使用最小堆 (min-heap) 来解决该问题
代码逻辑：
-
初始化最小堆并插入前 K 个元素：
- 首先，将数组的前 K 个元素插入到堆中。此时，堆的大小为 K，堆顶元素是这 K 个元素中最小的。
-
遍历剩余的数组元素：
- 对于数组的其余元素（从第 K 个元素开始），我们逐个与堆顶元素进行比较。
- 如果当前元素比堆顶元素大，则说明它有可能是更大的元素之一，此时我们移除堆顶的最小元素，并将当前元素插入堆中。这样可以保持堆中总是存放着 K 个最大的元素。
-
返回堆顶元素：
- 最后，堆顶元素就是这 K 个最大的元素中最小的，也就是数组中的第 K 大元素。
代码示例：
class Solution {public int findKthLargest(int[] nums, int k) {// 初始化大小为K的最小堆PriorityQueue<Integer> minHeap = new PriorityQueue<>(k); // 先将前K个元素加入堆中for(int i = 0; i < k; ++i) {minHeap.offer(nums[i]);}// 遍历剩余的元素for(int i = k; i < nums.length; ++i) {// 如果当前元素大于堆顶元素，则替换堆顶元素if(nums[i] > minHeap.peek()) {minHeap.poll(); // 弹出堆顶最小元素minHeap.offer(nums[i]); // 插入当前元素}}// 堆顶元素即为第K大的元素return minHeap.peek();}
}
逻辑解释：
-
前 K 个元素入堆：在初始化阶段，先将前 K 个元素放入堆中，这一步确保了堆的初始状态是我们想要的（即包含前 K 个元素中的最小值）。
-
比较和替换：之后，遍历数组中剩余的元素，对于每个元素，我们都与堆顶的最小元素进行比较。只有当当前元素大于堆顶元素时，才会进行替换操作，这样可以确保堆中存放的始终是 K 个最大的元素。
-
返回结果：最终，当所有元素遍历完毕，堆顶元素就是这 K 个最大元素中的最小值，也就是数组中的第 K 大元素。
更容易理解的原因：
- 分步操作：先填充 K 个元素，然后逐步检查和替换剩余元素。将这两部分逻辑分开后，代码的意图非常明确。
- 显式的比较：通过
nums[i] > minHeap.peek()来进行比较，显式地告诉读者当前元素是否应该被插入到堆中，这样逻辑显得更加直观。 - 清晰的堆维护：对于每一个新元素，如果它大于堆顶元素，就替换堆顶，使得堆始终维护着当前 K 个最大的元素。
