【一次过】Lintcode 5. 第k大元素

本文介绍了一种在数组中寻找第K大元素的有效方法。通过使用优先队列实现,时间复杂度为O(nlogn);并通过快速排序的partition操作改进,实现了O(n)的时间复杂度和O(1)的空间复杂度。

在数组中找到第k大的元素

样例

给出数组 [9,3,2,4,8],第三大的元素是 4

给出数组 [1,2,3,4,5],第一大的元素是 5,第二大的元素是 4,第三大的元素是 3,以此类推

挑战

要求时间复杂度为O(n),空间复杂度为O(1)

注意事项

你可以交换数组中的元素的位置


解题思路1:

看到找第K大的元素,第一反应是使用优先队列。时间复杂度为O(nlogn),空间复杂度是O(n)。

public class Solution {
    /**
     * @param n: An integer
     * @param nums: An array
     * @return: the Kth largest element
     */
    public int kthLargestElement(int n, int[] nums) {
        // write your code here
        PriorityQueue<Integer> queue = new PriorityQueue<>();
        
        for(int i=0 ; i<nums.length ; i++){
			queue.add(nums[i]);
		}
		
		int k = nums.length - n;
		while((k--) != 0){
			queue.poll();
		}
		
		return queue.peek();
    }
}

解题思路2:

要达到挑战的要求,就得用快排的思路,因为快排中的partition操作是找到某个元素它应该在数组中的位置,而第k大的元素就是描述了此元素他应该在的位置,所以我们对快排做一些改变即可达成目的。

public class Solution {
    /**
     * @param n: An integer
     * @param nums: An array
     * @return: the Kth largest element
     */
    public int kthLargestElement(int n, int[] nums) {
        // write your code here
        int k = nums.length - n;
        
        return help(k , nums , 0 , nums.length-1);
    }
    
    public static int help(int k , int[] nums , int l , int r){
        int p = partition(nums , l , r);
        
        if(p == k)
            return nums[p];
        else if(p < k)
            return help(k , nums , p+1 , r);
        else
            return help(k , nums , l , p-1);
    }
    
    public static int partition(int[] nums , int l , int r){
        //防止在近乎有序的数组中,partition分割极度不平衡,可使v元素随机化选取
        swap(nums , l , (int)(Math.random()*(r-l+1))+l); 
        
        int v = nums[l];
        int j = l;

        for(int i = j+1 ; i<=r ; i++){
            if(nums[i] < v){
                swap(nums , i , ++j);
            }
        }
        
        swap(nums , l , j);
        
        return j;
    }
    
    private static void swap(int[] nums, int i, int j) {
        int t = nums[i];
        nums[i] = nums[j];
        nums[j] = t;
    }
}

 

<think>嗯,用户想解决LintCode 452题,删除链表中的元素。首先,我需要回忆一下这道题的要求。题目应该是给定一个链表和一个值,删除所有节点值为该值的节点。比如链表1->2->3->2->null,要删除值为2的节点,结果应该是1->3->null。 用户提供的参考引用中,引用[3]提到了处理链表头节点的问题,这可能是一个关键点。因为如果头节点的值等于目标值,直接删除头节点后,新的头节点可能还是需要继续检查。所以需要一个dummy节点来简化操作,这样就不需要特别处理头节点了。这是常见的链表处理技巧,比如在删除重复元素时也会用到dummy节点。 接下来,应该考虑如何遍历链表。用两个指针,pre和current,pre始终指向当前节点的前一个节点,current用于检查当前节点是否需要删除。当current的值等于目标值时,需要将pre的next指向current的next,然后current继续前进。否则,pre和current都前进一步。这样可以确保所有目标节点都被删除。 另外,要考虑链表为空的情况,或者所有节点都需要删除的情况。比如,如果整个链表都是目标值,那么最终返回的应该是空链表。使用dummy节点可以避免处理头节点的特殊情况,因为dummy的next初始化为head,然后逐步调整。 可能还需要注意指针的移动逻辑,尤其是在删除节点时,pre的next被更新后,current应该移动到pre的next,而不是current.next,因为current已经被移除了。这样才能正确遍历剩下的节点。 然后,根据这些思路,写出对应的代码。比如,初始化dummy节点,然后循环检查每个节点,如果遇到值相等的节点,就跳过它,否则继续前进。最后返回dummy.next作为新的头节点。 另外,用户提供的引用[1]中提到用dummy节点来处理删除重复元素的问题,这里的思路应该类似,都是处理可能需要删除头节点的情况。引用[3]中的Java实现也提到了如何处理链表头的问题,所以这个思路是正确的。 在测试时,需要考虑不同的测试用例:空链表、头节点连续需要删除、中间节点、尾节点等情况,确保代码覆盖所有可能的情况。 总结下来,解题步骤应该是:创建dummy节点,遍历链表,逐个检查节点值,删除匹配的节点,最后返回处理后的链表头。</think>### LintCode 452 删除链表中元素的解法 **问题描述**:给定单链表和特定值$val$,删除链表中所有值为$val$的节点。 #### 解决思路 1. **哑节点(Dummy Node)**:用于简化头节点删除操作,避免单独处理头节点的情况[^3]。 2. **双指针遍历**:用`pre`指针记录当前节点的前驱,`current`指针遍历链表。 3. **删除逻辑**:当`current`节点值为$val$时,将`pre.next`指向`current.next`;否则移动`pre`指针。 #### 代码实现 ```python class ListNode: def __init__(self, val=0, next=None): self.val = val self.next = next def remove_elements(head: ListNode, val: int) -> ListNode: dummy = ListNode(0) # 创建哑节点 dummy.next = head pre, current = dummy, head while current: if current.val == val: pre.next = current.next # 跳过目标节点 else: pre = current # 移动pre指针 current = current.next # 移动current指针 return dummy.next ``` #### 关键步骤说明 - **哑节点作用**:初始时`dummy.next`指向头节点,若头节点需删除,直接修改`dummy.next`即可。 - **指针移动逻辑**:若当前节点值非$val$,则`pre`指针跟进;否则仅更新`pre.next`,保持`pre`不动。 - **时间复杂度**:$O(n)$,遍历链表一次。 #### 测试用例示例 - 输入:`1->2->3->2->null`, $val=2$ → 输出:`1->3->null` - 输入:`2->2->2->null`, $val=2$ → 输出:`null` ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值