分治法求众数

目录

一、目的

二、设计思路

三、算法描述：

四、时间复杂度分析

五、流程图

六、实验步骤和调试过程

---

一、目的

能够正确地应用分治算法解决众数问题，对边界值测试效果，能正确得分析算法时间复杂度。

二、设计思路

将求一个数组中的众数，分解成若干个求一个数组中中位数数量的小问题，利用分治算法求解各个小问题。

三、算法描述：

1. 用algorithm 库中的sort 函数将随机数数组排序
2. mid =(right +left)/2计算出中位数
   1. 检索出mid左侧相同的数数量sum
   2. 检索出mid右侧相同的数数量累加sum
3. 比较sum与maxsum
   1. 若大于则清空vector，并存入sum
   2. 若若等于则将sum存入vector
4. 若左侧数大于sum继续递归
   1. 若右侧数大于sum继续递归

四、时间复杂度分析

假定n=2^k，将递推式扩展：

T1(n)=2T(n/2)+1

    =2*2T(n/4)+1+1

    =2*2*2T(n/8)+1+1+1

    ......

    =2^k*T(1)+n

    =2n

时间复杂度为T(n)=T1(n)+T2(n)=O(nlogn)

五、流程图

六、实验步骤和调试过程

1. 测试数据及结果分析

测试数据规模为：

规模	1000000	2000000	3000000	4000000	5000000	6000000	7000000	8000000	9000000
时间（ms）	244	502	824	1023	1258	1503	1876	2058	2257

散点图如下：

七、代码

#include <iostream>
#include <vector>
#include <algorithm>

using namespace std;

vector<int> z;
int maxsum = -1;

void findMode(int number[], int left, int right) {
    if (left >= right) {
        return;
    }

    int mid = (left + right) / 2;
    int count = 1;

    for (int i = mid + 1; i <= right && number[mid] == number[i]; ++i) {
        count++;
    }

    for (int j = mid - 1; j >= left && number[mid] == number[j]; --j) {
        count++;
    }

    if (count > maxsum) {
        z.clear();
        maxsum = count;
        z.push_back(number[mid]);
    } else if (count == maxsum) {
        z.push_back(number[mid]);
    }

    if (maxsum <= mid - left) {
        findMode(number, left, mid - 1);
    }
    if (maxsum <= right - mid) {
        findMode(number, mid + 1, right);
    }
}