目录
1.引入
2.摩尔投票算法
3.具体步骤
3.1抵消阶段
3.2检验过程
4.代码实现
5.总结
1.引入
今天做题看到一个解题思路真的看不懂,一艘才知道是这个算法。
int majorityElement(int* nums, int numsSize) {
int note=nums[0];
int count=1;
for(int i=1;i<numsSize;i++){
if(nums[i]==note){
count++;
}
else{
count--;
if(count<0){
note=nums[i];
count=1;
}
}
}//of for
return note;
}
第一种方法就是遍历数组的每一个元素,统计出现的次数。O(n^2)的时间复杂度
第二种方法是排序,我们可以先对数组进行排序,然后判断中间的数是否满足条件,这种做法时间复杂度最低为O(nlogn)。
第三种做法是用哈希表记录元素出现的次数,然后遍历哈希表寻找满足条件的元素,此时时间复杂度为O(n),空间复杂度为O(n)。
2.摩尔投票算法
摩尔投票法又称多数投票法,主要用于解决一个数组中的众数(要求数量超过数组长度的二分之一)的问题。它的原理如下:
我们将数组的元素想象成一张张选票,数字代表候选人的序号,每次从数组中取两个元素,如果两个元素相同,则选票数进行累加;如果不相同,则选票进行抵消,直到遍历完整个数组。如果数组中存在符合要求的候选人,则最后剩下的选票一定是最终候选人的序号。(极限一换一规则)
3.具体步骤
3.1抵消阶段
本阶段将数组的元素(候选人)进行抵消。我们先定义候选人major为第一个元素,然后设置计数器count为1,向后进行遍历,当后续元素和major相等,则count++,否则count--。如果count为0时,就将候选人major改为下一个元素,count置1,以此循环直到数组遍历完毕。如果数组中存在出现次数大于n/2的元素,则最后major一定是这个元素。动图如下:
3.2检验过程
由于我们不知道数组是否存在符合条件的多数元素,所以需要对最后的major进行检验。例如数组为【1,2,3】,最后求出的major为3,但3显然不是数组的多数元素。所以还需遍历一遍数组判断major出现次数是否大于n/2。
4.代码实现
int majorityElement(int* nums, int numsSize){
//抵消阶段
int count = 1;
int major = nums[0];
for (int i = 1; i < numsSize; i++){
if (count != 0){
if (nums[i] == major){
count++;
}else{
count--;
}
}else{
major = nums[i];
count = 1;
}
}//of for
//检验阶段
int n = 0;
for (int i = 0; i < numsSize; i++){
if (major == nums[i]){
n++;
}
}
if (n > numsSize / 2){
return major;
}else{
return -1;
}
}
5.总结
通过以上两道题目,我们了解了摩尔投票算法适用于寻找一个数组中出现次数超过一定比例的元素。
当题目要找出出现次数超过1/2的元素,则至多有1个元素满足
当题目要找出出现次数超过1/3的元素,则至多有2个元素满足
当题目要找出出现次数超过1/4的元素,则至多有3个元素满足
当题目要找出出现次数超过1/n的元素,则至多有n-1个元素(n>=2)满足
至多有n个元素满足,我们就用n个变量和n个计数器来维护这n个元素。当数组遍历完后,还需再次检验这n个元素是否满足题目要求。