1.最原始得暴力解法,可以使用堆排序的想法,建立一个小根堆或者是大根堆,先对其进行排序,然后取排序后数组中的第k大就是取nums.length-k,比如说所给的数组是[2,3,7,6,1],该数组排序后就是[1,2,3,6,7],如果要得到第二大的元素的话,就是6,其索引下标是3,就是nums.length-k=5-2=3;得到最后的结果;
堆排序比较重要的过程就是堆调整的过程,比较父节点与孩子节点之间的大小,其空间复杂度是O(n),时间复杂度是O(nlogn);
public class Heapsort {
public static void main(String[] args) {
int[] nums=new int[]{2,3,7,6,1};
//建立大根堆的过程,从最后一个非叶子节点进行
int k=3;
for(int i=(nums.length-1)/2;i>=0;i--){
heapAdjust(nums,i,nums.length);
}
for(int i=nums.length-1;i>=0;i--){
int temp=nums[0];
nums[0]=nums[i];
nums[i]=temp;
heapAdjust(nums,0,i);
}
System.out.println(nums[nums.length - k]);
}
private static void heapAdjust(int[] nums,int parent,int len){
int temp=nums[parent];
for(int child=parent*2+1;child<len;child=child*2+1){
if(child+1<len&&nums[child]<nums[child+1]) child++;
if(nums[child]<temp) break;
nums[parent]=nums[child];
parent=child;
}
nums[parent]=temp;
}
}
2.使用java中的优先级队列 维护一个大小为k的小根堆,最后取得队首元素就是我们所需要得第k个最大的元素,因为这个过程其实就是和堆排序的过程是一样的,是一个调整堆的过程,
offer(Element e) 插入元素,首先将其插入到数组的最后,判断该元素是不是比父节点的元素大,如果大的话就截止,因为满足了堆的性质,否则的话就将其与父节点进行交换,然后再与父节点进行交换,直到父节点为空,或者是比父节点的值大就停止,最后将该元素放入到正确的位置;
private static int findLargestkth(int[] nums,int k){
//可以维护一个k大小的大根堆,然后根据这个大根
PriorityQueue<Integer> min=new PriorityQueue<>();
for(int i=0;i<nums.length;i++){
min.offer(nums[i]);
if(min.size()>k){
min.poll();
}
}
//最后返回一个堆顶元素,
return min.peek();
}
3.最后就是使用快排的思想
这块快排的可以不选取固定的数作为枢轴,而是通过随机选取一个数将其作为枢轴,这样的话速度会快很多,因为在leetcode所给的测试用例中有极端的测试用例比如说正序数组或者是倒序数组,这种情况下的时间复杂度就是O(n2),所以这里设置一个随机数种子,随机选取一个枢轴,这样速度会快很多;
private static int findLargest(int[] nums){
int low=0,high=nums.length-1;
int k=2;
while(low<high){
//这块的这个代码代表的就是使用随机数选取一个枢轴;
int randomIndex=low+1+new Random(System.currentTimeMillis()).nextInt(high-low);
int i=low,j=high;
int temp_1=nums[i];
nums[i]=nums[randomIndex];
nums[randomIndex]=temp_1;
int temp=nums[i];
int i=low,j=high,temp=nums[i];
while(i<j){
while(i<j&&nums[j]>=temp) j--;
if(i<j){
nums[i]=nums[j];
}
while(i<j&&nums[i]<temp) i++;
nums[j]=nums[i];
}
nums[i]=temp;
if(i==(nums.length-k)){
return nums[i];
}else if(i<nums.length-k){
low=i+1;
}else{
high=i-1;
}
}
return nums[low];
}