一种简单的方法是创建一个大小为b的max堆。然后运行以下代码：

for arr in arrays // process each of the k arrays in turn
    for i = 0 to length(k)-1
        if heap.count < b
            heap.push(arr[i])
        else if (arr[i] < heap.peek())
            heap.pop()
            heap.push(arr[i])

这里的想法是用前b项填充max堆。然后，对于每一个其他项，如果它小于堆上最大的项，则用新项移除堆上最大的项。
处理完所有km项后，最小的b项在堆上，因为它是max堆，所以首先弹出的b-a项将是所有k数组中的ath到bth项。

// all items have been processed, take the first *b - a* items from the max heap
for i = 0 to (b-a-1)
   result[i] = heap.pop()

最坏的情况是使用o（b）额外内存，第一个循环为o（kmlogb），第二个循环为o（blogb）。
如果允许销毁源数组，可以编写一个自定义的quickselect，将k个数组作为单个数组进行索引。也就是o（km），使用o（k）额外内存作为间接索引。缺点是索引代码会稍微慢一些。当然，项目会在数组之间移动。您可能需要o（b）额外的内存作为返回值。渐近地，它比我最初的选择更有效。它能否跑得更快完全是另一个问题。
另一种可能性。在每个k数组上运行buildheap方法。也就是0（公里）。然后进行合并以选择前b项。合并需要：
o（logm）从源数组中删除每个项
o（logb）将每个项添加到合并堆
o（logb）从合并堆中删除每个项
第二步是o（b*（logm+logb+logb））。
这样就得到了o（km+b*（logm+logb+logb）），您将使用o（b）额外的内存。这是否会比最初的建议更快是值得怀疑的。这取决于b和m之间的关系。b值越大，速度越慢。而且代码编写起来要复杂得多。