215. Kth Largest Element in an Array

        寻找第K大的数,可以有很多的方法。一般而言想到的最简单的方法都是先对数组进行排序,然后直接选择第K个数,就是第k大的数。这样做的话,时间为O(nlogn)。那是否还有更快的方法呢?

        我们可以使用分治算法的思想。参考快速排序,寻找到一个中点pivot,该中点把左半部分和右半部分分开,右半部分的值均大于左半部分。若K < pivot,则对左半部分继续进行上述步骤,若K>pivot,对右半部分继续实行上述步骤。直到K = pivot时,pivot就是第K大的数。

        这里即有快速排序的方法,也有二分查找的思想。

 

代码如下:

class Solution {
public:
 
 //快速排序的方法
    int findMiddle(vector<int>& nums, int left, int right) {
        int pivot = nums[left];
        int L = left + 1, R = right;
        while (L <= R) {
            if (nums[L] < pivot && nums[R] > pivot)
                swap(nums[L++], nums[R--]);
            if (nums[L] >= pivot) L++;
            if (nums[R] <= pivot) R--;
        }
        swap(nums[left], nums[R]);
        return R;
    }
   
    int findKthLargest(vector<int>& nums, int k) {
        int left = 0, right = nums.size() - 1;
        //二分查找的方法
        while (1) {
            int pos = findMiddle(nums, left, right);
            if (pos == k - 1) return nums[pos];
            if (pos > k - 1) right = pos - 1;
            else left = pos + 1;
        }
    }
};

 

 

如此,时间缩减为O(n)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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