开篇第一章引论的第一节提出一个问题：
“设有一组N个数而要确定其中第K个最大者”
并给出两种解法
全排序后返回K位置上的元素。平均复杂度O(NLogN)
再建立一个临时数组，从N中读取K个数，全排序，然后依次读入其余N - K个数进来和第K名比较，大于K的值则插入到合适位置，只待循环完毕返回K位置元素。平均复杂度O(KLogK + (N - K))
这两种方法在N=100万，K=50万时速度都尤其“漫长“，往往让人抓耳挠腮，作者讲叙到还有一种算法1秒钟就可以得出答案。该算法原理和快速排序一致，但只有一个方向的递归。平均复杂度O(N)。
先选取一个中值元素（该中值是否合理将影响到算法效率），然后将大于等于该数的元素放到其左侧，小于该数的放到右侧，如7 4 6 8 0 -1 选取6作为中值元素，则结果应该为4 0 -1 6 8 7，接下来比较K值和现在的中值元素6所在索引(3)，如何小于3，则只需在索引0~2间再进行递归操作继续选取第K名，大于3则在4~5中递归选取第K - 3名即可。还有一关键是该为递归中的数组长度选取一临界点，小于该临界则进行选择排序，插入排序即可，比如20以内。
算法真是精妙，赶紧学习。
作者的说的是用简单的算法排序排序，例如冒泡法，所以复杂度是O(N^2)。如果用O(nlogn)的排序算法，在N=1000000的时候和O(N)的算法差距是大约20倍，体现不出优越性来。
第二种算法也没有O(klogk+N-k)那么快的。第二阶段如果排序好的序列用数组实现，那么最坏情况是(N-k)(logk + k) (二分法查找插入位置，每次都插入在最前，一共N-k次)，如果用链表实现，那么最坏情况是(N-k)(k+C)。然后再加上排序的O(k^2)。