215. 数组中的第K个最大元素

  记录一下求解数组中的第K个最大元素。实际上,题解是一个快速排序的模板。快排还可以用来求解数组中的前K大(小)的元素。

class Solution {
public:
    // 随机打乱数组中的元素
    void shuffle(vector<int>& nums) {
        size_t len = nums.size();
        srand( (int)time(0) );
        for (int i = 0; i < len; i++) {
            int index_tmp = i + rand() % (len - i);
            swap(nums[i], nums[index_tmp]);
        }
    }

    // 划分元素
    int partition(vector<int>& nums, int low, int hi) {
        if ( low == hi )    return low;
        int tmp = nums[low];
        while ( low < hi ) {
            // 从数组的右端向左端寻找比nums[low]小的元素,然后填充low的位置
            while (low < hi && nums[hi] >= nums[low])
                hi--;
            nums[low] = nums[hi];
            // 用下标low从数组的左端向右寻找比tmp大的元素,然后填充hi的位置
            while ( low < hi && tmp > nums[low] )
                low++;
            nums[hi] = nums[low];
        }
        nums[low] = tmp;
        return low;
    }

    int findKthLargest(vector<int>& nums, int k) {
        // 打乱数组元素
        shuffle(nums);
        // 由于此快排是按照元素升序排列的,所以原数组中的第k大元素在排序后数组的n-k位置;
        k = nums.size() - k;
        int low = 0;
        int hi = nums.size() - 1;
        while ( low <= hi ) {
            int p = partition(nums, low, hi);
            if ( p > k ) // 第k大的元素在nums[0...p-1]
                hi = p-1;
            else if ( p < k)    // 第k大的元素在nums[p+1...hi]
                low = p + 1;
            else
                return nums[p];
        }
        return -1;
    }
};

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
可以使用堆排序来解决该问题,其堆排序是一种时间复杂度为O(n log n)的排序算法,可以在这里用来找到第k个最大元素。 堆排序的基本思想是将待排序序列构造成一个堆,然后依次将堆顶元素和堆底元素交换,每次交换后重新调整堆,直到所有元素都排好序为止。 具体实现步骤如下: 1. 定义一个小根堆 `minHeap`,将 `nums` 数组的前 `k` 个元素加入到小根堆。 2. 从第 `k + 1` 个元素开始遍历 `nums` 数组,如果当前元素比小根堆堆顶元素大,就将堆顶元素弹出,并将当前元素加入到小根堆。 3. 遍历结束后,小根堆的堆顶元素就是第k个最大元素。 完整的代码如下: ```kotlin fun findKthLargest(nums: IntArray, k: Int): Int { // 将前k个元素加入小根堆 val minHeap = PriorityQueue<Int>() for (i in 0 until k) { minHeap.offer(nums[i]) } // 遍历数组,将比堆顶元素大的元素加入堆,弹出堆顶元素 for (i in k until nums.size) { if (nums[i] > minHeap.peek()) { minHeap.poll() minHeap.offer(nums[i]) } } // 堆顶元素就是第k个最大元素 return minHeap.peek() } ``` 在上述代码,我们使用了 `java.util.PriorityQueue` 类来实现小根堆,其 `minHeap.offer()` 方法用于加入元素,`minHeap.peek()` 方法用于获取堆顶元素,`minHeap.poll()` 方法用于弹出堆顶元素。由于小根堆只保留前k个最大元素,因此堆元素个数不会超过k,时间复杂度为O(n log k)。
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