O(n)时间复杂度内,查找数组中第K大元素

这个题目,是《极客时间》的算法专栏中的一个练习题。我觉着这个题挺有意思,而且感觉也有一定的实战意义。把专栏中的解法摘抄了下来,在ide中运行了一下,运行通过。这个题的意思是这样的。假设有一个数组[2,3,1,7,5,6],我们要找它的第3大元素,应该是数字3。但是这个题,还有以一个限制,算法的复杂度是O(n)。这就意味着冒泡、直接排序的算法就不行了。这里借鉴了快速排序算法中的分区算法。看一下代码实现

/**
 * search Nth element in array.
 */
public class SearchNthSolution {
    /**
     * @param args
     */
    public static void main(String[] args) {
        int[] arr = new int[]{1, 1, 2};
        System.out.println(searchNth(arr, 2));
    }

    private static int searchNth(int[] arr, int k) {
        if (arr == null || arr.length < k) {
            return -1;
        }
        int partition = partition(arr, 0, arr.length - 1);
        while (partition + 1 != k) {
            if ((partition + 1) < k) {
                partition = partition(arr, partition + 1, arr.length - 1);
            } else {
                partition = partition(arr, 0, partition - 1);
            }
        }
        return arr[partition];
    }

    private static int partition(int[] arr, int p, int r) {
        int pivot = arr[r];
        int i = p;
        for (int j = p; j < r; j++) {
            if (arr[j] <= pivot) {
                swap(arr, i, j);
                i++;
            }
        }
        swap(arr, i, r);
        return i;
    }

    public static void swap(int[] arr, int i, int j) {
        if (i == j) {
            return;
        }
        int temp = arr[i];
        arr[i] = arr[j];
        arr[j] = temp;
    }
}

其实,这个代码没啥好讲的,核心逻辑就是分区函数的实现。大家对分区函数的实现原理有兴趣,可以先看一下我写的这一篇快速排序,我简单介绍了一下分区函数的作用及实现。说回到这篇文章,主要就是利用的分区函数每次返回的partitiion值,其实就是下一次分区的pivot索引,也是已排序区间的最大值所在的索引。partition的值如果等于k,则arr[partition]就是我们要找的当前数组的第k大的元素。这个算法的思路,非常巧妙,要好好理解一下。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
可以使用快速选择算法(QuickSelect Algorithm)来实现在 O(n) 时间复杂度查找数组中第 k 大的元素。 快速选择算法的基本思路与快速排序类似,都是通过分治的思想将问题规模不断缩小。但是,快速选择算法只需要对单边递归进行处理,而不需要对两边都递归处理。具体步骤如下: 1. 选择数组中的一个元素作为 pivot 元素。 2. 将数组中小于 pivot 的元素放在 pivot 左边,大于 pivot 的元素放在 pivot 右边。这个过程可以使用 partition 函数实现,可以参考快速排序的实现。 3. 如果 pivot 的位置恰好为 k-1,则 pivot 就是第 k 大的元素,直接返回。 4. 如果 pivot 的位置小于 k-1,则第 k 大的元素在 pivot 右边,对右边的元素再进行快速选择。 5. 如果 pivot 的位置大于 k-1,则第 k 大的元素在 pivot 左边,对左边的元素再进行快速选择。 下面是一个基于快速选择算法的实现: ```c int partition(int arr[], int left, int right) { int pivot = arr[right]; int i = left - 1; for (int j = left; j < right; j++) { if (arr[j] < pivot) { i++; int temp = arr[i]; arr[i] = arr[j]; arr[j] = temp; } } int temp = arr[i + 1]; arr[i + 1] = arr[right]; arr[right] = temp; return i + 1; } int quickSelect(int arr[], int left, int right, int k) { if (left == right) { return arr[left]; } int pivotIndex = partition(arr, left, right); if (pivotIndex == k - 1) { return arr[pivotIndex]; } else if (pivotIndex < k - 1) { return quickSelect(arr, pivotIndex + 1, right, k); } else { return quickSelect(arr, left, pivotIndex - 1, k); } } int findKthLargest(int arr[], int size, int k) { return quickSelect(arr, 0, size - 1, size - k + 1); } ``` 其中,`partition` 函数用于将数组分成左右两个部分,`quickSelect` 函数用于递归地进行快速选择,`findKthLargest` 函数是对外的接口,用于调用 `quickSelect` 函数并返回结果。 需要注意的是,在 `quickSelect` 函数中,`k` 的值是倒数第 k 大的元素数组中的位置,因此需要将 `size - k + 1` 作为 `quickSelect` 的参数传入,最终返回的是第 k 大的元素的值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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