这样一来,包括元素12在内的较大元素有5个,正好和k相等。所以,基准元素12就是我们所求的。
快看漫画
————— 第二天 —————
如果 k=6,也就是要寻找第6大的元素,这个元素是哪一个呢?
显然,数组中第一大的元素是24,第二大的元素是20,第三大的元素是17 ...... 第6大的元素是9。
方法一:排序法
方法二:插入法
比如k=3,先把最左侧的7,5,15三个数有序放入数组A当中,代表当前最大的三个数。
这时候,遍历到3, 由于3<5,继续遍历。
接下来遍历到17,由于17>5,插入到数组A的合适位置,类似于插入排序,并把原先最小的元素5“挤出去”。
最终,数组A中存储的元素是24,20,17,代表着整个数组中最大的3个元素。此时数组A中的最小的元素17就是我们要寻找的第k大元素。
方法三:小顶堆法
假设k=5,具体的执行步骤如下:
1.把数组的前k个元素构建成堆。
2.继续遍历数组,和堆顶比较,如果小于等于堆顶,则继续遍历;如果大于堆顶,则取代堆顶元素并调整堆。
遍历到元素2,由于 2<3,所以继续遍历。
遍历到元素20,由于 20>3,20取代堆顶位置,并调整堆。
遍历到元素24,由于 24>5,24取代堆顶位置,并调整堆。
3.此时的堆顶,就是堆中的最小值,也就是数组中的第k大元素。
1.构建堆的时间复杂度是 O(k)
2.遍历剩余数组的时间复杂度是O(n-k)
3.每次调整堆的时间复杂度是 O(logk)
其中2和3是嵌套关系,1和2,3是并列关系,所以总的最坏时间复杂度是O((n-k)logk + k)。当k远小于n的情况下,也可以近似地认为是O(nlogk)。
/**
* 寻找第k大的元素
* @param array 待调整的堆
* @param k 第几大
*/
public static int findNumberK(int[] array, int k){
//1.用前k个元素构建小顶堆
buildHeap(array, k);
//2.继续遍历数组,和堆顶比较
for(int i=k; i
方法四:分治法
包括元素7在内的较大元素有8个,但我们的k=5,显然较大元素的数目过多了。于是我们在较大元素的区域继续分治,这次以元素12位基准:
一切的是非黑白,
该网站坚持“我们坚持每日更新优质电子书”的口号,汇集了大量Kindle电子书,EPUB、MOBI、AZW3等格式,没有设置分类,但网站右侧“热门标签”按照标签分类,便于我们找寻自己喜欢的电子书。
它还支持非常有意思的漫画算法版块,让你通过趣味漫画的内容学习形式,更加轻松高效的学习算法。
15:NounPlus
通过该搜索引擎你可以搜索到丰富的公开课视频教程,网站收录了 51163 个在线课程资源,并且支持丰富的学习科目,包括:艺术,体育,人文,生物学和生命科学,环境科学,化学,物理科学,商业管理,计算机科学,经济与金融,技术,图形艺术,网络营销,网络技术等等科目,点击任意科目,网站就会出现很多课程结果;当然,网站也支持直接搜索。