目錄：
1、引子
2、排序解決法
3、類快排解法
4、最小堆解法

1、引子

日常編碼中，常見遇到這樣的問題，“尋找最大的數(shù)”，此問題非常容易，可暴力直接遍歷找出，也可使用分冶策略找出最大值（詳見分冶算法）。

本文中需要尋找第k大的數(shù)，筆者目前想到3個(gè)方法可解決它。

2、排序解決法

如果是一個(gè)有序數(shù)組，那么尋找第k的大數(shù)則相當(dāng)簡(jiǎn)單了，且效率為1。數(shù)組排序算法中相對(duì)較優(yōu)的算法為快速排序，效率為N*lgN，將數(shù)組從到到小排列，第k大的數(shù)則為array[k-1]。

快排的思想為，從數(shù)組中取任意一個(gè)值key，將大于key的值放在key右邊，小于key的值放在key左邊。key的左邊和右邊則都是有序的了，然后遞歸key左邊的子數(shù)組和key右邊的子數(shù)組，直到每個(gè)子數(shù)組長度為1，此時(shí)，整個(gè)數(shù)組均有序了。

代碼如下

public static int partition(int[] array, int left, int right) {
    int k = array[left];
    int i = left;
    int j = right;
    while (j > i) {
        while (array[j] < k && j > i) {
            j--;
        }
        if (j > i) {
            array[i] = array[j];
            i++;
        }
        while (array[i] > k && j > i) {
            i++;
        }
        if (j > i) {
            array[j] = array[i];
            j--;
        }
    }
    array[i] = k;
    return i;
}

public static void quickSort(int[] array, int left, int right) {
    if (left >= right) {
        return;
    }
    int i = partition(array, left, right);
    quickSort(array, left, i - 1);
    quickSort(array, i + 1, right);
}

本文中快排略有差異，是按從大到小順序排列。
快排的partition算法有兩種寫法，具體可查看快速排序及主定理。此解法效率為N*lgN

3、類快排解法

由于只要求找出第k大的數(shù)，沒必要將數(shù)組中所有值都排序。

快排中的partition算法，返回key在數(shù)組中的位置，如果key的位置正好等于k-1，那么問題則得到解決，如果key的位置不等于k-1，可使用遞歸查找對(duì)應(yīng)子數(shù)組。直到key的位置等于k-1，則找對(duì)問題的解。

public static int findK(int[] array, int left, int right, int k) {
    int i = partition(array, left, right);
    if (i == k - 1) {
        return array[k - 1];
    } else if (i > k - 1) {
        return findK(array, left, i - 1, k);
    } else if (i < k - 1) {
        return findK(array, i + 1, right, k);
    }
    return 0;
}

此解法的效率值為N*lgK，由于K是常數(shù)，所以此解法效率值為N，優(yōu)于排序解法

4、最小堆解法

最小堆是一種特殊的數(shù)組結(jié)構(gòu)，它實(shí)質(zhì)是一個(gè)完全二叉樹，且樹中子節(jié)點(diǎn)的值均大于父節(jié)點(diǎn)的值，詳見 堆排序及優(yōu)先隊(duì)列。

考慮到只需要找到第k大的數(shù)，構(gòu)造一個(gè)大小為k的最小堆，堆中根節(jié)點(diǎn)為最小值。如果數(shù)組中最大的幾個(gè)數(shù)均在堆中，那么堆中根節(jié)點(diǎn)的值就是問題的解。

構(gòu)造最小堆

public static void maxHeapify(int[] array, int size, int i) {
    int left = 2 * i + 1;
    int right = 2 * i + 2;
    int small = i;
    if (left < size) {
        if (array[small] > array[left]) {
            small = left;
        }
    }
    if (right < size) {
        if (array[small] > array[right]) {
            small = right;
        }
    }
    if (small != i) {
        int temp = array[small];
        array[small] = array[i];
        array[i] = temp;
        maxHeapify(array, size, small);
    }
}

public static void buildHeap(int[] array, int size) {
    for (int i = size - 1; i >= 0; i--) {
        maxHeapify(array, size, i);
    }
}

最小堆已構(gòu)造完成，將數(shù)組中剩余的值與根節(jié)點(diǎn)相比，大于根節(jié)點(diǎn)的值則將根節(jié)點(diǎn)的值與之交換，同時(shí)維護(hù)最小堆的特性，遍歷結(jié)束，則根結(jié)點(diǎn)即為問題的解。

public static int findKByHeap(int[] array, int k) {
    buildHeap(array, k);
    for (int i = k + 1; i < array.length; i++) {
        if (array[i] > array[0]) {
            int temp = array[i];
            array[i] = array[0];
            array[0] = temp;
            maxHeapify(array, k, 0);
        }
    }
    return array[0];
}

代碼地址：https://github.com/okunu/DataStructure ，歡迎訪問本人的github