215. 数组中的第K个最大元素

给定整数数组 nums 和整数 k，请返回数组中第 k 个最大的元素。

请注意，你需要找的是数组排序后的第 k 个最大的元素，而不是第 k 个不同的元素。

你必须设计并实现时间复杂度为 O(n) 的算法解决此问题。

示例 1:

输入: [3,2,1,5,6,4], k = 2
输出: 5

示例 2:

输入: [3,2,3,1,2,4,5,5,6], k = 4
输出: 4

提示：

• 1 <= k <= nums.length <= 105
• -104 <= nums[i] <= 104

Solution

1. 快速选择算法（基于快速排序的选择算法） Quick Select

时间复杂度：平均时间复杂度为O(n)，最坏时间复杂度为O(n^2)

做法：随便选择一个数字作为中心点P（一般取中点），小于等于P放左边，大于等于P放右边，然后递归左半部分和右半部分进行排序。

思想：利用快速排序算法，将数组分为左右两部分，看target在哪一部分，下一次只选择其中一部分进行查找，每次数据规模缩小一半。T(n)=O(n)+T(n/2)，展开后时间复杂度为O(n)。

关键点：

        1.区分是第k大还是第k小，与排序的顺序关系。

        2.参数传递坐标索引进去。

        3.做一次快速排序之后，判断在左半边、右半边、或者中间点。

class Solution {
    public int findKthLargest(int[] nums, int k) {
        // 快速选择算法，在快速排序的基础上，每次只走一边，每次把问题规模从T(n)降到T(n/2)
        if (nums == null || nums.length == 0 || k < 1 || k > nums.length) {
            return -1;
        }
        // 从小到大排列时，返回倒数第k个数
        return quickSelect(nums, 0, nums.length - 1, nums.length - k);
    }

    private int quickSelect(int[] nums, int start, int end, int k) {
        // 说明完成快排了，那么直接返回第k个数即可
        if (start >= end) {
            return nums[k];
        }
        // 使用一次快速排序，把数组分为2部分
        int left = start;
        int right = end;
        int pivot = nums[(start + end) / 2];
        while (left <= right) {
            while (left <= right && nums[left] < pivot) {
                left++;
            }
            while (left <= right && nums[right] > pivot) {
                right--;
            }
            if (left <= right) {
                int temp = nums[left];
                nums[left] = nums[right];
                nums[right] = temp;
                left++;
                right--; 
            }
        }
        // 由于条件是left <= right,排序后会交叉，顺序为 start <= right <= 中点 <= left <= end
        // 判断k在左半部分还是右半部分，或者k在中点
        if (k <= right) {
            return quickSelect(nums, start, right, k);
        }
        if (k >= left) {
            return quickSelect(nums, left, end, k);
        }
        // 可能存在left和right中间刚好隔一个的情况，说明此值刚好为中点，不会被交换，因此直接返回第k个数
        return nums[k];
    }
}