这是道中等题,不难,一般都能Accepted,关键是看能不能在时间复杂度上面做优化。
首先我能想到的是用选择排序的思想,由大到小排序,一直到排到第K大个就停止并返回,这样对于n个元素的数组,平均时间复杂度为
O(n2)
,下面是C++代码的实现:
class Solution {
public:
int findKthLargest(vector<int>& nums, int k) {
int n = nums.size();
int index,tmp;
for(int i=0; i < k; i++){
index = i;
tmp = nums[i];
for(int j=i+1;j < n; j++){
if(nums[index] < nums[j]){
index = j;
}
}
nums[i] = nums[index];
nums[index] = tmp;
}
return nums[k-1];
}
};
提交后的情况
运行时间176ms,从分布图上看出这是特别慢的,于是做了小小的优化,即比较k 与 数组的中间位置n/2,k在n/2左边时就采用上面的算法,在右边时就将问题转化为寻找第n - k + 1个小的元素,代码如下:
class Solution {
public:
int findKthLargest(vector<int>& nums, int k) {
int n = nums.size();
int mid = n/2;
int index,tmp;
if(k <= mid){
for(int i=0; i < k; i++){
index = i;
tmp = nums[i];
for(int j=i+1;j < n; j++){
if(nums[index] < nums[j]){
index = j;
}
}
nums[i] = nums[index];
nums[index] = tmp;
}
return nums[k-1];
}
else{
k = n - k + 1;
for(int i=0; i < k; i++){
index = i;
tmp = nums[i];
for(int j=i+1;j < n; j++){
if(nums[index] > nums[j]){
index = j;
}
}
nums[i] = nums[index];
nums[index] = tmp;
}
return nums[k-1];
}
}
};
用时49ms,快了一些,但是时间复杂度仍然是
O(n2)
,后来在讨论区看到了quickSelect 算法,并参考了维基百科上的quick select伪代码,并用C++实现,代码如下:
class Solution {
public:
int findKthLargest(vector<int>& nums, int k) {
int left = 0;
int right = nums.size() - 1;
srand((unsigned)(time(NULL)));
while(1){
if(left == right){
return nums[left];
}
int pivotIndex = rand() % (right - left + 1) + left;
pivotIndex = partition(nums,left,right,pivotIndex);
if(pivotIndex == k - 1){
return nums[k-1];
}
else if(pivotIndex < k - 1){
left = pivotIndex + 1;
}
else{
right = pivotIndex - 1;
}
}
}
private:
int partition(vector<int>& nums,int left,int right,int pivotIndex){
int pivotValue = nums[pivotIndex];
int storeIndex = left;
swap(nums[right],nums[pivotIndex]);
for(int i = left; i < right; i++){
if(nums[i] > pivotValue){
swap(nums[i],nums[storeIndex]);
storeIndex++;
}
}
swap(nums[right],nums[storeIndex]);
return storeIndex;
}
};
9ms,优化效果不错。
这次解题的最大收获是学会了quick select 算法