class Solution {
// 寻找数组中第k大的元素
public int findKthLargest(int[] nums, int k) {
// 初始化堆的大小为数组长度
int heapSize = nums.length;
// 构建最大堆
buildMaxHeap(nums, heapSize);
// 从最后一个元素开始,逐个将堆顶元素(最大值)与当前元素交换,然后重新调整堆
for (int i = nums.length - 1; i >= nums.length - k + 1; --i) {
swap(nums, 0, i); // 交换堆顶元素与当前元素
--heapSize; // 减小堆的大小
maxHeapify(nums, 0, heapSize); // 重新调整堆
}
return nums[0]; // 返回堆顶元素,即第k大的元素
}
// 构建最大堆
public void buildMaxHeap(int[] a, int heapSize) {
// 从最后一个非叶子节点开始向上调整堆
for (int i = heapSize / 2; i >= 0; --i) {
maxHeapify(a, i, heapSize);
}
}
// 调整堆,使其满足最大堆的性质
public void maxHeapify(int[] a, int i, int heapSize) {
// 计算左右子节点的索引
int l = i * 2 + 1, r = i * 2 + 2, largest = i;
// 如果左子节点存在且大于当前节点,则更新最大节点索引
if (l < heapSize && a[l] > a[largest]) {
largest = l;
}
// 如果右子节点存在且大于当前最大节点,则更新最大节点索引
if (r < heapSize && a[r] > a[largest]) {
largest = r;
}
// 如果最大节点不是当前节点,交换它们并继续调整堆
if (largest != i) {
swap(a, i, largest);
maxHeapify(a, largest, heapSize);
}
}
// 交换数组中的两个元素
public void swap(int[] a, int i, int j) {
int temp = a[i];
a[i] = a[j];
a[j] = temp;
}
}
public class Solution {
// 快速选择算法,用于查找第 k 大的元素
private int quickSelect(List<Integer> nums, int k) {
// 随机选择基准数
Random rand = new Random();
int pivot = nums.get(rand.nextInt(nums.size()));
// 将大于、小于、等于 pivot 的元素划分至 big, small, equal 中
List<Integer> big = new ArrayList<>();
List<Integer> equal = new ArrayList<>();
List<Integer> small = new ArrayList<>();
for (int num : nums) {
if (num > pivot)
big.add(num); // 大于基准数的元素放入 big 列表
else if (num < pivot)
small.add(num); // 小于基准数的元素放入 small 列表
else
equal.add(num); // 等于基准数的元素放入 equal 列表
}
// 第 k 大元素在 big 中,递归划分
if (k <= big.size())
return quickSelect(big, k);
// 第 k 大元素在 small 中,递归划分
if (nums.size() - small.size() < k)
return quickSelect(small, k - nums.size() + small.size());
// 第 k 大元素在 equal 中,直接返回 pivot
return pivot;
}
// 主函数,用于调用快速选择算法
public int findKthLargest(int[] nums, int k) {
List<Integer> numList = new ArrayList<>();
for (int num : nums) {
numList.add(num); // 将数组转换为列表
}
return quickSelect(numList, k); // 调用快速选择算法查找第 k 大的元素
}
}