点赞数
文章标签： 快速排序 中位数 分隔数组
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Mitsuily/article/details/87990697
版权
Quick Select是快速排序的一种变形，它利用分隔数组策略在平均O(n)时间内找到无序数组的第k大元素。与快速排序不同的是，它避免了完整的递归过程，从而降低了时间复杂度。该方法常用于解决Kth Largest Element和寻找中位数等问题。在处理Median Of Two Sorted Array时，通过O(1)时间将问题规模减半，达到logn的时间复杂度。此外，它也适用于Majority Element问题，能够以O(n)时间找出出现次数超过一半的数字。
摘要由CSDN通过智能技术生成

  • Quick Select实质是快速排序算法中的一个步骤（找出未排序数组中的任意大的元素），其中用到了分隔数组的思想，默认的分隔条件是小于等于中间元素的在左边，大于的放在右边，这样将原问题分割一半，在确定的一半空间里寻找第k大的元素。Quick Select平均情况下的时间复杂度是O(n)。相关题目：Kth Largest Element，Median（当数组长度为奇数和偶数时，其中位数是不同的）等。

 

  • Kth Largest Element in an Array，最优解法。

 

                                

 

  • Quick Select与Quick Sort有许多相似之处，不同点在于图中画红框的部分，这里是用O(n)的时间将规模为n的问题减半，判断下一步是在哪个半区中寻找第k大的元素，这里排序是按降序排的。省去了快速排序中最后的递归过程，所以时间复杂度上有所优化。

 

  • 相似题目：Median Of Two Sorted Array,将规模为n的问题经过O(1)的时间复杂度转化成规模为n/2的问题，时间复杂度是logn（举例：在班级排名第10名，要想排名上升到第五名，可以把前五名弄走），这里要让k变成k/2，要么移除A中的前k/2

