Top K问题

1、全部直接排序
排序是最容易想到的方法，将n个数排序之后，取出最大的k个，即为所得。
伪代码：
sort(arr, 1, n);
return arr[1, k];
时间复杂度：O(n*lg(n))
分析：明明只需要TopK，却将全局都排序了，这也是这个方法复杂度非常高的原因。那能不能不全局排序，而只局部排序呢？
这就引出了第二个优化方法。

2、快速排序
局部排序
不再全局排序，只对最大的k个排序。冒泡是一个很常见的排序方法，每冒一个泡，找出最大值，冒k个泡，就得到TopK。
伪代码：

for(i=1 to k){
    bubble_find_max(arr,i);
}

return arr[1, k];
时间复杂度：O(n*k)

3、最小堆法
先用前k个元素生成一个小顶堆，
这个小顶堆用于存储，当前最大的k个元素。
接着，从第k+1个元素开始扫描，和堆顶（堆中最小的元素）比较，如果被扫描的元素大于堆顶，则替换堆顶的元素，并调整堆，
以保证堆内的k个元素，总是当前最大的k个元素。
使用 priority_queue<int,vector<int>,greater<int> > q(arr,arr+m);
时间复杂度：O(n*lg(k))

4、分治法
分治法（Divide&Conquer），把一个大的问题，
转化为若干个子问题（Divide），每个子问题“都”解决，
大的问题便随之解决（Conquer）。这里的关键词是“都”。从伪代码里可以看到，快速排序递归时，
先通过partition把数组分隔为两个部分，
两个部分“都”要再次递归。
分治法有一个特例，叫减治法，减治法（Reduce&Conquer），把一个大的问题，转化为若干个子问题（Reduce），这些子问题中“只”解决一个，大的问题便随之解决（Conquer）。
这里的关键词是“只”。

总结
全局排序，O(n*lg(n))
局部排序，只排序TopK个数，O(n*k)
堆，TopK个数也不排序了，O(n*lg(k))
分治法，每个分支“都要”递归，例如：快速排序，O(n*lg(n))
减治法，“只要”递归一个分支，例如：二分查找O(lg(n))，随机选择O(n)
TopK的另一个解法：随机选择+partition