问题描述

无序数组求第K大的数,其中K从1开始算。

例如:[0,3,1,8,5,2]这个数组,第2大的数是5

OJ可参考:LeetCode_0215_KthLargestElementInAnArray

堆解法

设置一个小根堆,先把前K个数放入小根堆,对于这前K个数来说,堆顶元素一定是第K大的数,接下来的元素继续入堆,但是每入一个就弹出一个,最后,堆顶元素就是整个数组的第K大元素。代码如下:

    public static int findKthLargest3(int[] nums, int k) {
PriorityQueue<Integer> h = new PriorityQueue<>();
int i = 0;
// 经历这个循环,前K个数的第K大的数就是h的堆顶元素
while (i < k) {
h.offer(nums[i++]);
}
// 每次入一个,出一个,这样就保证了堆顶元素永远保持第K大的元素
while (i < nums.length) {
h.offer(nums[i++]);
h.poll();
}
return h.peek();
}

由于每次堆需要logK的调整代价, 所以这个解法的时间复杂度为O(N*logK)

改进快排算法

快速排序中,有一个partition的过程, 代码如下,注:以下代码是从大到小排序的partition过程

    private static int[] partition(int[] nums, int l, int r, int pivot) {
int i = l;
int more = l - 1;//大于区域
int less = r + 1; // 小于区域
while (i < less) {
if (nums[i] > pivot) {
swap(nums, i++, ++more);
} else if (nums[i] < pivot) {
swap(nums, i, --less);
} else {
i++;
}
}
return new int[]{more + 1, less - 1};
}

这个过程主要的作用是将nums数组的l...r区间内的数,将:

  • 小于pivot的数放右边

  • 大于pivot的数放左边

  • 等于pivot的数放中间

返回两个值,一个是左边界和一个右边界,位于左边界和右边界的值均等于pivot,小于左边界的位置的值都大于pivot,大于右边界的位置的值均小于pivot。简言之:如果要排序,pivot这个值在一次partition以后,所在的位置就是最终排序后pivot应该在的位置。

所以,如果数组中某个数在经历上述partion之后正好位于K-1位置,那么这个数就是整个数组第K大的数。

完整代码如下:

public class LeetCode_0215_KthLargestElementInAnArray {

    // 快排改进算法
// 第K小 == 第 nums.length - k + 1 大
public static int findKthLargest2(int[] nums, int k) {
return p(nums, 0, nums.length - 1, k - 1);
}
// nums在L...R范围上,如果要排序(从大到小)的话,请返回index位置的值
public static int p(int[] nums, int L, int R, int index) {
if (L == R) {
return nums[L];
}
int pivot = nums[L + (int) (Math.random() * (R - L + 1))];
int[] range = partition(nums, L, R, pivot);
if (index >= range[0] && index <= range[1]) {
return pivot;
} else if (index < range[0]) {
return p(nums, L, range[0] - 1, index);
} else {
return p(nums, range[1] + 1, R, index);
}
}
private static int[] partition(int[] nums, int l, int r, int pivot) {
int i = l;
int more = l - 1;//大于区域
int less = r + 1; // 小于区域
while (i < less) {
if (nums[i] > pivot) {
swap(nums, i++, ++more);
} else if (nums[i] < pivot) {
swap(nums, i, --less);
} else {
i++;
}
}
return new int[]{more + 1, less - 1};
} public static void swap(int[] nums, int t, int m) {
int tmp = nums[m];
nums[m] = nums[t];
nums[t] = tmp;
}
}

其中p方法表示:numsL...R范围上,如果要排序(从大到小)的话,请返回index位置的值。

int pivot = nums[L + (int) (Math.random() * (R - L + 1))];