最低0.47元/天 解锁文章
Mitsuily
关注
Python要求O(n)复杂度求无序列表中第K的大元素实例
12-20
本题探讨的是在无序列表中寻找第K大的元素，要求时间复杂度为O(n)。这个问题可以通过应用快速选择算法的思想来解决，快速选择是快速排序的一个变种，主要目的是在未排序的列表中找到特定位置的元素，而不需要完全...
从百万数据中找到第K大的数并且时间复杂度为O(N)
be_gin_ner的博客
08-06 1380
假设数组为array，求第K大的元素。 注意：因为快排排序后，数组是由小到大的，所以第K大的元素为倒数第十个即 array[array.length-K+1]； 所以我们要令k =array.length-K+1 思路：利用快排的分治思想，先对数组进行一趟快排，将数组分为三个区，（0，par），（par），（par+1，array.length-1）。判断k与par的大小，如果par +1&...
【快速选择算法】O(n)时间复杂度
weixin_61067952的博客
06-06 696
关于快速排序的细节可以参考这篇博文：点我呀
快速排序详解
RUN
03-09 4178
主要是通过递归的方法，快排的基本原理就是先选定一个基准，然后把数组中全部小于这个数的放到基准的前面，大于这个数的放到基准的后面。 每次递归的输出结果分成了三部分，再叠加成一个数组，分别是小于基准的数组，基准，大于基准的数组。然后再对分出来的数组不断进行快排，直到只剩下一个元素的时候，直接返回。 注意不能数组＋数字，所以返回的基准要放在数组里！ def kuaisupaixu(nums): ...
寻找数组中第K大的数，时间复杂度O(N)
salmonwilliam的博客
06-13 1万+
给定一个数组A，要求找到数组A中第K大的数字。对于这个问题，解决方案有不少，此处我只给出三种： 方法1： 　　对数组A进行排序，然后遍历一遍就可以找到第K大的数字。该方法的时间复杂度为O(N*logN) 方法2： 　　利用简单选择排序法的思想，每次通过比较选出最大的数字来，比较上K次就能找出第K大的数字来。该方法的时间复杂度为O(N*K)，最坏情况下为O(N^2)。 方法3：　　 　　这种方法是本文谈论的重点，可以利用快排的思想，首先快排每次执行都能确定一个元素的最终的位置，如果这个位置是n-k
在N个数中查找第K大的数字（Top K问题）
热门推荐
Carey_Lu的博客
09-07 1万+
在N个乱序数字中查找第k大的数字，时间复杂度可以减小至 O(N*logN) O(N) O(1) O(2) 答案：B 所谓“第（前）k大数问题”指的是在长度为n(n>=k)的乱序数组中S找出从大到小顺序的第（前）k个数的问题。 注意：题中只需得到最大的K个数，而不需要对后面N-K个数排序 可能存在的条件限制： 要求 时间 和 空间消耗最小、海量数据、待排序的数据可能是...
【算法】寻找第k大数，最坏时间复杂度O(n)
weixin_36174496的博客
07-09 2432
算法–寻找第k大数 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客： 全新的界面设计 ，将会带来全新的写作体验； 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行
选择第k小问题.zip
04-09
这个问题要求在一组无序的元素中找到第k小（或第k大）的元素，而不必对整个序列进行完全排序。在本案例中，我们关注的是如何使用分治策略来解决这个问题，并通过Python 3.7实现。 分治法是一种重要的算法设计策略，...
第2周-2A-减而治之1
08-04
- 快速选择是快速排序的一个变种，主要用于找到数组中的第k个最大或最小元素。它通过选择一个基准元素并分区数组，使得基准元素左边的元素都小于基准，右边的都大于基准。然后根据需要查找的元素在基准两侧的位置，...
Python实现的插入排序，冒泡排序，快速排序，选择排序算法示例
09-19
快速排序的平均时间复杂度为O(n log n)，在实际应用中表现出色，但最坏情况下的时间复杂度为O(n^2)。 4. **选择排序(Selection Sort)** 选择排序每次从待排序的数据元素中选出最小（或最大）的一个元素，存放在...
java的要点
12-04
- **复杂度分析：**假设每个数的位数为d，基数为r，则基数排序的时间复杂度为O(d * (n + r))，空间复杂度为O(n + r)。 #### 快速排序的算法和算法复杂度（包括split算法） 快速排序是一种非常高效的排序算法，基于...
寻找第k大元素，时间复杂度是多少？
最新发布
zhoukaibai的博客
05-16 724
快速选择算法的基本思想是选择一个基准元素，然后将数组划分为比基准元素小和比基准元素大的两个子数组。如果第k大元素在比基准元素大的子数组中，那么在这个子数组中递归寻找第k大元素；否则，在比基准元素小的子数组中递归寻找第k大元素。除了快速选择算法，还有一些其他算法可以用来寻找第k大元素，例如堆排序、归并排序等，它们的时间复杂度在平均情况下也是O(nlogn)。寻找第k大元素可以通过多种算法实现，其中时间复杂度最优的是基于快速排序的算法，称为快速选择（QuickSelect）算法。
【LeetCode】常用算法之Quick Select
墨染百城
03-23 1万+
之前刚刚实现了快速排序算法。现在还有一个要求就是找到一个序列中第K大的数。我们当然可以用先排序再取值的方法来做，这样的时间复杂度为O(NlogN)。或者使用heap_sort，或者优先队列，则复杂度是O(NlogK)。那么有没有一种更加高效的方式呢？答案是肯定的。可以使用快速排序的一个变种quick_select，则平均复杂度为O(N)，最坏复杂度为O(N^2)。算法思想通过一趟快排过后，序列将被分
【排序进阶】快速选择算法
SY奇星的OI博客
05-06 3373
快速选择算法（Quickselect）是一种在未排序的数组中查找第k小/大元素的算法，时间复杂度为O(n)。它的基本思想是选择一个基准值（pivot），将数组分为两部分，一部分小于等于基准值，一部分大于基准值。然后根据k与基准值的大小关系，选择其中一部分进行递归搜索，直到找到第k小/大元素为止。快速选择算法和快速排序算法的思路类似，但是快速选择算法只需要对一部分数组进行快速排序，而不需要对整个数组进行排序。
快速选择排序 Quick select 解决Top K 问题
wengyupeng 蜗牛一步一步向前。。。
12-03 8051
