description
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.
解读
找出数组中出现次数超过半数的主元素(肯定存在)
solution
O(n2) 暴力查找
对每一个数都统计出现过的次数,若超过一半则返回该数
这是我第一直觉想到的方法,但是时间开销过大,在OJ上会超时
class Solution {
public:
int majorityElement(vector<int>& nums) {
for (int i = 0; i < nums.size(); i++) {
int count = 0;
for (int j = 0; j < nums.size(); j++) {
if (nums[i] == nums[j])
count++;
if (count > floor(nums.size()/2))
return nums[i];
}
}
}
};
O(nlogn) 分治法
分治解法:
首先将序列平均分成两半,分别找出每一半的主元素。如果两个主元素相等,则直接返回其中一个;否则遍历完整序列,返回两个主元素中出现次数多的那个主元素。
边界条件:序列只有一个元素时,直接返回该元素。
class Solution {
public:
int majorityElement(vector<int>& nums) {
return majority(nums, 0, nums.size() - 1);
}
private:
int majority(vector<int>& nums, int left, int right) {
if (left == right) return nums[left];
int mid = left + ((right - left) >> 1);
int lm = majority(nums, left, mid);
int rm = majority(nums, mid + 1, right);
if (lm == rm) return lm;
int lc = 0;
int rc = 0;
for (int i = left; i <= right; i++) {
if (nums[i] == lm) lc++;
if (nums[i] == rm) rc++;
}
return lc > rc? lm: rm;
}
};
分治法还不算是最优的解法,下面是查阅资料得到的
O(n) Moore’s voting算法1
算法的基本思想
每次都找出一对不同的元素,从数组中删掉,直到数组为空或只有一种元素。 不难证明,如果存在元素e出现频率超过半数,那么数组中最后剩下的就只有e。
当然,最后剩下的元素也可能并没有出现半数以上。比如说数组是[1, 2, 3],最后剩下的3显然只出现了1次,并不到半数。排除这种false positive情况的方法也很简单,只要保存下原始数组,最后扫描一遍验证一下就可以了。
实现描述
因此我们可以考虑在遍历数组的时候保存两个值:一个是数组中的一个数字,一个是次数。
当我们遍历到下一个数字的时候,如果下一个数字和我们之前保存的数字相同,则次数加1。如果下一个数字和我们之前保存的数字不同,则次数减1(删除不同的一对数)。
如果次数为零,我们需要保存下一个数字,并把次数重新设为1。
实现
class Solution {
public:
int majorityElement(vector<int>& nums) {
int majorElmt = nums[0];
int count = 0;
for (int i = 0; i < nums.size(); i++) {
if (count == 0) {
majorElmt = nums[i];
}
if (majorElmt == nums[i])
count++;
else
count--;
}
return majorElmt;
}
};
其他方法
sorting
O(nlogn)
Randomization
O(n)
Bit manipulation位运算
O(n)