寻找最大的K个数

无序的N个数，求其中最大的K个数（转载自编程之美）

思路1：排序
快排或堆排序后取最大的K个数，时间复杂度O(NlogN)。
但后N-K个数的排序是无必要的，因此可采用选择排序或交换排序进行部分排序，时间复杂度O(N*K)。

思路2：利用快排partition
快速排序的partition是把N个数分成2部分，前半部分均小于pivot，后半部分均大于pivot。
先利用partition将N分为arr[a]<=pivot<=arr[b]，此时有2种情况。
A. a小于K，则{arr[a]的所有数} + {arr[b]中的最大的K-|arr[a]|个数}即为解。
B. a大于K，则{arr[a]中的最大的K个数}即为解。
由此递归下去，平均时间复杂度O(NlogK)。

思路3：按位划分
设N个数的范围为[0-2^m-1]。按照第m-1位是否为1，可以将arr[N]分为2个部分。该位为1的数arr[b1]的个数A，该位为0的数arr[b0]的个数为B。
A. A小于K，则解为{arr[b1]的全部} + {arr[b0]的最大K-A个数}
B. A大于K，则解为{arr[b1]的全部}

!!!!若N很大，无法一次装入内存!!!!

思路4：最小堆
用一个最小堆h来维护当前最大的K个数。
arr[0]~arr[K-1]，则是建堆的过程。
arr[K]~arr[N-1]，根据当前元素arr[i]与堆顶最小元素h[0]大小关系，来替换或维持当前堆顶元素。若堆顶被替换，需要更新堆。
最小堆可用一个数组来维护（完全二叉树）。

思路5：
若arr[N]的范围(0-MAXN)不是很大，则可以通过维护一个简单的数组hash统计各个整数出现的次数。
使用数组count[MAXN]，其中count[i]表示数i的出现个数。
然后扫描一遍count数组即可找到最大的K个数。

极端情况下，如果N个数各不相同，则只需用一个bit来统计该数是否出现。