leetcode-703. 数据流中的第 K 大元素之TopK问题-优快云博客

本文介绍了如何利用C++中的优先队列（priority_queue）和multiset解决找到数组中第K大的元素的问题。两种方法分别通过维护一个大小为K的升序优先队列和一个大小为K的multiset来实现。代码示例展示了如何在添加新元素时保持队列和集合的大小，并返回第K大的元素。

在这里插入图片描述今天是农历2021的最后一天，leetcode贴心的给了一道简单。这是一个经典的TopK问题，可以用排序时间复杂度在logN的算法解决。注意priority_queue是对堆排序的应用，但是需要决定对什么container维护堆排序：priority_queue<Type, Container, Functional>，Container必须是用数组实现的容器，比如vector,deque等等，但不能用 list。STL里面默认用的是vector！当我们采用升序的优先队列时需要手动指定container：

//升序队列
priority_queue <int,vector<int>,greater<int> > q;
//默认降序队列
priority_queue <int>q;

priority_queue代码：

class KthLargest {
public:
    int k;
    priority_queue<int,vector<int>,greater<int>> q;
    KthLargest(int k, vector<int>& nums) {
        this->k = k;
        q = priority_queue<int,vector<int>,greater<int>>();
        for(int i=0;i<nums.size();i++)
            q.push(nums[i]);
    }
    
    int add(int val) {
        q.push(val);
        while(q.size()>k)
            q.pop();
            
        return q.top();
    }
};

/**
 * Your KthLargest object will be instantiated and called as such:
 * KthLargest* obj = new KthLargest(k, nums);
 * int param_1 = obj->add(val);
 */

multiset代码：

class KthLargest {
public:
    int k;
    multiset<int> m_set;
    KthLargest(int k, vector<int>& nums) {
        this->k = k;
        m_set.clear();
        for(int i=0;i<nums.size();i++)
            m_set.insert(nums[i]);
    }
    
    int add(int val) {
        m_set.insert(val);
        while(m_set.size()>k)
            m_set.erase(m_set.begin());
            
        return *m_set.begin();
    }
};

/**
 * Your KthLargest object will be instantiated and called as such:
 * KthLargest* obj = new KthLargest(k, nums);
 * int param_1 = obj->add(val);
 */