题目描述
题目链接：https://leetcode-cn.com/probl...
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
常见面试题，去年的面试问的几乎都是口述思路，较少实现。主流思路是利用堆排序、快速排序找出第K大的元素。使用优先队列也可完成目标。
堆排序法
void create(vector& nums, int n) {
for(int i = (n-1)/2; i >= 0; --i){
adjust(nums, n, i);
}
}
void adjust(vector& nums, int n, int root) {
int i = root;
int child = i*2+1;
while(child <= n) {
if(child+1 <= n && nums[child] > nums[child+1]) ++child;
if(nums[child] >= nums[i])break;
swap(nums[i], nums[child]);
i = child;
child = child*2+1;
}
}
int findKthLargest(vector& nums, int k) {
int len = nums.size();
create(nums, k-1);
for(int i = k; i< len; ++i) {
if(nums[i] <= nums[0]) continue;
swap(nums[i], nums[0]);
adjust(nums, k-1, 0);
}
return nums[0];
} 首先需要记住：在建堆的时候调整方法通常是向下调整。用堆排序解决这个问题可以优化的地方就是只建大小为K的小顶堆，之后遍历剩余的数，若比堆顶元素大，则交换两个数，再调整堆。
时间复杂度：建堆时间复杂度为O(k)，而后续最多经历n-k次调整，每次调整的时间复杂度为logk，因此时间复杂度为O(nlogk)
空间复杂度显然为O(1)
为什么建堆的时间复杂度为O(n)？
由建堆算法可知，数组中每个非叶子节点都要进行一次向下调整算法，在向下调整算法中交换的次数相当于从该节点到叶子节点的高度，那么每一层中所有节点交换的次数为该层节点的个数乘以该节点到叶子节点的高度，比如，第一层的交换次数就是20 h，那么对其进行累计求和，即可得到总的交换次数S(n) = 20 h + 21 (h-1) + 22 (h - 2) + …… + 2h-2 2 +2h-1 1+ 2h * 0 = 2h+1 - (h + 2) = n - log2(n + 1)。因此，时间复杂度为O(n)
快速排序法
int partition(vector&nums, int l, int r) {
int i = rand() % (r - l + 1) + l;
swap(nums[i], nums[l]);
int pivotkey = nums[l];
while(l < r) {
while(l < r && pivotkey >= nums[r]) r--;
swap(nums[l], nums[r]);
while(l < r && pivotkey <= nums[l]) l++;
swap(nums[l], nums[r]);
}
return l;
}
int findKthLargest(vector& nums, int k) {
int left = 0, right = nums.size()-1;
int index = partition(nums, left, right);
while(index != k-1) {
if(index < k-1) {
left = index + 1;
}
else {
right = index - 1;
}
index = partition(nums, left, right);
}
return nums[index];
} 由于快排每次确定一个数的最终位置，而此题最终目标是找到第K个最大值，因此我们做降序排序，每次确定一个index上的数，如果这个index
时间复杂度：O(nlogn)
空间复杂度：O(1)
众所周知，当原序列有序时，快排效率会退化到O(n²)，因此在partition前加入随机值随机选取中枢值，可以有效避免算法退化。
优先队列法
int findKthLargest(vector& nums, int k) {
priority_queue, greater > q;
for(int i = 0; i < k; ++i) {
q.push(nums[i]);
}
int len = nums.size();
for(int i = k; i < len; ++i) {
if(nums[i] > q.top()) {
q.pop();
q.push(nums[i]);
}
}
return q.top();
} 事实上思路与堆排序是一致的，只不过用到了STL。（但用官方函数就是快啊……）