1. 思想    Quick select算法通常用来在未排序的数组中寻找第k小/第k大的元素。    Quick select和Quick sort类似，核心是partition。     1. 什么是partition？（如下图，选44为pivot，把数组分为2部分，左边比44小，右边比44大）       从数组中选一个数据作为pivot，根据每个数组的元素与该pivot的大小将整...
无序整数数组中找第k大的数
tkzc_csk的博客
04-24 588
经典问题：写一段程序，找出数组中第k大的数，输出数所在的位置。 【解法一】先排序，然后输出第k个位置上的数 我们先假设元素的数量不大，例如在几千个左右，在这种情况下，那我们就排序一下吧。在这里，快速排序或堆排序都是不错的选择，他们的平均时间复杂度 都是 O（N * logN）。然后取出前 K 个，O（K）。总时间复杂度 O（N * logN）+ O（K） = O（N * logN）。你一定注意到
寻找第 K 大的数
jiangmin1994的博客
12-07 1197
第 K 大的数 解法1: 可以对这个初识的数组按照从大到小先行排序，然后取出前k大，总的时间复杂度为O(n*logn + k)。 解法2： 可以进行选择排序或交互排序，K次选择后即可得到第k大的数。总的时间复杂度为O(n*k) 解法3: 利用快速排序的思想，从数组S中随机找出一个元素X，把数组分为两部分S1和S2。S1中的元素大于等于X，S2中元素小于X。这时有两种情况： 1. S1中元素的个数小于k，则S2中的第k-|S1|个元素即为第k大数； 2. S1中元素的个数大于等于k，则返回S1中的第k大数
快速选择(QuickSelect)的平均时间复杂度分析
Hamburry的学习笔记
11-13 9022
快选，每次选一部分，扔掉另一部分，所以是O(N) 假设每次扔掉一半. （2^k=N) T(N) =n +n/2+n/4+n/8+n/2^k = n*(1-2^-k)/(1-2^-1) =2N  这是粗略估计，具体看算法导论。
快速排序 寻找第K大的数
一只老风铃
09-15 1767
对于海量不确定数据，可采用维护大小为K的最小堆不断更新前K大的数 但对于数量有限的数组，可采用快速排序的思想寻找第K大的数，时间复杂度为O(lgN) 即快排之后， 若K刚好为基准点下标，那么返回基准点处的值 若K小于基准点，那么在前部分序列中递归查找 若K大于基准点，那么在后部分序列中递归查找 int Partition(int low, int high, int a[]) { ...
用C++ 写一个 求一个无序数组中第K小的数。 要求在O(N)的时间复杂度内完成，即不对数组进行全员排序。
04-05
可以使用快速选择算法来解决这个问题，其时间复杂度为O(N)。 快速选择算法基于快速排序，但不需要完全排序整个数组。它通过每次选择一个基准元素并将数组分为两个部分来工作，然后根据基准元素的位置来确定我们需要搜索的那个部分。 具体地，我们可以首先随机选择一个元素作为基准元素，然后将数组中比该元素小的元素放在它的左边，比该元素大的元素放在它的右边。假设基准元素的位置为p，则左边的子数组中有p个元素小于它，右边的子数组中有n-p-1个元素大于它。如果k=p，则基准元素即为第k小的元素；如果k<p，则我们需要在左边的子数组中继续搜索第k小的元素；如果k>p，则我们需要在右边的子数组中继续搜索第k-p-1小的元素。 下面是使用快速选择算法求解第k小的数的C代码： ``` #include <stdio.h> #include <stdlib.h> int partition(int* nums, int left, int right) { int pivot = nums[left]; int i = left + 1, j = right; while (i <= j) { while (i <= j && nums[i] < pivot) { i++; } while (i <= j && nums[j] >= pivot) { j--; } if (i < j) { int temp = nums[i]; nums[i] = nums[j]; nums[j] = temp; } } int temp = nums[left]; nums[left] = nums[j]; nums[j] = temp; return j; } int quickSelect(int* nums, int left, int right, int k) { if (left == right) { return nums[left]; } int pivotIndex = partition(nums, left, right); if (k == pivotIndex) { return nums[k]; } else if (k < pivotIndex) { return quickSelect(nums, left, pivotIndex - 1, k); } else { return quickSelect(nums, pivotIndex + 1, right, k); } } int findKthSmallest(int* nums, int size, int k) { return quickSelect(nums, 0, size - 1, k - 1); } int main() { int nums[] = {3, 2, 1, 5, 6, 4}; int size = sizeof(nums) / sizeof(int); int k = 2; int kthSmallest = findKthSmallest(nums, size, k); printf("The %dth smallest element is %d\n", k, kthSmallest); return 0; } ``` 在这个例子中，我们使用数组{3, 2, 1, 5, 6, 4}来演示如何找到第2小的元素。我们首先调用findKthSmallest函数，并将nums数组的大小和k值作为参数传递。在findKthSmallest函数中，我们调用quickSelect函数来实际查找第k小的元素。在quickSelect函数中，我们首先将left和right参数传递给partition函数，以便将数组分为两个部分。然后，我们根据pivotIndex的值决定搜索哪个子数组。如果k等于pivotIndex，则我们找到了第k小的元素；否则，我们递归调用quickSelect函数来搜索左边或右边的子数组。最后，我们在main函数中打印出找到的第k小的元素。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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