蓝桥杯备赛(10)——矩阵中找最多的数

题目概述 

/*
问题描述
在一个n × m 的矩阵中，有一个数字出现了超过一半的次数。请设计一个高效算法找到这个数字。

输入格式
输入第一行包含两个整数n 和 m，表示短阵的大小(1<=n,m<=10^3)。
接下来 n 行，每行包含 m 个正整数，表示矩阵中的元素。

输出格式
输出一个整数，表示矩阵中出现次数超过一半的数字。

样例输入
3 3
1 2 3
2 2 2
1 2 2

样例输出
2
*/

解法一

分析

利用摩尔投票算法（Boyer-Moore Voting Algorithm）的变体来找到一个可能的候选数字，然后再次遍历数组来验证这个数字是否确实出现了超过一半的次数。

关键代码

首先定义了一个findMajorityElement方法，它接受一个二维矩阵作为输入，并返回矩阵中出现次数超过一半的数字。该方法首先将二维矩阵转换为一维数组，然后调用findCandidate方法找到可能的候选数字，最后调用verifyMajority方法来验证这个数字是否确实出现了超过一半的次数。

private static int findMajorityElement(int[][] matrix) {
        if (matrix == null || matrix.length == 0 || matrix[0].length == 0) {
            return -1;
        }
        // flattenMatrix方法可以将二维矩阵转换为一维数组
        int[] flattened = flattenMatrix(matrix);
        int candidate = findCandidate(flattened);

        // 验证候选数字是否确实出现次数超过一半
        return verifyMajority(candidate, flattened) ? candidate : -1;
    }

flattenMatrix方法：将二维矩阵转换成一维数组

private static int[] flattenMatrix(int[][] matrix) {  
        int rows = matrix.length;  
        int cols = matrix[0].length;  
        int[] flattened = new int[rows * cols];  
        int index = 0;  
        for (int[] row : matrix) {  
            for (int num : row) {  
                flattened[index++] = num;  
            }  
        }  
        return flattened;  
    }  

findCandidate方法：使用摩尔投票算法来找到一个可能的候选数字。它遍历数组，并使用count变量来跟踪当前候选数字的“得票数”。如果count变为0，则当前遍历到的数字成为新的候选数字。如果当前数字与候选数字相同，则count加1；否则，count减1。遍历结束后，candidate变量将包含可能的候选数字。

 private static int findCandidate(int[] nums) {  
        int count = 0;  
        int candidate = -1;  
        for (int num : nums) {  
            if (count == 0) {  
                candidate = num;  
            }  
            count += (num == candidate) ? 1 : -1;  
        }  
        return candidate;  
    }  

verifyMajority方法用于验证候选数字是否确实在数组中出现了超过一半的次数。它遍历数组并计算候选数字出现的次数，然后与数组长度的一半进行比较。

private static boolean verifyMajority(int candidate, int[] nums) {  
        int count = 0;  
        for (int num : nums) {  
            if (num == candidate) {  
                count++;  
            }  
        }  
        return count > nums.length / 2;  
    }  

时间复杂度分析

对于这种解法的时间复杂度分析，将二维矩阵转换为一维数组这一步因为我们需要遍历矩阵中的每一个元素来构建一维数组，其时间复杂度表示为O(nm)，接着找到候选数字，我们需要遍历整个一维数组，时间复杂度也是O(nm)，最后需要验证候选数字是否出现次数超过一半 ，这一步时间复杂度也O(nm)，合起来总的时间复杂度就是O(3nm)。

解法二

分析

这个解法是对上一个解法的优化，总的来说利用HashMap来存储每个数字的出现次数，并检查是否有数字的出现次数超过总元素数的一半。

关键代码

• 创建HashMap并统计每个数字的出现次数

创建一个HashMap，键为矩阵中的数字，值为对应数字的出现次数。使用for循环读取矩阵中的每个数字，并更新HashMap中对应数字的出现次数。map.getOrDefault(x,0)用于获取键x的当前值，如果x不存在则返回默认值0。

HashMap <Integer,Integer> map = new HashMap<>();  
for (int i = 1; i <= n*m; i++) {  
    int x = scan.nextInt();  
    map.put(x,map.getOrDefault(x,0)+1);  
}

• 检查并输出出现次数超过一半的数字

首先使用增强型for循环遍历HashMap的每一个条目（键值对）。

entry.getKey() 获取键（即矩阵中的数字）。

entry.getValue() 获取值（即该数字的出现次数）。

entry.getValue()*2>n*m：检查该数字的出现次数是否超过矩阵总元素数的一半。

最后输出出现次数最多的这个数字。

for (var entry : map.entrySet()){  
    if (entry.getValue()*2>n*m){  
        System.out.println(entry.getKey());  
    }  
}

时间复杂度分析

首先读取矩阵的行数和列数，时间复杂度为O(1)。接着读取矩阵中每个元素的值，并更新到HashMap中，矩阵中有nm个元素，因此我们需要进行nm次循环，每次循环中，我们使用map.put()方法更新HashMap，HashMap的put方法在平均情况下的时间复杂度是O(1)，所以这里的时间复杂度记为O(n*m)。最后遍历HashMap的条目，检查每个数字的出现次数，有有n*m个条目，这里的时间复杂度也是O(n*m)。综上所述，时间复杂度为O(n*m)。