如題：給定乙個無序陣列，如何查詢第k小的值。
例子如下：
在乙個無序陣列，查詢 k = 3 小的數
輸入：arr =輸出：7輸入：arr =輸出：10(1)最簡單的思路直接使用快排，堆排或者歸併排，排序之後取陣列的k-1索引的值即可，時間複雜度為o(nlogn)
(2)用大小為k的陣列存前k個數，然後找出這裡面最大的值kmax，耗時o(k)， 遍歷剩餘的數，如果有小於裡面最大的數，就放進去替換掉當前最大的，依次遍歷至結束，每次比較前都得找出kmax，故總的時間複雜度為：o(nk)
(3)使用大頂堆，初始化為k個值，然後後面從k+1開始，依次讀取每個值，判斷當前的值是否比堆頂的值小，如果小就移除堆頂的值，新增這個小的值，依次處理完整個陣列，取堆頂的值就得到第k小的值。 時間複雜度為：建堆的時間為o(k)，每次調整最大堆結構時間為o(lgk)，從而總的時間複雜度為o(k + (n-k)lgk)(適合大資料量)
(4)利用快排找基準的原理，可以在平均時間複雜度o(n)級別完成，當然最壞的情況下是o(n2)與快排的最壞情況一樣，但由於平均是o(n)的時間複雜度，所以這種方式一般認為是最優的解法。
原理如下： 根據題目描述，如果是第k小的值，那就說明在公升序排序後，這個值一定在陣列的k-1的下標處，如果在k-1處，也就是說只要找到像這樣的左邊有k個數比k小(可以是無序的，只要小就可以了)，那麼這個下標的值，就是我們要找的值，利用這個思想我們就可以使用快排的思想，來快速的找基準值的index(陣列下標從0開始)，如果恰好碰到了基準值的下標index+1=k，那就說明基準值index所在下標的值，就是我們要找的結果。
下面的**就是基於第四種思路來實現的，其他的方式，有興趣的可以自己研究一下。
注意，如果思路理解了，那麼該題目的變形也比較容易處理，比如
(1)如給定乙個無序陣列，查詢最小/大的k個數，或者叫前k小/大的所有數。
剖析：思路是一樣，只不過在最後返回的時候，要把k左邊的所有的數返回即可。
(2)給定乙個大小為n陣列，如果已知這個陣列中，有乙個數字的數量超過了一半，如何才能快速找到該數字？
剖析：有乙個數字的數量超過了一半，隱含的條件是在陣列排過序後，中位數字就是n/2的下標，這個index的值必定是該數，所以就變成了查詢陣列第n/2的index的值，就可以利用快排分割槽找基準的思想，來快速求出。當然這只是解法的一種。
下面我們看下，從無序陣列，如何查詢第k小的值，也就是按照上面第四種思路，實現的**如下：
public class kthsmallest}//基準歸位a[left]=a[i];
a[i]=pivot;
return i;
}
public static int findkthsmall(int a, int left, int right , int k)
//返回基準點的下標，從0開始
int pivotindex = quicksortfindraidx(a, left, right);
//包含基準點在內的左邊的數字個數
int leftnumcount = pivotindex + 1;
//說明當前基準下標的值就是我們要找的
if (leftnumcount == k)
//說明要找的數，在基準點的左邊，繼續在左邊部分遞迴查詢
if (leftnumcount > k) else
}
public static void main(string args) ;
int kthmin = findkthsmall(arr,0,arr.length-1,1);
system.out.println(kthmin);
}
}
無序陣列的中位數
題目 求出乙個無需陣列的中位數。例 的中位數為5，的中位數為4和5。要求 不能使用排序。思路1 將資料平均分配到最大堆和最小堆中，並且保證最小堆中的資料存放的資料都比最大堆中是資料大，那麼此時最小堆堆頂的元素一定是中位數。那麼如何保證最小堆中的元素，都比大堆中的元素大 1 遍歷陣列，將第i個數插入堆...
無序陣列求中位數
長度為 n 的無序陣列，求中位數，如何盡快的估算出中位數，演算法複雜度是多少？如果陣列中元素有奇數個，可以採用這種演算法 步驟 1 可以將陣列的前 n 1 2 個元素，建立 1 個最小堆 步驟 2 遍歷剩餘元素，如果剩餘元素小於堆頂元素，則丟棄或不作處理 如果剩餘元素大於堆頂元素，則將其取代堆頂元素...
無序陣列的中位數
參考 中位數，就是陣列排序後處於陣列最中間的那個元素。說來有些麻煩，如果陣列長度是奇數，最中間就是位置為 n 1 2的那個元素。如果是偶數呢，標準的定義是位置為n 2和位置為n 2 1的兩個元素的和除以2的結果，有些複雜。為了解答的方便，我們假設陣列長度暫且都為奇數吧。面試時，大家是不是經常被問到，...