Moore’s voting algorithm

 

这个算法是解决这样一个问题：从一个数组中找出出现半数以上的元素

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。

我们可以删除数组元素，但这种方法不方便，我们利用移动数组的下标，初始下标指向第1个元素，往后排查，当发现两个数不同时，下标往后移位，当有两个元素相同时，下标不再移动；下面是C++实现的具体代码：

#include <iostream>
#include <vector>
using namespace std;
int majorityElement1(vector<int> &num);
void main()
{
	int a[10]={5,5,4,5,9,5,3,5,7,5};
	vector<int >b(a,a+10);
	int majority=majorityElement1(b);
	cout<<majority;
}
int majorityElement1(vector<int> &num)
{
	int majority=0;
	int count=1,i;
	for (count=1,i=1;i<num.size();i++)
	{
		num[majority]==num[i]?count++:count--;
		if (count==0)
		{
			majority=i;
			count=1;
		}
	}
	return num[majority];
}

 

算法的实现

在算法执行过程中，我们使用常量空间实时记录一个候选元素下标majority以及其出现次数count，majority即为当前阶段出现次数超过半数的元素下标。

在遍历开始之前，该元素出现次数为0，count=0。

然后在遍历数组A时，如果count为0，表示当前并没有候选元素，也就是说之前的遍历过程中并没有找到超过半数的元素。那么，如果超过半数的元素存在，那么num[majority]在剩下的子数组中，出现次数也一定超过半数。因此我们可以将原始问题转化为它的子问题。此时majority赋值为当前元素下标, 同时count=1。

如果当前元素num[i] == num[majority], 那么count += 1。(没有找到不同元素，只需要把相同元素累计起来)

如果当前元素num[i] != num[majority], 那么count -= 1。 (相当于删除1个count)，不对num[i]做任何处理(相当于删除num[i])

如果遍历结束之后，count不为0，那么元素num[majority]即为寻找的元素。上述算法的时间复杂度为O(n)，而由于并不需要真的删除数组元素，我们也并不需要额外的空间来保存原始数组，空间复杂度为O(1)。