给定一个大小为 n 的数组,找到其中的多数元素。多数元素是指在数组中出现次数大于 ⌊ n/2 ⌋ 的元素。
你可以假设数组是非空的,并且给定的数组总是存在多数元素。
示例 1:
输入: [3,2,3]
输出: 3
示例 2:
输入: [2,2,1,1,1,2,2]
输出: 2
摩尔投票法思路
候选人(cand_num)初始化为nums[0],票数count初始化为1。
当遇到与cand_num相同的数,则票数count = count + 1,否则票数count = count - 1。
当票数count为0时,更换候选人,并将票数count重置为1。
遍历完数组后,cand_num即为最终答案。
为何这行得通呢?
投票法是遇到相同的则票数 + 1,遇到不同的则票数 - 1。
且“多数元素”的个数> ⌊ n/2 ⌋,其余元素的个数总和<= ⌊ n/2 ⌋。
因此“多数元素”的个数 - 其余元素的个数总和 的结果 肯定 >= 1。
这就相当于每个“多数元素”和其他元素 两两相互抵消,抵消到最后肯定还剩余至少1个“多数元素”。
无论数组是1 2 1 2 1,亦或是1 2 2 1 1,总能得到正确的候选人。
class Solution {
public int majorityElement(int[] nums) {
int cand_num = nums[0], count = 1;
for (int i = 1; i < nums.length; ++i) {
if (cand_num == nums[i])
++count;
else if (--count == 0) {
cand_num = nums[i];
count = 1;
}
}
return cand_num;
}
}
给定一个大小为 n 的数组,找出其中所有出现超过 ⌊ n/3 ⌋ 次的元素。
说明: 要求算法的时间复杂度为 O(n),空间复杂度为 O(1)。
示例 1:
输入: [3,2,3]
输出: [3]
示例 2:
输入: [1,1,1,3,3,2,2,2]
输出: [1,2]
func majorityElement(_ nums: [Int]) -> [Int] {
var result = [Int]()
if nums.count < 1 {return result}
if nums.count == 1 {
result.append(nums[0])
return result;
}
var cand1 = nums[0], cand2 = nums[0]
var count1 = 0, count2 = 0
// 配对阶段
for num in nums {
if cand1 == num {
count1 += 1
continue
}
if cand2 == num {
count2 += 1
continue
}
if count1 == 0 {
cand1 = num
count1 += 1
continue
}
if count2 == 0 {
cand2 = num
count2 += 1
continue
}
count1 -= 1
count2 -= 1
}
// 计数阶段
count2 = 0; count1 = 0
for num in nums {
if cand1 == num {
count1 += 1
}else if cand2 == num {
count2 += 1
}
}
if count1 > nums.count / 3 {
result.append(cand1)
}
if count2 > nums.count / 3 {
result.append(cand2)
}
return result
}
给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
示例:
输入: [-2,1,-3,4,-1,2,1,-5,4]
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。
进阶:
如果你已经实现复杂度为 O(n) 的解法,尝试使用更为精妙的分治法求解。
在未排序的数组中找到第 k 个最大的元素。请注意,你需要找的是数组排序后的第 k 个最大的元素,而不是第 k 个不同的元素。
示例 1:
输入: [3,2,1,5,6,4] 和 k = 2
输出: 5
示例 2:
输入: [3,2,3,1,2,4,5,5,6] 和 k = 4
输出: 4
private static void HeapSort(int[] nums, int k) {
// 安全判断
if (nums == null || nums.Length == 0) return;
// 构建大顶堆
BuildHeap(nums);
// 每一次重构顶堆,我们都会把当前的最大值给“沉”到堆尾,即排序完一个当前最大值
// 而最后一个当前最大值就不需要排序了(即最小值),因为前面排完,最后一个就自动确定了
// 所以要排完整个长度为 n 的序列,需要重构顶堆 n - 1 次
int len = nums.Length - 1;
//我们只需遍历 K 次就可以把得到第 K 个最大元素
for (int i = nums.Length - 1; i > nums.Length - 1 - k; i--) {
// 交换堆顶与堆尾,把当前最大值“沉”到最下面
Swap(nums, 0, i);
// 因为每重构一次,当前最大值都会被“沉”到 当前的最后一层
// 所以每重构一次,要 len--,防止最大值又被重构到最顶层
Heapify(nums, 0, len--);
}
}
private static void BuildHeap(int[] nums) {
int start = nums.Length / 2 - 1;
for (int i = start; i >= 0; i--) {
Heapify(nums, start, nums.Length);
}
}
private static void Heapify(int[] nums, int i, int len) {
int left = 2 * i + 1;
int right = 2 * i + 2;
int largestIndex = i;
if (left < len && nums[left] > nums[largestIndex]) {
largestIndex = left;
}
if (right < len && nums[right] > nums[largestIndex]) {
largestIndex = right;
}
if (largestIndex != i) {
Swap(nums, largestIndex, i);
Heapify(nums, largestIndex, len);
}
}
private static void Swap(int[] nums, int i, int j) {
nums[i] ^= nums[j];
nums[j] ^= nums[i];
nums[i] ^= nums[j];
}