详解Selection Problem

1 问题描述

选择问题（Selection Problem）：有n个整数，给定一个整数k，找出n个数中第k大的数。

我们可以先从以下角度进行思考：

1. n和k的大小关系是怎么样的？
2. n个整数的分布情况是怎么样的？

对于第1点，如果k比n大，答案显然不存在；对于第2点，如果n个整数的分布比较特殊（例如都在0到10之间），那么可能会影响到解题策略。这些情况需要事先和面试官确认。

2 不同的解法

确认好以后就可以开始做题啦！我们假定答案总是存在的，至于n个整数的分布如何影响解题策略，下面慢慢说。

2.1 算法1

算法描述：将n个数都读进一个数组，对这个数组排序，然后返回第(n-k)个位置的数。

这种做法的开销主要来自两方面：首先是需要用一个数组写入n个数，其次是排序。前者要O(n)时间；而对于后者，可以证明：任何基于比较的排序算法的最优下界是O(nlogn)（参见：https://www.geeksforgeeks.org/lower-bound-on-comparison-based-sorting-algorithms/）。所以如果使用基于比较的排序，总的时间复杂度是O(n + nlogn) = O(nlogn)。

下面给出一个具体例子，排序算法是快速排序：

def qsort(L):
    if len(L) <= 1: return L
    return qsort([lt for lt in L[1:] if lt < L[0]]) + \
           L[0:1] + \
           qsort([ge for ge in L[1:] if ge >= L[0]])

def solve(arr, k):
    return qsort(arr)[len(arr) - k]

# Test here
class TestCase:
    def __init__(self, arr, k):
        self.arr = arr
        self.k = k

def test():
    case1 = TestCase([3,1,4,1,5,9,2,6,5,3], 1)
    case2 = TestCase([1,2,3,4,5,6,7,8,9,10], 1)
    assert(solve(case1.arr, case1.k) == 9)
    assert(solve(case2.arr, case2.k) == 10)
    print("Accepted!")
    
if __name__=="__main__":
    test()

这样，算法的平均时间复杂度和最好时间复杂度是O(nlogn)，但在最坏情况下是O(n^2)。关于常见排序算法的性能，可以参见下表：