leetcode169_Majority Element

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.

Example 1:

Input: [3,2,3]
Output: 3

Example 2:

Input: [2,2,1,1,1,2,2]
Output: 2

没想到什么巧妙的方法，所以先写了遍历。。

class Solution {
    public int majorityElement(int[] nums) {
        //先写个遍历吧
        int len=nums.length;
        int res=0;
        for(int i=0;i<len;i++){
            int count=1;
            int temp=nums[i];
            for(int j=0;j<len;j++){
                if(nums[i]==nums[j]&&i!=j){//注意如果初始count=1，则计数的时候需要避免i=j的重复
                    count++;
                }
            }
            if(count>len/2){
                res=temp;
                break;
            }
        }
        return res;
    }
}

参照网上的方法，hashmap方法：

//用hashmap去求解，时间17ms，比遍历快得多
public class Solution {
    public int majorityElement(int[] nums) {
        HashMap<Integer,Integer> maps = new HashMap<>();//新建一个索引和数值都是int的哈希图
        int val = 0;
        //用索引记录数字，数值记录次数。遍历一次数组，相同的时候次数加一，不同的时候新put一个节点。
        for(int i = 0;i<nums.length;i++){
            val = nums[i];
            if(!maps.containsKey(val))
                maps.put(val,0);//新建元素赋值次数为0，后面在加1。加1的过程是公共的，不管新建元素还是老元素都要+1。
            int num = maps.get(val)+1;
            maps.replace(val,num);    //map.get(val)++;会报错，这两句可以把val对应的出现次数实现加一
            //hashmap中的replace(k,v)在指定的键已经存在并且有与之相关的映射值时才会将指定的键映射到指定的值（新值），在指定的键不存在时，方法会return回来一个null
            if(num>nums.length/2)//int本身就是向下取整  //在遍历的过程中判断是否超出长度
                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;
}
--------------------- 
作者：zdavb 
来源：CSDN 
原文：https://blog.csdn.net/zdavb/article/details/47837017 
版权声明：本文为博主原创文章，转载请附上博文链接！

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 https://gregable.com/2013/10/majority-vote-algorithm-find-majority.html
证明2 http://www.cs.rug.nl/~wim/pub/whh348.pdf