Top-K问题的几种求解方法

HeapSelect求解方法

使用这种方法求解，需要借助一种数据结构叫做堆。这里我们使用的是小根堆。

• 首先把数组中的前k个值用来建一个小根堆。
• 之后的其他数拿到之后进行判断，如果遇到比小顶堆的堆顶的值大的，将它放入堆中
• 最终的堆会是数组中最大的K个数组成的结构，小根堆的顶部又是结构中的最小数，因此把堆顶的值弹出即可得到Top-K。

public class TopKHeapSelect {
    public int findKthLargest(int[] num, int k) {
        if (num.length < k) return 0;
        Queue<Integer> minQueue = new PriorityQueue<>(k + 1);
        for (int n : num) {
            if (minQueue.size() < k || n > minQueue.peek()) minQueue.offer(n);
            if (minQueue.size() > k) minQueue.poll();
        }
        return minQueue.peek();
    }
}

QuickSelect求解方法

1.运用快排的思想，将数组进行一次partition过程之后就可以得到两部分，求出第一部分长度，根据长度和k的关系，来选择递归的继续去转这个partition，知道长度和k相同，也就是得到了第Top-k的数。这个算法的时间复杂度在长期期望下是O(n)的，但是在最坏情况下是O(n^2)的一个算法。

import java.util.Random;

public class TopKQuickSelect {
   
    public int findKthLargest(int[] nums, int k) {
        if (nums == null || k < 0) return Integer.MAX_VALUE;
        int length = nums.length;
        return quickSelect(nums, k, 0, length - 1);
    }

    /**
     * 根据快排思想得到的Quickselect算法
     * @param nums
     * @param k
     * @param start
     * @param end
     * @return
     */
    private int quickSelect(int[] nums, int k, int start, int end) {
        Random random = new Random();
        int index = random.nextInt(end - start &#