在C ++中，映射比堆有什么优势

Question

目前，我在数据结构上遇到问题，并且我有一个问题，我必须在数组中找到第k个最大元素。 实际的问题在这里： https : //www.geeksforgeeks.org/kth-smallestlargest-element-unsorted-array/ 。

我以两种不同的方式使用堆做了这个问题，第二种是使用地图。

我的解决方案使用地图。

   int t;
cin>>t;
while(--t>=0){
int n,k;
cin>>n;
vector<int> A(n);
for(int i=0;i<n;i++){
cin>>A[i];
 }
cin>>k;
map<int,int> m;
for(int i=0;i<n;i++){
    m[A[i]]++;
}
auto it=m.begin();
for(int i=1;i<=k-1;i++){
    it++;
}
cout<<it->first<<endl;

但我的地图解决方案给出了超过时间限制。 根据我的说法，地图解决方案的时间复杂度为（n + klog（n）），与堆解决方案相同。 那么，为什么地图解决方案赋予TLE？

Answer 1

没有看到您的堆版本，我可能会认为映射的分配是造成问题的原因。 每个节点都需要分配，这意味着有一个锁和一些其他管理。

而且您必须在内部遵循地图数据结构中的指针，而在堆中通常不是这种情况。

用大O表示法不会增加任何时间，但实际上每个方法都会使程序运行变慢。

Answer 2

使用地图的解决方案的时间复杂度为O（k + nlog（n））。 每次插入std::map都会花费log（n）时间，并且您正在执行'n'插入。 单独插入的时间复杂度将花费O（nlog（n））时间。

有关将元素插入std::map更多信息，请参见http://www.cplusplus.com/reference/map/map/insert/ 。

Answer 3

该算法的一个简单改进是存在一个“技巧”：*如果只需要打印“ k”个元素，则只需要记住“ k”个最大元素。 这样，插入操作就不会超过O（log k）而不是O（log n）。 k大概比n小得多

因此，与其将所有内容插入到越来越大的地图中（越来越慢-您提到时间限制），不如将其插入地图。 更改代码以一次删除地图中的最小元素（map.size（）> = k）：

    map<int,int> m;
    for(int i = 0; i < n ; i++) {
        m[A[i]]++;
        if(m.size() > k) {           // <<<<<<<<
             m.erase(m.begin())      // <<<<<<<<
        }
    }