215. 数组中的第K个最大元素 java解决

其然乐衣

已于 2022-09-21 10:28:02 修改

阅读量348

点赞数

分类专栏：力扣文章标签：数据结构 leetcode

于 2022-09-20 15:25:03 首次发布

本文链接：https://blog.csdn.net/QRLYLETITBE/article/details/126953657

版权

力扣专栏收录该内容

32 篇文章 1 订阅

订阅专栏

题目描述：

难度：中等
相关标签：数组、分治、快速选择、排序、堆（优先队列）

给定整数数组 nums 和整数 k，请返回数组中第 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。
你必须设计并实现时间复杂度为 O(n) 的算法解决此问题。


示例 1:
    输入: [3,2,1,5,6,4], k = 2
    输出: 5
示例2:
    输入: [3,2,3,1,2,4,5,5,6], k = 4
    输出: 4

提示：
    1 <= k <= nums.length <= 105
    -104<= nums[i] <= 104

解决：

思路：基于快速排序的选择方法（快速选择）

我们知道，每次经过「划分」操作后，我们一定可以确定一个目标整数（每次默认最左边的）的最终位置 index，那么我们就在每次确定那个index后，就判断是否是符合要求的第K个最大整数的下标 p（ = nums.lpength - k），

index = p ，直接返回那个目标整数就行

如果不是的话，

当index > p 时，则向 [ l, index - 1 ] 递归继续寻找

而当index < p 时，则向 [ index + 1, r ] 递归继续寻找

class Solution {

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

    // 快速选择
    public int quickSelect( int[] nums, int l, int r, int k ) {
        
        // 获取这一趟快排后确认位置的 目标整数 的下标
        int index = quickSort( nums, l, r );

        // 如果这个确认的整数的下标刚好 == k，返回即可
        // 如果这个确认的整数的下标 > nums.length - k，则向 [ l, index - 1 ]递归继续寻找
        // 如果这个确认的整数的下标 < nums.length - k，则向 [ index + 1, r ]递归继续寻找 
        if ( index == nums.length - k ) {
            return  nums[ index ];
        } else {
            return index > nums.length - k ? quickSelect( nums, l, index - 1, k ) : quickSelect( nums, index + 1, r, k );
        }
    }

    // 快排的划分
    public int quickSort( int[] nums, int l, int r ) {
        int n = nums[ l ];  // 默认每一趟快排的目标整数位最左边的整数
        int index = l;      // 记录目标整数的下标
        while ( l < r ) {
            while( l < r ) {
                if ( nums[ r ] < n ) {
                    swap(nums, l, r);
                    index = r;
                    break;
                }
                r --;
            }
            while ( l < r ) {
                if ( nums[ l ] > n  ) {
                    swap(nums, l, r);
                    index = l;
                    break;
                }
                l++;
            }
        }
        return index;
    }


    // 定义交换方法
    public void swap( int[] nums, int i, int j ) {
        int temp = nums[ i ];
        nums[ i ] = nums[ j ];
        nums[ j ] = temp;
    }


}

复杂度分析：时间复杂度：O(n)，如上文所述，证明过程可以参考「《算法导论》9.2：期望为线性的选择算法」。
空间复杂度：O(\log n)，递归使用栈空间的空间代价的期望为 O(logn)。