当需要在无需列表中寻找第k小的元素时，一个显然的方法是将所有数据进行排序，然后检索k个元素。这种方法的运行时间为O(n log(n))。

无序列表调用分区函数将自身分解成两个子表，其长度为i和n-i。第一个列表中的第一个i元素(不一定排序)，当i与k进行比较时需在第一或第二个子列表中搜索元素。

使用findMinK(ArrayListarray, int k, int i, int r)实现，同时使用下面testframe代码测试。在函数中可增加全局变量cmpcnt，在列表中利用分区函数交换元素时计数。

对findMinK函数的实现，利用了快排的思想：

先从n个元素中找一个任意分界点，设为m，假设m在列表中的位置是i

先从n个元素中随便寻找一个数m作为分界点,m在列表中的位置为i

当 i = k时，m就是我们要寻找的第k小的数；

当 i > k时，我们就从1~i-1中查找；

当 i < k时，就从i+1~n中查找。

下面是代码实现：

packagedisorder_List;importjava.util.ArrayList;importjava.util.Collections;importjava.util.Random;public classTestDisorder {static public int cmpcnt = 0;public static voidmain(String[] args) {

testFramework();

}public static int partion(ArrayList A,int low,inthigh){int pivotkey=A.get(low);while(low=pivotkey)

high--;

A.set(low, A.get(high));

cmpcnt++;while(low

low++;

A.set(high, A.get(low));

cmpcnt++;

}

cmpcnt++;

A.set(low, pivotkey);returnlow;

}public static int findMinK(ArrayList array, int k, int l, intr) {//Implement here

if(l<=r){int pivotloc=partion(array, l, r);if(pivotloc==k-1){returnarray.get(pivotloc);

}else if(pivotloc

}else{return findMinK(array, k,l,pivotloc-1);

}

}else{return -1;

}

}public static int findMinK(ArrayList array, intk){

Collections.sort(array);return array.get(k-1);

}private static voidtestFramework() {

ArrayList a = new ArrayList();for (int j=2;j<8;j++){

a.clear();for (int i=0;i

a.add(i);

}

System.out.println("nn"+a.size()+" Elementsnn");double slow=0;double fast=0;for (int i = 0; i < 2; i++) {

cmpcnt= 0;

Collections.shuffle(a);int k = (int)(Math.random()*(Math.pow(10, j)-1))+1;

System.out.println("test run number: " + i + " find: " +k);long start =System.currentTimeMillis();int resulta = findMinK(a, k, 0, a.size()-1);long end =System.currentTimeMillis();long smarttime=(end-start);

fast= fast +smarttime;

System.out.println("SMART ALGO t --- time in ms: " + smarttime + " comparisons: "

+cmpcnt);

start=System.currentTimeMillis();int resultb=findMinK(a, k);

end=System.currentTimeMillis();long slowtime = (end-start);

System.out.println("WITH SORTING t --- time in ms: " +slowtime);

slow= slow +slowtime;

}

System.out.println("sorting (="+slow+"ms) is " +slow/fast + " times slower than smart algo (="+fast+"ms)");

}

}

}

View Code

以下是部分输出结果：

sorting (=3.0ms) is 3.0 times slower than smart algo (=1.0ms)

sorting (=24.0ms) is 12.0 times slower than smart algo (=2.0ms)

sorting (=41.0ms) is 8.2 times slower than smart algo (=5.0ms)

sorting (=401.0ms) is 4.773809523809524 times slower than smart algo (=84.0ms)

....

可明显看出该方法的优势。