这一行表示随机取一个值pivot出来,用这个值做后续的partition操作,如果index恰好在pivot这个值做partition的左右边界范围内,则pivot就是排序后第index+1大的数(从1开始算)。

bfprt算法

brfpt算法和改进快排算法主流程上基本一致,只是在选择pivot的时候有差别,快排改进是随机取一个数作为pivot, 而bfprt算法是根据一定的规则取pivot,伪代码表示为:

public class LeetCode_0215_KthLargestElementInAnArray {

    public static int findKthLargest2(int[] nums, int k) {
return bfprt(nums, 0, nums.length - 1, k - 1);
} // nums在L...R范围上,如果要排序(从大到小)的话,请返回index位置的值
public static int bfprt(int[] nums, int L, int R, int index) {
if (L == R) {
return nums[L];
}
//int pivot = nums[L + (int) (Math.random() * (R - L + 1))];
int pivot = medianOfMedians(nums, L, R);
int[] range = partition(nums, L, R, pivot);
if (index >= range[0] && index <= range[1]) {
return pivot;
} else if (index < range[0]) {
return bfprt(nums, L, range[0] - 1, index);
} else {
return bfprt(nums, range[1] + 1, R, index);
}
}
....
}

其中

 int pivot = medianOfMedians(nums, L, R);

就是bfprt算法最关键的步骤,mediaOfMedians这个函数表示:

num分成每五个元素一组,不足一组的补齐一组,并对每组进行排序(由于固定是5个数一组进行排序,所以排序的时间复杂度O(1)),取出每组的中位数,组成一个新的数组, 对新的数组求其中位数,这个中位数就是我们需要的值pivot

    public static int medianOfMedians(int[] arr, int L, int R) {
int size = R - L + 1;
int offSize = size % 5 == 0 ? 0 : 1;
int[] mArr = new int[size / 5 + offSize];
for (int i = 0; i < mArr.length; i++) {
// 每一组的第一个位置
int teamFirst = L + i * 5;
int median = getMedian(arr, teamFirst, Math.min(R, teamFirst + 4));
mArr[i] = median;
}
return bfprt(mArr, 0, mArr.length - 1, (mArr.length - 1) / 2);
} public static int getMedian(int[] arr, int L, int R) {
Arrays.sort(arr, L, R);
return arr[(R + L) / 2];
}

注:mediaOfMedians方法中最后一句:

return bfprt(mArr, 0, mArr.length - 1, (mArr.length - 1) / 2);

就是利用bfprt算法拿整个元素中间位置的值。

关于bfprt算法的两个问题

  1. 为什么是5个一组

  2. 为什么严格收敛到O(N)

请参考:

BFPRT算法原理

BFPTR算法详解+实现+复杂度证明

三种解法复杂度分析

算法 时间 空间
O(N*logK) O(N)
快排改进 概率上收敛到:O(N) O(1)
bfprt 严格收敛到:O(N) O(N)

相关题目

LeetCode_0004_MedianOfTwoSortedArrays

第K小的数值对

长度为N的数组arr,一定可以组成N^2个数值对。例如arr = [3,1,2],数值对有(3,3) (3,1) (3,2) (1,3) (1,1) (1,2) (2,3) (2,1) (2,2),也就是任意两个数都有数值对,而且自己和自己也算数值对。数值对怎么排序?规定,第一维数据从小到大,第一维数据一样的,第二维数组也从小到大。所以上面的数值对排序的结果为:(1,1)(1,2)(1,3)(2,1)(2,2)(2,3)(3,1)(3,2)(3,3), 给定一个数组arr,和整数k,返回第k小的数值对。

更多

算法和数据结构笔记

参考资料

程序员代码面试指南(第2版)

算法和数据结构体系班-左程云

BFPRT算法原理

BFPTR算法详解+实现+复杂度证明

无序数组求第K大的数的更多相关文章

  1. 无序数组求第k大/第k小的数

    根据http://www.cnblogs.com/zhjp11/archive/2010/02/26/1674227.html 博客中所总结的7种解法,我挑了其中的解法3和解法6进行了实现. 解法3: ...

  2. 查找无序数组中第K大的数

    思路: 利用快速排序的划分思想 可以找出前k大数,然后不断划分 直到找到第K大元素 代码: #include <iostream> #include <algorithm> # ...

  3. 无序数组中第K大的数

    1. 排序法 时间复杂度 O(nlogn) 2. 使用一个大小为K的数组arr保存前K个最大的元素 遍历原数组,遇到大于arr最小值的元素时候,使用插入排序方法,插入这个元素 时间复杂度,遍历是 O( ...

