*LeetCode-Kth Largest Element in an Array

本文介绍了一种使用最大堆寻找数组中第K大的元素的方法。通过维护一个大小为n-k+1的最大堆,确保堆中始终保存了数组中的较小部分元素。文章详细解释了如何在遍历数组过程中调整堆,并给出了完整的Java代码实现。

三种方法 1 排序 2 min heap 3 max heap

我用了3 其实2更直观 只是要想清楚 

因为heap是用priority queue实现的 每次只能得到queue head 所以要是min 就要使用k个 记录的是最大的k个

 要是max就要使用 n - k + 1个 记录的是最小的几个

再有就是comparator的实现 注意返回值的意义 只要是升序的 那么就返回 int1 - int2

降序就是 int2 - int1


public class Solution {
    public int findKthLargest(int[] nums, int k) {
        int n = nums.length;
        PriorityQueue<Integer> maxHeap = new PriorityQueue ( n - k + 1, new Comparator<Integer>(){
                public int compare ( Integer i, Integer j ){
                    return j - i;
                }
            });
        for ( int i = 0; i < n - k + 1; i ++ )
            maxHeap.offer(nums[i]);
        for ( int i = n - k + 1; i < n; i ++ ){
            if ( nums[i] < maxHeap.peek() ){
                maxHeap.poll();
                maxHeap.offer( nums[i] );
            }
        }
        return maxHeap.peek();
    }
}


内容概要:本文档系统性地介绍了2024年最新提出的两种智能优化算法——青蒿素优化算法与霜冰优化算法(RIME)的原理、实现方法及其性能对比分析,并提供了完整的Matlab代码实现。文档不仅聚焦于核心算法的仿真与验证,还整合了大量前沿科研资源,涵盖微电网优化、风电功率预测、无人机三维路径规划、电动汽车调度、图像融合、负荷预测、通信信号处理、电力系统故障恢复等多个高价值应用场景。所有案例均基于Matlab/Simulink平台进行建模与仿真,强调算法在复杂工程系统中的实际应用能力,旨在为科研人员提供一套从理论到代码再到应用的完整复现体系。; 适合人群:具备一定编程基础和科研背景的研究生、高校教师及工程技术人员,尤其适合从事智能优化算法研究、新能源系统优化、自动化控制、电力系统调度、无人机导航与路径规划等相关领域的研究人员。; 使用场景及目标:①用于高水平学术论文的复现与创新性研究,提升科研效率与成果产出;②应用于复杂工程系统的建模仿真与智能优化设计,如多能互补系统调度、无人机避障路径规划、微电网能量管理等;③作为智能优化算法的教学与学习资料,深入理解现代元启发式算法的设计思想与实现机制。; 阅读建议:建议读者结合文档中提供的Matlab代码与Simulink仿真模型,按照目录结构循序渐进地学习与实践,优先选择与自身研究方向契合的案例进行代码复现,重点关注算法参数设置、收敛曲线分析与多算法对比实验部分,以全面提升算法应用与科研创新能力。
评论
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