力扣练习2:分治

本文详细介绍了分治算法在解决LeetCode问题中的应用,如寻找多数元素、数组中的第K个最大元素和两个有序数组的中位数。通过比较不同解法的时间复杂度,探讨了分治策略如何提升效率,特别是针对寻找中位数问题的高效解法,其时间复杂度可达O(log(m+n))。
摘要由CSDN通过智能技术生成
  1. 多数元素
    解法一: 遍历整个数组,然后用另一重循环统计每个数字出现的次数。将出现次数大于len/2的数字返回。
    时间复杂度:O(n^2)
class Solution {
   
    public int majorityElement(int[] nums) {
   
        int majorityCount = nums.length/2;

        for (int num : nums) {
   
            int count = 0;
            for (int elem : nums) {
   
                if (elem == num) {
   
                    count ++;
                }
            }

            if (count > majorityCount) {
   
                return num;
            }

        }

        return -1;    
    }
}

解法二: 如果所有数字被单调递增或者单调递减的顺序排了序,那么众数的下标为 n/2(偶数时为n/2+1)
时间复杂度:O(nlgn)
在这里插入图片描述

class Solution {
   
    public int majorityElement(int[] nums) {
   
        Arrays.sort(nums);
        return nums[nums.length/2];
    }
}

  1. 数组中的第K个最大元素
    解法一: 直接使用库函数sort排序后输出len-k即可,时间复杂度:O(Nlog⁡N)
    解法二: 快速排序的思想是每轮选中一个基准值,然后两个指针分别从头尾遍历直到相遇,在该轮结束时,将基准值调换到合适的位置,使他左边都比他小,右边都比他大。这道题显然可以利用这种思想,先将比基准值大的元素都分到数组的右边,看基准值的位置是否是len-k,大了就到前半再排,小了就到后半再排,直到相等。
    这种情况下时间复杂度:O(以n为首项,1/2为公比的等比数列的和) = O(n)
    需要注意的时,这种方法对于越混乱的越高效,如果面对最坏情况(已经有序排列),这种方法会达到 O(N^2),毫无意义。所以必须随机选择初始基准值。
import java.util.Random;
public class Solution {
   
 	private static Random random = new Random(System.currentTimeMillis());
    public int findKthLargest(int[] nums, int k) {
   
        int len = nums.length;
        int left = 0
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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