本文详细探讨了寻找序列中最小的k个数的几种实现方式，包括基于快速选择算法的选择方法，并强调了枢纽元选取对于算法效率的重要性。文章通过三种不同的实现方式展示了寻找最小k个数的过程，指出随机选取或选取中位数的中位数作为枢纽元才能保证平均时间复杂度为O(N)。此外，文章还讨论了如何在实际应用中解决Top K问题，尤其是处理海量数据时的策略，如使用堆和哈希等方法。
前奏
在上一篇文章，程序员面试题狂想曲：第三章、寻找最小的k个数中，后来为了论证类似快速排序中partition的方法在最坏情况下，能在O（N）的时间复杂度内找到最小的k个数，而前前后后updated了10余次。所谓功夫不负苦心人，终于得到了一个想要的结果。
简单总结如下（详情，请参考原文第三章）：
1、RANDOMIZED-SELECT，以序列中随机选取一个元素作为主元，可达到线性期望时间O（N）的复杂度。
2、SELECT，快速选择算法，以序列中“五分化中项的中项”，或“中位数的中位数”作为主元（枢纽元），则不容置疑的可保证在最坏情况下亦为O（N）的复杂度。
本章，咱们来阐述寻找最小的k个数的反面，即寻找最大的k个数，但此刻可能就有读者质疑了，寻找最大的k个数和寻找最小
订阅专栏 解锁全文
扫一扫
934
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
