如何在未排序数组中高效查找第K大元素

1. 问题分析与解法思路

215题要求我们在未排序的数组中找到第k个最大的元素。这个问题看似简单，但考察了我们对数据结构和算法的理解深度。让我们先分析几种可能的解法思路：

1.1 暴力解法与排序法

最直观的解法是将数组排序后直接取第k个元素。使用Java内置的Arrays.sort()方法，时间复杂度为O(nlogn)，空间复杂度为O(1)（如果使用堆排序）：

java复制Arrays.sort(nums);
return nums[nums.length - k];

这种方法简单直接，但并不是最优解，因为我们实际上不需要对整个数组进行完全排序。

1.2 快速选择算法

快速选择算法是快速排序的变种，平均时间复杂度为O(n)，最坏情况下为O(n²)。其核心思想是每次partition后，根据pivot的位置决定继续处理左半部分还是右半部分：

java复制public int findKthLargest(int[] nums, int k) {
    int left = 0, right = nums.length - 1;
    while (true) {
        int pos = partition(nums, left, right);
        if (pos == k - 1) return nums[pos];
        if (pos > k - 1) right = pos - 1;
        else left = pos + 1;
    }
}

private int partition(int[] nums, int left, int right) {
    int pivot = nums[left];
    int l = left + 1, r = right;
    while (l <= r) {
        if (nums[l] < pivot && nums[r] > pivot) {
            swap(nums, l++, r--);
        }
        if (nums[l] >= pivot) l++;
        if (nums[r] <= pivot) r--;
    }
    swap(nums, left, r);
    return r;
}

注意：快速选择算法虽然平均性能好，但在面试中实现起来容易出错，特别是边界条件的处理。

1.3 堆解法

堆解法是这个问题最优雅的解决方案之一，也是面试中最受青睐的解法。它利用了最小堆（Min-Heap）或最大堆（Max-Heap）的特性：

• 使用最小堆：维护一个大小为k的最小堆，堆顶就是第k大的元素
• 使用最大堆：维护一个大小为n-k+1的最大堆，堆顶也是第k