[LeetCode] Kth Largest Element in an Array

https://leetcode.com/problems/kth-largest-element-in-an-array/

Find the kth largest element in an unsorted array. Note that it is the kth largest element in the sorted order, not the kth distinct element.

For example,
Given [3,2,1,5,6,4] and k = 2, return 5.

Note:
You may assume k is always valid, 1 ≤ k ≤ array's length.

方法1 排序

最容易想到的方法是使用排序来做,按从大到小进行排序,然后返回k-1位置处的元素,但是o(nLogn)的时间复杂度显然不是我们想要的。

方法2 使用大顶堆,进行Heap Select

首先对数组元素进行heapify,建立一个大顶堆,既然是要找第k大的元素,那么可以对该大顶堆进行k-1次extractMax()操作,此时堆顶即为第K大的元素。建堆的时间复杂度为o(n),同时每一次extractMax()操作都需要进行时间复杂度为o(logn)的heapify()操作来维持堆序性,因此总的时间复杂度为o(n + klogn),显然优于排序。代码如下:

/**
 * Author : Jianxin Zhou
 */

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        heapSize_ = nums.size();
        
        createMaxHeap(nums);
        for (int i = 0; i < k - 1; ++i) {
            exactMax(nums);
        }
        
        return nums[0];
    }
    
private:
    int heapSize_;
    
    inline int leftChild(int parent) {
        return (parent << 1) + 1;
    }
    
    inline int rightChild(int parent) {
        return (parent << 1) + 2;
    }
    
    inline int parent(int child) {
        return (child - 1) >> 1;
    }
    
    void createMaxHeap(vector<int> &nums) {
        int indexForHeapify = parent(heapSize_ - 1);
        for (int i = indexForHeapify; i >= 0; --i) {
            maxHeapify(nums, i);
        }
    }
    
    // 从位置i处进行下滤,保持大顶堆的偏序性
    void maxHeapify(vector<int> &nums, int i) {
        int left = leftChild(i);
        int right = rightChild(i);
        int largest = i;
        
        if (left < heapSize_ && nums[left] > nums[largest]) {
            largest = left;
        }
        
        if (right < heapSize_ && nums[right] > nums[largest]) {
            largest = right;
        }
        
        if (largest != i) {
            swap(nums[largest], nums[i]);
            maxHeapify(nums, largest);
        }
    }
    
    void exactMax(vector<int> &nums) {
        swap(nums[0], nums[heapSize_ - 1]);
        --heapSize_;
        maxHeapify(nums, 0);
    }
};

方法3 使用QuickSelect

快速排序的核心思想在于,挑选一个pivot元素,并将其放在经排序后应该所处的正确的位置,然后再递归的对该pivot两边的元素进行partition操作,挑选pivot元素置于正确的位置。(简单分析下最坏情况下的时间复杂度,每次挑选的pivot位置最终所处的正确的位置都在数组的两端,那么每次对该pivot元素进行归位时,需要o(n)的时间复杂度,那么最坏情况是o(n2))。

那么对于解决本问题而言,我们不必进行完整的快排操作,只要当前pivot元素最终落在第k大的元素的位置时,我们即停止快排。平均时间复杂度为o(n),代码如下:

class Solution {
public:
    int findKthLargest(vector<int> &nums, int k) {
        return quickSelect(nums, 0, nums.size() - 1, k);
    }
    
private:
    int quickSelect(vector<int> &nums, int left, int right, int k) {
        int pivot = right;
        int i = left - 1;
        
        // 遍历数组,将当前数组中数值大于pivot位置的元素均移至数组开始
        // 那么当遍历结束时,++i位置的元素即为pivot元素应该在的位置
        for (int j = left; j < right; j++) {
            if (nums[j] > nums[pivot]) {
                swap(nums[++i], nums[j]);
            }
        }
        swap(nums[pivot], nums[++i]);
        
        // 递归基
        if (i - left + 1 == k) {
            return nums[i];
        }
        
        if (i - left + 1 > k) {
            return quickSelect(nums, left, i - 1, k);
        } else if (i - left + 1 < k) {
            return quickSelect(nums, i + 1, right, k - (i - left + 1));
        } 
    }
};
posted @ 2015-07-25 16:25  Acjx  阅读(578)  评论(0编辑  收藏  举报