数组中的第K个最大元素和第k个最小元素

这里我们选择第k个最大元素来做实例。第一反应是这个题目似乎很简单,直接遍历,每一次挑最大的元素放入数组,最后就可以得到我们想要的结果,但是这个时间复杂度太高, O(K * n)。当 K 是比较小的常量时,时间复杂度是 O(n);但当 K 等于 n/2 或者 n 时时间复杂度就是 O(n^2) 了。我们需要用到在快排中的划分区间的方法。

我们选择数组区间 A[0...n-1]的最后一个元素 A[n-1]作为 pivot,对数组 A[0...n-1]原地分区,这样数组就分成了三部分,A[0...p-1]、A[p]、A[p+1...n-1];

int partition(vector<int>& nums,int p, int r)
    {
        int pivot = nums[r];
        int i = p;
        for(int j = p;j <= r-1;j++)
        {
            if(nums[j] < pivot)
            {
                swap(nums[i], nums[j]);
                i++;
            }
        }
        swap(nums[i], nums[r]);
        return i;
       
    }

 这个就是我们的核心代码,然后如果 q=n-k,这里的q是数组的下标,第K个最大元素就应该是n-k,那 A[q]就是要求解的元素;如果 n-k>q, 说明第 k 大元素出现在 A[q+1...n-1]区间,我们再按照上面的思路递归地在 A[q+1...n-1]这个区间内查找。代码如下:

int findKthLargest(vector<int>& nums, int k) {
        int n = nums.size();
        int ans = -1;
        int p = 0, r = n-1; 
        while(true)
        {
            int q = partition(nums, p, r);
            if(q == n - k)
            {
                ans = nums[q];
                break;
            }
            else if(q < n-k)
            {
                p = q+1;
            }
            else{
                r = q-1;
            }
        }
        return ans;
    }

这里的时间复杂度就是O(n) 。

第一次分区查找,我们需要对大小为 n 的数组执行分区操作,需要遍历 n 个元素。第二次分区查找,我们只需要对大小为 n/2 的数组执行分区操作,需要遍历 n/2 个元素。依次类推n/2、n/4、n/8、n/16.……直到区间为 1。n+n/2+n/4+n/8+...+1。最后的和等于 2n-1。时间复杂度就为 O(n)。

大部分情况下时间复杂度都为O(n),如果全员顺序,那就是O(n);这里可以随机化分区函数中的pivot,方法也简单直接在开头选择pivot时,让r与(p + r)/ 2 交换就可以随机了。

如下:

int partition(vector<int>& nums,int p, int r)
    {
        if(r > p)
        {
            int ran = (p + r) / 2;
            swap(nums[ran], nums[r]);
        }
        int pivot = nums[r];
        int i = p;
        for(int j = p;j <= r-1;j++)
        {
            if(nums[j] < pivot)
            {
                swap(nums[i], nums[j]);
                i++;
            }
        }
        swap(nums[i], nums[r]);
        return i;
       
    }

将前面的思路拼接起来就是下面的代码: 


    int findKthLargest(vector<int>& nums, int k) {
        int n = nums.size();
        int ans = -1;
        int p = 0, r = n-1; 
        while(true)
        {
            int q = partition(nums, p, r);
            if(q == n - k)
            {
                ans = nums[q];
                break;
            }
            else if(q < n-k)
            {
                p = q+1;
            }
            else{
                r = q-1;
            }
        }
        return ans;
    }

    int partition(vector<int>& nums,int p, int r)
    {
        if(r > p)
        {
            int ran = (p + r) / 2;
            swap(nums[ran], nums[r]);
        }
        int pivot = nums[r];
        int i = p;
        for(int j = p;j <= r-1;j++)
        {
            if(nums[j] < pivot)
            {
                swap(nums[i], nums[j]);
                i++;
            }
        }
        swap(nums[i], nums[r]);
        return i;
       
    }

求第K个最小元素就是将q = k-1,其他不变; 


    int findKthLargest(vector<int>& nums, int k) {
        int n = nums.size();
        int ans = -1;
        int p = 0, r = n-1; 
        while(true)
        {
            int q = partition(nums, p, r);
            if(q == k - 1)
            {
                ans = nums[q];
                break;
            }
            else if(q < k - 1)
            {
                p = q+1;
            }
            else{
                r = q-1;
            }
        }
        return ans;
    }

    int partition(vector<int>& nums,int p, int r)
    {
        if(r > p)
        {
            int ran = (p + r) / 2;
            swap(nums[ran], nums[r]);
        }
        int pivot = nums[r];
        int i = p;
        for(int j = p;j <= r-1;j++)
        {
            if(nums[j] < pivot)
            {
                swap(nums[i], nums[j]);
                i++;
            }
        }
        swap(nums[i], nums[r]);
        return i;
       
    }

这样这个题目就完成了。 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于一个有序矩阵,我们可以使用最小堆来找到第 k 个最小数组和。首先,我们将矩阵的第一行的每个元素以及对应的列索引加入到最小堆。然后,我们执行以下步骤 k 次: 1. 从最小堆弹出堆顶元素(即当前的最小数组和),记为 curr_sum。 2. 如果弹出的元素所在列索引不是该行的最后一列,则将下一个元素(即同一行的下一个元素)以及对应的列索引加入到最小堆,它们的和为 next_sum = curr_sum + matrix[row][col + 1]。 3. 如果弹出的元素所在列索引是该行的最后一列,并且还有下一行,则将下一行的第一个元素以及对应的列索引加入到最小堆,它们的和为 next_sum = curr_sum + matrix[row + 1][0]。 4. 重复步骤 1-3 直到找到第 k 个最小数组和。 以下是一个示例代码实现: ```python import heapq def kthSmallest(matrix, k): if not matrix or not matrix[0]: return None m, n = len(matrix), len(matrix[0]) heap = [] for j in range(n): heapq.heappush(heap, (matrix[0][j], 0, j)) while k > 1: curr_sum, row, col = heapq.heappop(heap) if col < n - 1: next_sum = curr_sum + matrix[row][col + 1] heapq.heappush(heap, (next_sum, row, col + 1)) if col == n - 1 and row < m - 1: next_sum = curr_sum + matrix[row + 1][0] heapq.heappush(heap, (next_sum, row + 1, 0)) k -= 1 return heapq.heappop(heap)[0] # 示例输入 matrix = [[1, 3, 5], [6, 7, 12], [11, 14, 14]] k = 3 # 示例输出 print(kthSmallest(matrix, k)) # 输出: 5 ``` 在上述示例,我们使用最小堆来找到有序矩阵的第 3 个最小数组和。初始时,堆元素为 [(1, 0, 0), (3, 0, 1), (5, 0, 2)]。在执行第一次循环后,堆元素为 [(3, 0, 1), (5, 0, 2), (6, 1, 0)]。最后,弹出堆顶元素 5,即为第 3 个最小数组和。

“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