基于堆排序的选择方法
思路和算法
我们也可以使用堆排序来解决这个问题——建立一个大根堆,做 k - 1次删除操作后堆顶元素就是我们要找的答案。在很多语言中,都有优先队列或者堆的的容器可以直接使用,但是在面试中,面试官更倾向于让更面试者自己实现一个堆。所以建议读者掌握这里大根堆的实现方法,在这道题中尤其要搞懂「建堆」、「调整」和「删除」的过程。
友情提醒:「堆排」在很多大公司的面试中都很常见,不了解的同学建议参考《算法导论》或者大家的数据结构教材,一定要学会这个知识点哦! _
class Solution {
public:
void maxHeapify(vector<int>& a, int i, int heapSize) {
//https://blog.csdn.net/liuyuchen282828/article/details/89255389
//规则 i为某一结点的下标 其左子结点 2i+1 右 2i+2 其父结点 (i-1)/2
int l = i * 2 + 1, r = i * 2 + 2, largest = i;//假设i是最大 此时的
if (l < heapSize && a[l] > a[largest]) {//l < heapSize 有左孩子 && a[l] > a[largest] 左孩子大于 预设最大元素
largest = l;
}
if (r < heapSize && a[r] > a[largest]) {//r < heapSize 有右孩子 && a[r] > a[largest] 右孩子大于 预设最大元素
largest = r;
}
if (largest != i) {//当上述两个if 其中之一执行了 则交换a[i], a[largest] 两个位置的值 继续调整数组
swap(a[i], a[largest]);
maxHeapify(a, largest, heapSize);
}
}
//建立大根堆
void buildMaxHeap(vector<int>& a, int heapSize) {
for (int i = heapSize / 2; i >= 0; --i) {
//调整根 调整次数为heapSize / 2 +1
//https://www.cnblogs.com/littleswan/p/13471288.html
从最后一个非叶子节点开始建堆。
//https://www.cnblogs.com/pxy-1999/p/13290629.html
maxHeapify(a, i, heapSize);
}
}
int findKthLargest(vector<int>& nums, int k) {
int heapSize = nums.size();
buildMaxHeap(nums, heapSize);
for (int i = nums.size() - 1; i >= nums.size() - k + 1; --i) {//nums.size()-(k-1) k-1次
swap(nums[0], nums[i]);//每一次把当前最大值移到最后 k-1次之后 nums[0]即是第k的最大值
--heapSize;//nums.size() - 1开始到 nums.size() - k + 1
maxHeapify(nums, 0, heapSize);
}
return nums[0];
}
};