leetcode-215.数组中的第k个最大元素

除了快速选择算法之外，还有其他方法可以用来找到数组中第 (k) 个最大的元素，不过它们的时间复杂度可能会有所不同。以下是一些替代方法：

1. 使用堆（优先队列）

可以使用一个最小堆来存储数组中的前 (k) 个最大的元素。堆的大小保持为 (k)，这样堆顶就是第 (k) 个最大的元素。这个方法的时间复杂度为 (O(n \log k))，其中 (n) 是数组的长度。

import java.util.PriorityQueue;

class Solution {
    public int findKthLargest(int[] nums, int k) {
        PriorityQueue<Integer> minHeap = new PriorityQueue<>();
        
        for (int num : nums) {
            minHeap.add(num);
            if (minHeap.size() > k) {
                minHeap.poll(); // 移除堆顶元素
            }
        }
        
        return minHeap.peek(); // 堆顶即为第 k 个最大的元素
    }
    
    public static void main(String[] args) {
        Solution solution = new Solution();
        int[] nums = {3, 2, 1, 5, 6, 4};
        int k = 2;
        System.out.println(solution.findKthLargest(nums, k)); // 输出: 5
    }
}

2. 排序

最简单的方法是对数组进行排序，然后直接访问排序后数组的第 (n-k) 个元素。这种方法的时间复杂度为 (O(n \log n))。

import java.util.Arrays;

class Solution {
    public int findKthLargest(int[] nums, int k) {
        Arrays.sort(nums);
        return nums[nums.length - k];
    }
    
    public static void main(String[] args) {
        Solution solution = new Solution();
        int[] nums = {3, 2, 1, 5, 6, 4};
        int k = 2;
        System.out.println(solution.findKthLargest(nums, k)); // 输出: 5
    }
}

3. 计数排序（适用于特定范围的整数）

如果数组中的整数范围已知且不大，可以使用计数排序来实现，时间复杂度为 (O(n + m))，其中 (m) 是整数的范围。这种方法不适用于范围未知或范围过大的情况。

选择方法的考虑

• 快速选择：适合在平均 (O(n)) 时间复杂度下处理大规模数据。
• 堆：适合需要处理流数据或数据量较大但 (k) 相对较小的情况。
• 排序：最简单直接，但时间复杂度较高，适合小规模数据。
• 计数排序：适合整数范围已知且较小的情况。

选择哪种方法取决于具体问题的约束和数据特性。