LeetCode刷题——数组中的第K个最大元素

在未排序的数组中找到第 k 个最大的元素。请注意,你需要找的是数组排序后的第 k 个最大的元素,而不是第 k 个不同的元素。

示例 1:

输入: [3,2,1,5,6,4] 和 k = 2
输出: 5
示例 2:

输入: [3,2,3,1,2,4,5,5,6] 和 k = 4
输出: 4
说明:

你可以假设 k 总是有效的,且 1 ≤ k ≤ 数组的长度。

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/kth-largest-element-in-an-array
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

很常规的 堆排序 的题。
堆排序,常用二叉堆,与平衡二叉树类似。但不同的是,父节点永远大于子节点。
也就是说,最大的元素在最上边。(换成‘小’也同理)

然后通过‘上浮’(swim)和‘下沉’(sink)进行操作。

由于是二叉平衡树,故相比于用指针,直接运用数组就可以很好的表示。k2+1 和 k2 是k节点的两个子节点,同时k/2取floor也是k的父节点。(注意此处的数组从1开始计数,0处弃之不用。)

此题中,将所有数组中的前一半数进行sink操作,确保其堆有序。(按照二叉平衡树的性质,只需要排列前一半的数,后一半的数一定是叶子节点,一定堆有序)。

然后,要想取第k大的元素。删除k-1次最大的元素即可。删除最大的元素可以把根节点——nums【1】处的元素和数组中最后的元素互换,然后size–,再把换来的新nums【0】sink到应处的位置即可。

void sink(vector<int>& nums, int now ,int size) {
	int l = now * 2;
	int r = now * 2 + 1;
	int large = now;
	if (l < size && nums[now] < nums[l] )
	{
		large = l;
	}
	if (r < size && nums[r] > nums[large])
	{
		large = r;
	}
	if (large != now)
	{
		swap(nums[large], nums[now]);
		sink(nums, large, size);
	}
}



int findKthLargest(vector<int>& nums, int k) {
	int size = 1;
	vector<int> heap{ 0 };
	for (auto i = nums.cbegin(); i != nums.cend(); i++){
		heap.push_back(*i); size++;
	}
	for (int i = size / 2 + 1; i > 0; i--) {
		sink(heap, i, size);
	}
	for (size_t i = 0; i < k-1; i++)
	{
		swap(heap[1], heap[--size]);
		sink(heap, 1, size);
	}
	return heap[1];
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
题目描述:给定一个非负整数数组nums和一个整数m,你需要将这个数组分成m个非空的连续子数组。设计一个算法使得这m个子数组中最大和最小。 解题思路: 这是一个典型的二分搜索题目,可以使用二分查找来解决。 1. 首先确定二分的左右边界。左边界为数组中最大的值,右边界为数组中所有元素之和。 2. 在二分搜索的过程中,计算出分割数组的组数count,需要使用当前的中间值来进行判断。若当前的中间值不够分割成m个子数组,则说明mid值偏小,将左边界更新为mid+1;否则,说明mid值偏大,将右边界更新为mid。 3. 当左边界小于等于右边界时,循环终止,此时的左边界即为所求的结果。 具体步骤: 1. 遍历数组,找到数组中最大值,并计算数组的总和。 2. 利用二分查找搜索左右边界,从左边界到右边界中间的值为mid。 3. 判断当前的mid值是否满足题目要求,若满足则更新右边界为mid-1; 4. 否则,更新左边界为mid+1。 5. 当左边界大于右边界时,循环终止,返回左边界即为所求的结果。 代码实现: ```python class Solution: def splitArray(self, nums: List[int], m: int) -> int: left = max(nums) right = sum(nums) while left <= right: mid = (left + right) // 2 count = 1 total = 0 for num in nums: total += num if total > mid: total = num count += 1 if count > m: left = mid + 1 else: right = mid - 1 return left ``` 时间复杂度分析:二分搜索的时间复杂度为O(logN),其中N为数组的总和,而遍历数组的时间复杂度为O(N),因此总的时间复杂度为O(NlogN)。

“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