题目及要求
给定一个大小为 n 的数组 nums ,返回其中的多数元素。多数元素是指在数组中出现次数 大于 ⌊ n/2 ⌋ 的元素。
你可以假设数组是非空的,并且给定的数组总是存在多数元素。
示例 1:
输入:nums = [3,2,3]
输出:3
示例 2:
输入:nums = [2,2,1,1,1,2,2]
输出:2
提示:
n == nums.length
1 <= n <= 5 * 104
-109 <= nums[i] <= 109
进阶:尝试设计时间复杂度为 O(n)、空间复杂度为 O(1) 的算法解决此问题。
暴力算法
思路:暴力循环,全部枚举从第一个元素开始全部枚举一遍并计算次数,每次一个元素结束后都进行最大值的对比,最后留下来的就是结果
时间复杂度为:O(n^2)
空间复杂度为:O(1)
这个方法可行,但是会超时
class Solution {
public:
int majorityElement(vector<int>& nums) {
int majority = 0; // 初始化多数元素
int maxCount = 0; // 初始化最大出现次数
for (int i = 0; i < nums.size(); ++i) {
int count = 0; // 用于统计当前元素出现次数
for (int j = 0; j < nums.size(); ++j) {
if (nums[j] == nums[i]) {
count++; // 统计当前元素出现次数
}
}
if (count > maxCount) {
maxCount = count;
majority = nums[i];
}
}
return majority;
}
};
哈希算法
思路:通过使用哈希表记录每个元素的出现次数,并在遍历过程中判断元素是否出现次数超过一半,从而找到并返回出现次数超过一半的主要元素。如果没有这样的元素,则返回
-1 时间复杂度为:O(n) 空间复杂度为:O(n)
class Solution {
public:
int majorityElement(vector<int>& nums) {
unordered_map <int,int> mp;
for(int n:nums)
if(++ mp[n] > nums.size()/2) return n;
return -1;
}
};
摩尔投票解法
思路:在摩尔投票算法中,当我们遍历数组时,遇到与候选多数元素不同的元素时,计数器 count 会减少。如果计数器 count
减到0,说明之前计数的候选多数元素不再是多数元素的候选者。
这个算法的核心在于,由于多数元素出现的次数超过了数组长度的一半,因此它的出现次数必定大于其他所有元素的出现次数之和。
时间复杂度为:O(n)
空间复杂度为:O(1)
class Solution {
public:
int majorityElement(vector<int>& nums) {
int count = 0;
int majority;// 定义一个变量用来存储候选多数元素
int n=nums.size();
for (int i = 0;i < n;++i) {
int num = nums[i];// 取出当前位置的元素
if (count == 0) {// 如果计数器为0,则将当前元素设置为候选多数元素
majority = num;
}
if (num == majority) {
count++;
} else {
count--;
}
}
return majority;// 返回候选多数元素作为结果
}
};