优化使用Priority Queue挑选Kth Largest

当使用Priority Queue排序找出第K个最大的对象时，一般做法是将对象按从大到小排列在队列里，然后pop out K个。这个做法的时间复杂度是O(NlogN)。

    //time: O(NlogN)   space: O(N)
    public int findKthLargestMaxHeap(int[] nums, int k) {
        //large number first
        PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>((n1, n2) -> -1*(n1 - n2));
        for(int i: nums) {
            maxHeap.add(i);
        }
        while(k>1) {
            maxHeap.poll();
            k--;
        }
        return maxHeap.poll();
    }

如果我们想要更有效率，其实可以将对象在队列里从小到大排列，并控制队列长度永远为K。当队列长度超过K时，推出队列头部最小的值，保证队列中的值永远是K个到目前为止的最大值。
这样做的话，因为队列长度永远是K，所以每次插入Priority Queue的时间复杂度是O(logK)，故处理完所有数据时间复杂度为O(NlogK)。
返回的时候只要取队列头部的值就行了。

    //time: O(NlogK)   space: O(K)
    public int findKthLargestMinHeap(int[] nums, int k) {
        //small number first
        PriorityQueue<Integer> minHeap = new PriorityQueue<Integer>();
        for(int i: nums) {
            minHeap.add(i);
            if (minHeap.size()>k) {
                minHeap.poll();
            }
        }
        return minHeap.poll();
    }

其实还可以在O(N)找到Kth Largest -- Quick Select