LeetCode
- 题目地址:https://leetcode.com/problems/kth-largest-element-in-an-array/?tab=Description
- 解题思路:
- 一个很瓜皮的想法,先对nums进行排序,然后通过获取nums[nums.size()-k]来获得,第1大的在size()-1,那么第k大的就在size()-k,该算法的时间复杂度显然是nlogn,就是快排的时间复杂度加上一个常数时间的复杂度
- 上述方法花费了很多多余的时间,在使得整个nums变得有序上,事实上只需要第k大的数是有有序的即可,也就是找到某个数字nums[index] = ans,有在nums中这个数字恰好第k大。参考qsort中的分治的思路:
- 每次找到一个数用于将数组分割成两部分,一部分比分割数大,另一部分则小。
- 这时候再判断第k大的数字落在哪一边,那么另一部分就不需要像排序那样再进行处理,节省了时间
- 还有一种方法就是采用优先队列(堆),建堆的复杂度是O(n),删除一个元素的复杂度是O(logn),那么找到第k大的,即建堆后删除k-1个最大的,那复杂度为O(n) + O(klogn)
代码:
思路1:直接调用sort函数之后返回size()-k下标的数即可,这里就不给了思路2:
int partition(vector<int>& nums, int left, int right) { int pivot = nums[left]; //选取left作为分割数 int l = left + 1, r = right; //那么对于[left+1,right]的数字进行分割 //这里循环是有等号的,对于这种写法,我想了很久,一个比较容易接受的理解方式是 //这里排序是按照从大到小的顺序,可能和大多数排序的顺序不同。 //l从前往后走,l的左边都是比分割数大的数字,否则将会被移到右边, //r从后往前走,r的右边都是比分割数小或者等于的数字,否则将会被移到左边 //到lr相遇且l>r的时候退出循环,这个时候,是这样的 //0(left),1,2...,r,l,...size()-1,那么可以知道r是比分割数left大的 //所以这个时候将分割数和r作交换即可,同时返回r的index,因为此时r在nums //中的顺序是拍好的,而外部循环中如何处理显而易见,不解释了,用这种方法对我来说 //可以很好的判断l<=r的等号是否要取,最后left分割数和r还是l做交换等等细节问题 while (l <= r) { while (nums[l] > pivot && l <= r) l++; while (nums[r] <= pivot && l <= r) r--; if (l <= r) swap(nums[l],nums[r]); } swap(nums[r],nums[left]); return r; } int findKthLargest(vector<int>& nums, int k) { int left = 0, right = nums.size() - 1; while (true) { int pos = partition(nums, left, right); if (pos == k - 1) return nums[pos]; if (pos > k - 1) right = pos - 1; else left = pos + 1; } }
那么快排还可以写成stack的形式,省去了函数调用,事实也比函数调用的方式要快,但是注意这里不需要用stack,因为只需要对包含第k大的那部分继续分割即可,另一部分不用处理,所以写成循环的形式
int findKthLargest(vector<int>& nums, int k) { int left = 0, right = nums.size() - 1; int pivot,l,r,pos; while (true) { //cal partition pivot = nums[left]; l = left + 1, r = right; while (l <= r) { while (nums[l] > pivot && l <= r) l++; while (nums[r] <= pivot && l <= r) r--; if (l <= r) swap(nums[l],nums[r]); } swap(nums[r],nums[left]); //get partition index pos pos = r; if (pos == k - 1) return nums[pos]; if (pos > k - 1) right = pos - 1; else left = pos + 1; } return 1; }
思路三,利用堆来找到第k大的数,优点队列的实现
int findKthLargest(vector<int>& nums, int k) { priority_queue<int> pq(nums.begin(), nums.end()); for (int i = 0; i < k - 1; i++) pq.pop(); return pq.top(); }