用于求解 TopK Elements 问题,也就是 K 个最小元素的问题。可以维护一个大小为 K 的最小堆,最小堆中的元素就是最小元素。最小堆需要使用大顶堆来实现,大顶堆表示堆顶元素是堆中最大元素。这是因为我们要得到 k 个最小的元素,因此当遍历到一个新的元素时,需要知道这个新元素是否比堆中最大的元素更小,更小的话就把堆中最大元素去除,并将新元素添加到堆中。所以我们需要很容易得到最大元素并移除最大元素,大顶堆就能很好满足这个要求。
堆也可以用于求解 Kth Element 问题,得到了大小为 k 的最小堆之后,因为使用了大顶堆来实现,因此堆顶元素就是第 k 大的元素。
快速选择也可以求解 TopK Elements 问题,因为找到 Kth Element 之后,再遍历一次数组,所有小于等于 Kth Element 的元素都是 TopK Elements。
可以看到,快速选择和堆排序都可以求解 Kth Element 和 TopK Elements 问题。
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:
1 2
输入: [3,2,1,5,6,4] 和 k = 2 输出: 5
示例 2:
1 2
输入: [3,2,3,1,2,4,5,5,6] 和 k = 4 输出: 4
题目解答
1.排序
1 2 3 4 5 6 7 8 9 10 11
import java.util.Arrays;
//leetcode submit region begin(Prohibit modification and deletion) classSolution{ publicintfindKthLargest(int[] nums, int k){ Arrays.sort(nums); return nums[nums.length-k];
} }
2.优先队列(堆)
1 2 3 4 5 6 7 8 9 10 11 12
classSolution{ publicintfindKthLargest(int[] nums, int k){ PriorityQueue<Integer> pq = new PriorityQueue<>(); for (int val : nums){ pq.add(val); if (pq.size() > k){ pq.poll(); } } return pq.peek(); } }