问题描述:
Given an array of size n, find the majority element. The majority element is the element that appears more than ⌊ n/2 ⌋ times.
You may assume that the array is non-empty and the majority element always exist in the array.
Credits:
Special thanks to @ts for adding this problem and creating all test cases.
思路1:我第一眼的想法就是使用hash,再转一想没发现更好的办法,就直接用hash的。
代码如下:528ms
public class Solution {
public int majorityElement(int[] nums) {
HashMap<Integer,Integer> maps = new HashMap<>();
int val = 0;
for(int i = 0;i<nums.length;i++){
val = nums[i];
if(!maps.containsKey(val))
maps.put(val,0);
int num = maps.get(val)+1;
maps.replace(val,num);
if(num>nums.length/2)
break;
}
return val;
}
}
思路2:利用 Moore’s Voting Algorithm,这个算法理解起来需要一些trick,先把代码贴出来,这个算法只需要O(n)的时间复杂度和O(1)的空间复杂度。
代码如下:8ms
int majorityElement(int* nums, int numsSize) {
int majority;
int count = 0;
for(int i = 0;i<numsSize;i++){
if(!count){
majority = nums[i];
}
majority==nums[i]? count++:count--;
if(count>=numsSize/2+1)
break;
}
return majority;
}
关于Moore’s Voting Algorithm
这个算法主要希望解决如下问题:
给定一个序列,查看里面是否有大多数的元素(majority,>=n/2),如果有找出最大的元素。
为了解决该问题,moore 算法需要进行两次遍历,第二次遍历是对第一次的结果的验证。
第一次遍历是:从0到n,先判断count是否为0,如果count=0,那么当前元素就设为大多数元素,然后接下来比较majority是否与当前元素相同,相同,count++,否则count–。最后的元素即为候选majority,
然后在第二遍遍历确认。当然对本题而言就不需要第二步了。
如何证明它呢?
那我们想,如果一个序列里面有k个majority,那么就有n-k个non-majority,我们不妨将non-majority当作一个整体,变成同一数(并不会影响程序的正确性)。那么此时序列里面就变成了两种元素。
不失一般性,不妨令第一个元素为majority(此时恰好为non-majority的元素)。那么count最多到n-k。再然后就一定是majority的元素,那么最多需要n-k个,count就会变成0,此时总共经历了2n-2k,还剩余2k-n个元素,因为k大于n/2,所以,剩余元素个数为正数,而且全为majority。
这里用了两个假设:第一个是将所有的non-majority作为一个整体,第二个相当于是做了一个排序。当然这种证明方法是不够科学的,分享两个链接:证明1
证明2
更新:这道题我以为我理解了,但是在做majority numberII时发现还是不会,在另外一篇博客中,我写的更详细一点。参考博客