【编程之美】寻找最大的K个数

问题：寻找最大的K个数。

解法1：对于N个数，先取前K个数建立一个小根堆，此时根顶元素是最小的，另外剩余N-K个元素，取出一个与小根堆堆顶元素比较，如果大于堆顶元素，则替代之，再进行堆的调整，对于其余的N-K-1个元素也是这样，分别于堆顶元素比较，当比较完的时候，这时的K个元素的堆就变成了最大的K个数。另外这种方法同时得到了前K大个数中最小的那个即堆顶元素。即得到了第K大元素。

   用容量为K的最小堆来存储最大的K个数。最小堆的堆顶元素就是最大K个数中的最小的一个。每次扫描一个数据X，如果X比堆顶元素Y小，则不需要改变原来的堆。如果X比堆顶元素大，那么用X替换堆顶元素Y，在替换之后，X可能破坏了最小堆的结构，需要调整堆来维持堆的性质。调整过程时间复杂度为O(logK)。 全部的时间复杂度为O(N*logK)。这种方法当数据量比较大的时候，比较方便。因为对所有的数据只会遍历一次。

解法2：利用快速排序，随便找一个分割点key，这样进行一趟排序后，就把数分成了3部分，以key为边界，左边都是比它小的（大的也行），右边都是比它大的。假定左边大，右边小，如果K正好等于左边的个数，那么左边即前K大数，如果K大于左边的个数，再从右边的找。。。。。

   假设N个数存储在数组S中，从数组中随机找一个元素X，将数组分成两部分Sa和Sb.Sa中的元素大于等于X,Sb中的元素小于X。
    出现如下两种情况：
   (1)若Sa组的个数大于或等于K，则继续在sa分组中找取最大的K个数字 。
   (2)若Sa组中的数字小于K ，其个数为T，则继续在sb中找取 K-T个数字 。
   一直这样递归下去，不断把问题分解成小问题，平均时间复杂度为O(N*logK)。