โปรแกรม C++ หา K-th Largest Element ด้วย Max Heap

ภาพรวม

โปรแกรม C++ นี้สาธิตการหาองค์ประกอบที่ใหญ่เป็นอันดับ K (K-th Largest Element) โดยใช้ Max Heap วิธีนี้มีประสิทธิภาพมากกว่าการเรียงลำดับทั้งอาร์เรย์ ความซับซ้อนด้านเวลา O(n + k log n)

อัลกอริธึม

1. สร้าง Max Heap จากอาร์เรย์ทั้งหมด (Build Max Heap) - ใช้เวลา O(n)
2. ทำซ้ำ K รอบ:
   • สลับราก (ค่าสูงสุด) กับองค์ประกอบสุดท้ายของฮีป
   • ลดขนาดฮีปลง 1
   • Heapify รากใหม่เพื่อคืนคุณสมบัติ Max Heap
3. หลัง K รอบ องค์ประกอบที่สลับออกมาครั้งที่ K จะเป็นคำตอบ

โค้ดตัวอย่าง (แก้ไขให้ทำงานถูกต้อง)

#include <iostream>
#include <vector>
using namespace std;

void maxHeapify(vector& arr, int i, int n) {
    int largest = i;
    int left = 2 * i + 1;
    int right = 2 * i + 2;
    
    if (left < n && arr[left] > arr[largest]) largest = left;
    if (right < n && arr[right] > arr[largest]) largest = right;
    
    if (largest != i) {
        swap(arr[i], arr[largest]);
        maxHeapify(arr, largest, n);
    }
}

void buildMaxHeap(vector& arr) {
    int n = arr.size();
    for (int i = n / 2 - 1; i >= 0; i--) {
        maxHeapify(arr, i, n);
    }
}

int findKthLargest(vector& arr, int k) {
    buildMaxHeap(arr);
    int n = arr.size();
    
    for (int i = 0; i < k - 1; i++) {
        swap(arr[0], arr[n - 1 - i]);
        maxHeapify(arr, 0, n - 1 - i);
    }
    return arr[0];
}

int main() {
    int n, k;
    cout << "Enter the number of data elements: ";
    cin >> n;
    
    vector arr(n);
    for (int i = 0; i < n; i++) {
        cout << "Enter element " << i+1 << ": ";
        cin >> arr[i];
    }
    
    cout << "Enter the k value: ";
    cin >> k;
    
    if (k < 1 || k > n) {
        cout << "Invalid k value!";
        return 1;
    }
    
    int result = findKthLargest(arr, k);
    cout << "\nThe " << k << "th largest element is: " << result;
    return 0;
}

ผลลัพธ์ตัวอย่าง

Enter the number of data elements: 5
Enter element 1: 20
Enter element 2: 10
Enter element 3: 30
Enter element 4: 70
Enter element 5: 60
Enter the k value: 2
The 2th largest element is: 60

วิธีแก้ปัญหาอื่นๆ

• QuickSelect (Hoare's Selection Algorithm): ความซับซ้อนเฉลี่ย O(n) แต่อาจเป็น O(n²) ในกรณีแย่ที่สุด
• Min Heap ขนาด K: เก็บแค่ K องค์ประกอบใหญ่สุด ความซับซ้อน O(n log K) เหมาะสำหรับ K << n
• การเรียงลำดับ: เรียงลำดับทั้งอาร์เรย์แล้วหา index n-k ความซับซ้อน O(n log n)