<LeetCode OJ> 215. Kth Largest Element in an Array

在一个未排序的数组中找到第k大的元素，注意此言的第k大就是排序后的第k大的数，

注意：给定k总是安全有效的。

Find the kth largest element in an unsorted array. Note that it is the kth largest element in the sorted order, not the kth distinct element.

For example,
Given [3,2,1,5,6,4] and k = 2, return 5.

Note: 
You may assume k is always valid, 1 ≤ k ≤ array's length.

解法1，直接排序：

排序后直接返回第k大的数，我估计没有人会看得起这种解法，time,o(n*lg(n)),space,o(1)

//思路首先：
//最笨的方法：排序，直接获取倒数第k个数

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        sort(nums.begin(),nums.end());
        return nums[nums.size()-k];
    }
};

为了提高锻炼编码，还是把快排默写一遍吧！

20ms的运行时间

class Solution {
public:
    //手动快速默写快排：先划界，再分治....
    int quickPartion(vector<int>& nums,int low,int high)
    {
        int pos=rand()%(high-low+1)+low;
        swap(nums,pos,high);//随机划界元
        int key=nums[high];
        int i=low-1;
        for(int j=low;j<=high-1;j++)
        {
            if(nums[j]<=key)
                swap(nums,++i,j);
        }
        swap(nums,++i,high);
        return i;
    }
    void swap(vector<int> &nums,int i,int j)
    {
        int tmp=nums[i];
        nums[i]=nums[j];
        nums[j]=tmp;
    }
    void quickSort(vector<int> &nums,int low ,int high)
    {
        if(low<high)
        {
            int mid = quickPartion(nums,low ,high);
            quickSort(nums,low,mid-1);
            quickSort(nums,mid+1,high);
        }
    }
    int findKthLargest(vector<int>& nums, int k) {
        quickSort(nums,0,nums.size()-1);
        return nums[nums.size()-k];
    }
};

解法2，快排划界：

总是将要划界的数组段末尾的元素为划界元，将比其小的数交换至前，比其大的数交换至后，最后将划界元放在“中间位置”（左边小，右边大）。划界将数组分解成两个子数组（可能为空）。

设数组下表从low开始，至high结束。
1、 总是取要划界的数组末尾元素为划界元x，开始划界：

a) 用j从low遍历到high-1（最后一个暂不处理），i=low-1，如果nums[j]比x小就将nums[++i]与nums[j]交换位置

b) 遍历完后再次将nums[i+1]与nums[high]交换位置（处理最后一个元素）;

c) 返回划界元的位置i+1，下文称其为midpos

这时的midpos位置的元素，此时就是整个数组中第N-midpos大的元素，我们所要做的就像二分法一样找到K=N-midpos的“中间位置”，即midpos=N-K

2、 如果midpos==n-k，那么返回该值，这就是第k大的数。
3、 如果midpos>n-k，那么第k大的数在左半数组
4、 如果midpos<n-k，那么第k大的数在右半数组

//思路首先：
//快排划界，如果划界过程中当前划界元的中间位置就是k则找到了
//time,o(n*lg(k)),space,o(1)
class Solution {
public:
    //对数组vec，low到high的元素进行划界，并获取vec[high]的“中间位置”
    int quickPartion(vector<int> &vec, int low,int high)
    {  
    	int x = vec[high];
    	int i = low - 1;
    	for (int j = low; j <= high - 1; j++)
    	{
    		if (vec[j] <= x)//小于x的划到左边
    			swap(vec,++i,j);
    	}
    	swap(vec,++i,high);//找到划界元的位置
    	return i;//返回位置
    } 
    //交换数组元素i和j的位置
    void swap(vector<int>& nums, int i, int j){  
        int temp = nums[i];  
        nums[i]=nums[j];  
        nums[j]=temp;  
    } 
    int getQuickSortK(vector<int> &vec, int low,int high, int k)  
    {  
        if(low >= high) return vec[low];
    	int  midpos = quickPartion(vec, low,high);   //对原数组vec[low]到vec[high]的元素进行划界  
    	if (midpos == vec.size() - k)      //如果midpos==n-k，那么返回该值，这就是第k大的数  
    		return vec[midpos];
    	else if (midpos < vec.size() - k)  //如果midpos<n-k，那么第k大的数在右半数组 
    		return getQuickSortK(vec, midpos+1, high, k);
        else                               //如果midpos>n-k，那么第k大的数在左半数组 
    		return getQuickSortK(vec, low, midpos-1, k);
    } 
    int findKthLargest(vector<int>& nums, int k) {
        return getQuickSortK(nums,0,nums.size()-1,k);
    }
};

以下部分为别人家的算法.............参考讨论区，学习中....

解法3，最小堆

class Solution {
public:
    
    int findKthLargest(vector<int>& nums, int k) {
        //if(nums.empty()) return 
        priority_queue<int,vector<int>,greater<int>> q;//use min heap 
        int count = 0;//firstly push the first k elements into the heap
        
        int i=0;
        while(i<k && i<nums.size())
            q.push(nums[i++]);
            
        while(i<nums.size())
        {
            if(q.top()<nums[i])
            {//if nums[i] is bigger, then delete the top and push a new value into the heap
                q.pop();
                q.push(nums[i]);
            }
            i++;
        }
        return q.top();
    }
};

注：本博文为EbowTang原创，后续可能继续更新本文。如果转载，请务必复制本条信息！

原文地址：http://blog.csdn.net/ebowtang/article/details/50569555

原作者博客：http://blog.csdn.net/ebowtang