  4. 无序数组中第Kth大的数

    题目:找出无序数组中第Kth大的数,如{63,45,33,21},第2大的数45. 输入: 第一行输入无序数组,第二行输入K值. 该是内推滴滴打车时(2017.8.26)的第二题,也是<剑指of ...

  5. 《数据结构与算法分析:C语言描述》读书笔记------练习1.1 求第K大的数

    求一组N个数中的第k个最大者,设k=N/2. import java.util.Random; public class K_Max { /** * @param args */ //求第K大的数,保 ...

  6. [经典算法题]寻找数组中第K大的数的方法总结

    [经典算法题]寻找数组中第K大的数的方法总结 责任编辑:admin 日期:2012-11-26   字体:[大 中 小] 打印复制链接我要评论   今天看算法分析是,看到一个这样的问题,就是在一堆数据 ...

  7. HDU 5249 离线树状数组求第k大+离散化

    KPI Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)Total Submiss ...

  8. 查找数组中第k大的数

    问题:  查找出一给定数组中第k大的数.例如[3,2,7,1,8,9,6,5,4],第1大的数是9,第2大的数是8-- 思考:1. 直接从大到小排序,排好序后,第k大的数就是arr[k-1]. 2. ...

  9. poj 2985 The k-th Largest Group 树状数组求第K大

    The k-th Largest Group Time Limit: 2000MS   Memory Limit: 131072K Total Submissions: 8353   Accepted ...

随机推荐

  1. JavaScript学习05(操作DOM)

    操作DOM DOM(文档对象模型) 当网页被加载时,浏览器会创建页面的文档对象模型(Document Object Model). HTML DOM 模型被结构化为对象树: 通过这个对象模型,Java ...

  2. SpringMVC学习04(数据处理及跳转)

    4.数据处理及跳转 4.1结果跳转方式 4.1.1 ModelAndView 设置ModelAndView对象 , 根据view的名称 , 和视图解析器跳到指定的页面 . 页面 : {视图解析器前缀} ...

  3. Windows提权总结

    当以低权用户进去一个陌生的windows机器后,无论是提权还是后续做什么,第一步肯定要尽可能的搜集信息.知己知彼,才百战不殆. 常规信息搜集 systeminfo 查询系统信息 hostname 主机 ...

  4. JavaSE-基础语法

    注释 单行注释: //注释 多行注释: /*注释*/ 文档注释: /** 文档注释 */ 标识符与关键字 下图为Java中所有的关键字 所有标识符必须以大小写字母或$或_开头,首字母之后可以用数字 不 ...

  5. Pikachu-Over Permission模块

    一.概述 如果使用A用户的权限去操作B用户的数据,A的权限小于B的权限,如果能够成功操作,则称之为越权操作. 越权漏洞形成的原因是后台使用了 不合理的权限校验规则导致的. 一般越权漏洞容易出现在权限页 ...

  6. Java MyEclipse:The type java.lang.CharSequence cannot be resolved. It is indirectly referen

    从svn上下载项目后配置weblogic后启动报错: myeclipse  The type java.lang.CharSequence cannot be resolved. It is indi ...

  7. ad 差分布线 等长布线

    差分要素: 1.原理图差分对名字后缀必须是 _n _p 2.规则改动 定义差分线宽和间距

  8. SQL 练习26

    查询 1990 年出生的学生名单 --方式1 SELECT * FROM Student WHERE Sage BETWEEN '1990-01-01' AND '1990-12-31' --方式2 ...

  9. 为什么网络损伤仪WANsim中没有流量通过

    在使用网络损伤仪 WANsim 的过程中,有时候发现网损仪中没有流量通过.有些小伙伴可能会想:自己所有配置都是正确的 ,为什么会没有流量通过呢? 有可能,是你忽略了一些东西. 下面,我总结了一些导致网 ...

  10. 离线安装VS Code Server

    1. 获取commit 从https://github.com/microsoft/vscode/tags 获取最新的commit 2. 清理目录 mkdir -p ~/.vscode-server/ ...