【经典面试题】无序数组中，求第K大的数（堆、荷兰国旗问题、bfprt算法）

原创

已于 2023-05-31 10:13:13 修改 · 3.2k 阅读

标签

#算法 #leetcode #排序算法

于 2021-12-30 21:50:17 首次发布

本文介绍了三种解决寻找无序数组中第K大元素的算法：堆排序、优化的荷兰国旗问题和bfprt算法。堆排序时间复杂度为O(N*logK)，而优化的荷兰国旗问题和bfprt算法则能达到O(N)。bfprt算法通过精心选取基准值，确保了高效性能。

今天来看一到算法题！经典面试题了，将从时间复杂度一般的解法，再到最优解！！！

题目：查找一个无序数组中，第K大的数。LeetCode链接

解法一、堆

分析：既然是求第K大的数，那么很显然，可以使用TOPK问题的角度来解题。只需建一个小根堆，堆的大小就是K，遍历一遍数组：

如果此时堆的大小<K，直接往里面放数据。
如果此时堆的大小>=K，那么只需比较堆顶与arr[i]的大小，如果堆顶的元素小于arr[i]，就弹出堆顶，再放入arr[i]即可。

public int findKthLargest(int[] nums, int k) {
   
   
    if (nums == null || nums.length == 0 || k <= 0 || k > nums.length) {
   
   
        return -1;
    }
    PriorityQueue<Integer>  minHeap = new PriorityQueue<>();
    int size = 0; //堆的大小
    for (int i = 0; i < nums.length; i++) {
   
   
        if (size < k) {
   
    //堆的大小 < K 
            size++;
            minHeap.add(nums[i]);
        } else {
   
   //堆的大小 >= K 
            if (minHeap.peek() < nums[i]) {
   
   
                minHeap.poll();
                minHeap.add(nums[i]); //放入比较大的元素
            }
        }
    }
    return minHeap.poll();
}

以上这种解法，因为整体遍历了一遍数组，是O(N)，而遍历的每一个数，插入堆中最坏的情况就是O(logK)，整体时间复杂度O(N*logK)，空间复杂度O(K)这样的效率，还是达不到面试官的要求。我们接着看下一解法。

解法二、改进“荷兰国旗问题”

我们在之前学快速排序的时候，说到过一个优化，就是荷兰国旗问题优化。当时说的是根据一个基准值，将整个区域划分为大于区、小于区和等于区，此时这里也是一样的。我们既然要找第K大的数，对应在数组中，那就是下标为K-1的数据。

说到这里，我想你可能就理解我的意思了。

那就是，根据划分后的区域，小于区、等于区和大于区，判断K-1，是在这三个区域的哪一块区域内：

K-1在等于区范围内，那么直接返回等于区的数据即可。
K-1在大于区范围内，那么递归调用函数，再次进行划分即可。
K-1在小于区范围内，也是递归调用小于区的范围即可。

如图：

//主方法
public int findKthLargest(int[] nums, int k) {
   
   
    if (nums == null || nums.length == 0 || k <= 0 || k > nums.length) {
   
   
        return -1;
    }
    //因为process函数求的是第K小的数，而题目是要求第K大的数
    //所以此时调用的是计算第length-k小的数