一、找第k小数的分治算法
选基准元素：从数组中任选第一个元素a[left]作为基准（double x = a[left];）。
划分数组：partition函数通过双指针i和j遍历，将数组划分为"小于基准"和"大于基准"两部分（因为快速选择的划分逻辑与快速排序一致，这里代码是"小于等于基准在前，大于基准在后"）。
递归找第k小数：find函数中，通过rank = p - left + 1计算基准元素的"排名"，然后根据rank与k的大小关系，递归在左半部分（find(num, left, p - 1, k)）或右半部分（find(num, p + 1, right, k - rank)）查找。
二、时间复杂度
最好情况O(n)：若每次partition选取的基准是当前数组的中位数，数组会被均匀划分，递归深度为 O(log n) ，每次划分操作是O(n) ，整体时间复杂度为 O( n )。例如，当数组是随机分布时，大概率触发此情况。
最坏情况O(n²)：若每次partition选取的基准是数组的极值（如数组严格递增，每次选第一个元素为基准），则每次递归仅能排除一个元素，递归深度为O(n) ，每次划分操作是O(n) ，整体时间复杂度为O(n²) 。
三、分治法的分解、递归、合并
分解：partition函数将原数组问题分解为"左子数组"和"右子数组"的子问题；find函数通过判断rank与k的关系，进一步确定子问题的范围。
递归：find函数自身调用（return find(...)），对分解后的子问题进行递归求解。
合并：这里的"合并"是通过基准元素的"排名"直接判断结果（if (rank == k) return num[p];），无需显式合并子数组，属于分治中"直接求解"的合并方式。