相信快速排序算法这种经典的算法大家并不陌生。但是基于快速算法的各种变形，你了解吗？
其中很重要的一种变形就是快速选择算法, 通常用来在未排序的数组中寻找第k小/第k大的元素。快速选择及其变种是实际应用中最常使用的高效选择算法。
快速选择的总体思路与快速排序一致，选择一个元素作为基准来对元素进行分区，将小于和大于基准的元素分在基准左边和右边的两个区域。不同的是，快速选择并不递归访问双边，而是只递归进入一边的元素中继续寻找。这降低了平均时间复杂度，从O(n log n)至O(n)，不过最坏情况仍然是O(n2)。
lc上一道题：
Find the kth largest element in an unsorted array. Note that it is the kth largest element in the sorted order, not the kth distinct element.
下面的解法注释详细，能很好的理解快速选择算法，这个可以当作模版记下来。面试时能一次ac不出错吗？其实不是那么容易。记住的关键在于深刻的理解。
class Solution { /** * 解法0. 堆 O(klogn) * 解法1. 快速选择: O(n) */ public int findKthLargest(int[] nums, int k) { if (nums.length == 0 || nums == null) return 0; int left = 0, right = nums.length - 1; while (true) { int position = partition(nums, left, right); if (position == k - 1) return nums[position]; //每一轮返回当前pivot的最终位置，它的位置就是第几大的，如果刚好是第K大的数 else if (position > k - 1) right = position - 1; //二分的思想 else left = position + 1; } } private int partition(int[] nums, int left, int right) { int pivot = left; int l = left + 1; //记住这里l是left + 1 int r = right; while (l <= r) { while (l <= r && nums[l] >= nums[pivot]) l++; //从左边找到第一个小于nums[pivot]的数 while (l <= r && nums[r] <= nums[pivot]) r--; //从右边找到第一个大于nums[pivot]的数 if (l <= r && nums[l] < nums[pivot] && nums[r] > nums[pivot]) { swap(nums, l++, r--); } } swap(nums, pivot, r); //交换pivot到它所属的最终位置，也就是在r的位置，因为此时r的左边都比r大，右边都比r小 return r; //返回最终pivot的位置 } private void swap(int[] nums, int l, int r) { int tmp = nums[l]; nums[l] = nums[r]; nums[r] = tmp; } }
今天的文章经典算法之快速选择算法分享到此就结束了，感谢您的阅读，如果确实帮到您，您可以动动手指转发给其他人。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/56417.html
