给定一个数组A，要求找到数组A中第K大的数字。对于这个问题，解决方案有不少，此处我只给出三种：
方法1：
对数组A进行排序，然后遍历一遍就可以找到第K大的数字。该方法的时间复杂度为O(N*logN)
方法2：
利用简单选择排序法的思想，每次通过比较选出最大的数字来，比较上K次就能找出第K大的数字来。该方法的时间复杂度为O(N*K)，最坏情况下为O(N^2)。
方法3：
这种方法是本文谈论的重点，可以利用快排的思想，首先快排每次执行都能确定一个元素的最终的位置，如果这个位置是n-k(其中n是数组A的长度)的话，那么就相当于找到了第K大的元素。设确定的元素位置m的话，如果m > n - k大的话，那么第K大的数字一定
在A[0]~A[m - 1]之间；如果m < n - k的话，那么第K大的数字一定在A[m+1]~A[n - 1]之间。整个过程可以通过递归实现，具体代码如下：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 |
|
注意：
1.第K大的数字在数组中对应的位置为n-k(按照升序排序的话)。
2.该算法的时间复杂度整体上为O(N)。
3.需要注意的是：这种方法会改变数组中元素的顺序，即会改变数组本身。
4.如果要求第K小的数字的话，只需把n-k换成k-1即可(升序排序)。
===================================================================================================================================================================================================
接下来，我们仔细分析一下方法3的时间复杂度，其实方法3在《算法导论》第九章有着比较详细的描述，但《算法导论》说的是期望为线性时间的选择算法，即该算法的时间复杂度在平均情况下或者一般情况下为O(n)；因为此处利用的快排的思想，而快排的时间
复杂度在一般情况下为O(N*logN)，但在最坏的情况下(即整个数组原本就是有序的情况)时间复杂度为O(N^2)。所以说对于方法3，《算导》最后给定结果是这样的：平均时间复杂度为O(N)，最坏情况下的时间复杂度为O(N^2)。
但是，此处的“平均”同快排一样，是适用于绝大数的情况的。所以我们通常说该算法的时间复杂度为O(N)。
1.我们要搞清楚一点，快排是对参考元素两边都进行递归，而我们的方法3只考虑参考元素的一边，即只对一边进行递归。
2.我们可以粗略的估计下(具体计算还是参考《算导》)，在一般情况下方法3的时间复杂度计算公式，假设我们的数据足够的随机，每次划分都在数据序列的中间位置，根据条件1，那么第一次划分我们需要遍历约n个数，第二次需要遍历约n/2个数，...，这样递归下去，最后：
当m趋于无穷大时，该式子收敛于2n，故可以认为其期望时间复杂度为O(N).
===================================================================================================================================================================================================
实际上，《算导》还给出了一种最坏情况下时间复杂度为O(N)的解法，这种方法与方法3类似，都采用了类似快排的思想，但做了一些改变，同时把参考元素也作为输入参数，具体的话此处不再详述，感兴趣可参考《算导》第九章第三节。
转自：