寻找最大的K个数

解法一：先排序，再取出前K个，总时间复杂度O(n*logN)+O(K)= O(n*logN)。

解法二：快排思想。假设N个数存储在数组S中，我们从数组S中随机找出一个元素X，把数组分为两部分Sa和Sb。Sa中的元素大于等于X，Sb中元素小于X。这时，有两种可能性：（1）Sa中元素的个数小于K，Sa中所有的数和Sb中最大的K-|Sa|个元素就是数组S中最大的K个数。（2）Sa中元素的个数大于或等于K，则需要返回Sa中最大的K个元素。这样递归下去，不断把问题分解成更小的问题，平均时间复杂度O(N*logK)。（程序实现：选定一个数，然后遍历N-1个数，大于等于K的放入Sa容器，其他放入Sb容器。以此类推。通过程序可以推出时间复杂度，函数体是N，递归一般K中分，递归集中在后面Kbig(Sb,k-lengthSa)）

解法三：寻找N个数中最大的K个数，本质上就是寻找最大的K个数中最小的那个，也就是第K大的数。可以使用二分搜索的策略来寻找N个数中的第K大的数。时间复杂度为O(N*logN)。在整数的情况下还可以从另一角度来看这个算法：假设所有整数的大小都在[0,2^(m-1)]之间，我们可以先考察二进制位的第(m-1)位，将N个整数按该位为1或者0分为两个部分，也就是将整数分为取值为[0,2^(m-1)-1]和[2^(m-1),2^m-1]两个区间。如果该位为1的整数个数A大于等于K，那么，在所有该位为1的整数中继续寻找最大的K个。否则，在该位为0的整数中寻找最大的K-A个。接着考虑二进制位第（m-2）位，以此类推。

解法四（用以对付大数据）：用最小堆存储该最大K个数。从大数据中取一个数，如果比最小堆树根小，则添入树根，调整最小堆，以此类推。该方法只需要扫描所有的数据一次，时间复杂度为O(N*logK)。（logK为调整堆所用的时间）。

解法五：如果所有N个数都是正整数，且它们的取值范围不太大，可以考虑申请空间，记录区间中每个整数出现的次数，再从大到小取最大的K个。极端情况下，如果N个整数各不相同，我们甚至只需要一个bit来存储这个证书是否存在就可以了。不是整数也可以用这个思想，存储的是一个区间的数字数目就可以了。比如Vmax-Vmin为N个数最大与最小的差，则d=(Vmax-Vmin)/M，分成M份，可以取[Vmin,Vmin+d],[Vmin+d,Vmin+2d]在递归对区间做处理即可。