摩尔投票法：针对数组中众数的算法

文章转自：https://mabusyao.iteye.com/blog/2223195

摩尔投票法

提问： 给定一个int型数组，找出该数组中出现次数最多的int值。

解决方案： 遍历该数组，统计每个int值出现次数，再遍历该集合，取出出现次数最大的int值。

这算是一个比较经典的解决办法，其中可能会用到Map来做统计。如果不使用Map，则时间复杂度会超过线性复杂度。除此之外，也没有什么特别好的办法。

今天在leetcode上遇到这样一道题目，

提问： 给定一个int型数组，找出该数组中出现次数大于数组长度一半的int值。

解决方案： 遍历该数组，统计每个int值出现次数，再遍历该集合，找出出现次数大于数组长度一半的int值。

同样的，该解决办法也要求使用Map，否则无法达到线性的时间复杂度。

那么对于这个问题，有没有什么不使用Map的线性算法呢？

答案就是今天我们要提到的摩尔投票法。利用该算法来解决这个问题，我们可以达到线性的时间复杂度以及常量级的空间复杂度。

首先我们注意到这样一个现象： 在任何数组中，出现次数大于该数组长度一半的值只能有一个。

通过数学知识，我们可以证明它的正确性，但是这并不在我们这篇博客里涉及。

摩尔投票法的基本思想很简单，在每一轮投票过程中，从数组中找出一对不同的元素，将其从数组中删除。这样不断的删除直到无法再进行投票，如果数组为空，则没有任何元素出现的次数超过该数组长度的一半。如果只存在一种元素，那么这个元素则可能为目标元素。

那么有没有可能出现最后有两种或两种以上元素呢？根据定义，这是不可能的，因为如果出现这种情况，则代表我们可以继续一轮投票。因此，最终只能是剩下零个或一个元素。

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c以及其出现次数f©，c即为当前阶段出现次数超过半数的元素。根据这样的定义，我们也可以将摩尔投票法看作是一种动态规划算法。

程序开始之前，元素c为空，f©=0。遍历数组A：

• 如果f©为0，表示截至到当前子数组，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c存在，那么c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c赋值为当前元素, 同时f©=1。

• 如果当前元素A[i] == c, 那么f© += 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A[i] != c，那么f© -= 1 (相当于删除1个c)，不对A[i]做任何处理(相当于删除A[i])

如果遍历结束之后，f©不为0，则找到可能元素。

再次遍历一遍数组，记录c真正出现的次数，从而验证c是否真的出现了超过半数。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)。

public int majorityElement(int[] nums) {
        int count=0;
        int res=0;
        for(int i=0;i<nums.length;i++){
            if(count==0){
                res=nums[i];
                count++;
            }
            else{
                if(nums[i]==res)
                    count++;
                else
                    count--;
            }
        }
        return res;
    }