215. 数组中的第K个最大元素

题目

在未排序的数组中找到第 k 个最大的元素。请注意,你需要找的是数组排序后的第 k 个最大的元素,而不是第 k 个不同的元素。

示例 1:

输入: [3,2,1,5,6,4] 和 k = 2
输出: 5

示例 2:

输入: [3,2,3,1,2,4,5,5,6] 和 k = 4
输出: 4

说明:
你可以假设 k 总是有效的,且 1 ≤ k ≤ 数组的长度。

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/kth-largest-element-in-an-array

解题思路

Top K类问题,可以使用堆排序来解决
这里是求第K个最大元素

  • 维护一个容量为K的小顶堆
  • 当堆容量没有满时,元素直接入堆
  • 当堆容量满了的时候,比较当前元素和堆顶的大小,大于堆顶值,则堆顶值出堆,当前元素入堆
  • 遍历完数组后,堆顶元素就是第K个最大元素

代码

class Solution {
    public int findKthLargest(int[] nums, int k) {
        // 解题思路:使用小顶堆来解决
        if (nums == null || nums.length == 0) {
            return -1;
        }

        // 使用java的优先队列,默认是小顶堆
        Queue<Integer> queue = new PriorityQueue<>(k);
        for (int num : nums) {
            if (queue.size() < k) {
                // 队列没有装满,入队
                queue.add(num);
            } else if (num > queue.peek()) {
                // 队列已满,且当前元素比队顶的值要大,弹出队顶,当前数入队
                queue.poll();
                queue.add(num);
            }
        }

        // 当前队顶的值就是第K大的数
        return queue.poll();
    }
}

复杂度

  • 时间复杂度:O(nlogk),入堆和出堆的时间复杂度为O(logk),极端情况下,数组每一个元素入堆和出堆一次,所以总的时间复杂度为O(nlogk)
  • 空间复杂度:O(k),维护了一个容量为k的小顶堆
  • 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,其中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中。 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中。 3. 遍历结束后,小根堆中的堆顶元素就是第k个最大元素。 完整的代码如下: ```kotlin fun findKthLargest(nums: IntArray, k: Int): Int { // 将前k个元素加入小根堆中 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中,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() } ``` 在上述代码中,我们使用了 `java.util.PriorityQueue` 类来实现小根堆,其中 `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。由于小根堆中只保留前k个最大元素,因此堆中的元素个数不会超过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