摩尔投票算法原理&实现一文剖析

GG不是gg

已于 2025-06-02 23:13:07 修改

阅读量1.3k

点赞数 39

分类专栏：数据结构与算法分析 # 算法分析与设计文章标签：算法

于 2025-06-02 23:10:42 首次发布

本文链接：https://blog.csdn.net/weixin_45562399/article/details/148388456

版权

数据结构与算法分析同时被 2 个专栏收录

51 篇文章

订阅专栏

算法分析与设计

38 篇文章

订阅专栏

#王者杯·14天创作挑战营·第2期#

摩尔投票算法原理&实现一文剖析

摩尔投票法（Boyer-Moore Voting Algorithm）是一种高效的算法，主要用于在数组中寻找出现次数超过一半的元素，即多数元素。该算法由Robert S. Boyer和J Strother Moore在1981年提出，其时间复杂度为O(n)，空间复杂度为O(1)，是处理这类问题的最优解法。本文我将为你详细介绍摩尔投票法的原理、实现及应用场景。

一、算法原理

1.1 基本思想

摩尔投票法的核心思想是基于这样一个观察：如果一个元素在数组中出现次数超过一半，那么该元素的出现次数一定比其他所有元素的出现次数总和还要多。

算法通过维护两个变量来实现：

候选元素（candidate）：记录当前可能的多数元素
计数（count）：记录候选元素的相对出现次数

算法的执行过程可以分为两个阶段：

投票阶段：遍历数组，对每个元素进行投票。如果当前元素与候选元素相同，则计数加1；否则计数减1。当计数减为0时，更换候选元素为当前元素，并将计数重置为1。
验证阶段：遍历结束后，得到的候选元素需要再次验证是否真的出现次数超过一半（在某些题目中，可能需要这一步骤，但在明确存在多数元素的情况下可以省略）。

1.2 数学原理

假设数组长度为n，多数元素出现次数为m（m > n/2）。在投票过程中，每当遇到一个非候选元素时，计数减1，但由于多数元素的出现次数超过一半，即使每次遇到非候选元素都抵消一次，最终候选元素的计数仍会大于0。因此，最终得到的候选元素必然是多数元素。
摩尔投票法

二、算法实现

2.1 Python实现

def majorityElement(nums):
    """
    摩尔投票法实现，寻找数组中出现次数超过一半的元素
    """
    # 初始化候选元素和计数
    candidate = None
    count = 0
    
    # 投票阶段
    for num in nums:
        if count == 0:
            # 当计数为0时，更换候选元素为当前元素
            candidate = num
            count = 1
        elif num == candidate:
            # 当前元素与候选元素相同，计数加1
            count += 1
        else:
            # 当前元素与候选元素不同，计数减1
            count -= 1
    
    # 验证阶段（在明确存在多数元素的情况下可以省略）
    # 这里简单验证候选元素的出现次数是否超过一半
    count = 0
    for num in nums:
        if num == candidate:
            count += 1
    if count > len(nums) // 2:
        return candidate
    else:
        return None  # 实际上题目保证存在多数元素，不会执行到这一步

# 示例用法
nums = [2, 2, 1, 1, 1, 2, 2]
print("多数元素是:", majorityElement(nums))  # 输出: 2

2.2 Java实现

public class BoyerMooreVoting {
    public static int majorityElement(int[] nums) {
        // 初始化候选元素和计数
        int candidate = 0;
        int count = 0;
        
        // 投票阶段
        for (int num : nums) {
            if (count == 0) {
                candidate = num;
                count = 1;
            } else if (num == candidate) {
                count++;
            } else {
                count--;
            }
        }
        
        // 验证阶段（在明确存在多数元素的情况下可以省略）
        count = 0;
        for (int num : nums) {
            if (num == candidate) {
                count++;
            }
        }
        if (count > nums.length / 2) {
            return candidate;
        } else {
            return -1;  // 实际上题目保证存在多数元素，不会执行到这一步
        }
    }
    
    public static void main(String[] args) {
        int[] nums = {2, 2, 1, 1, 1, 2, 2};
        System.out.println("多数元素是: " + majorityElement(nums));  // 输出: 2
    }
}

2.3 C++实现

#include <iostream>
#include <vector>
using namespace std;

int majorityElement(vector<int>& nums) {
    // 初始化候选元素和计数
    int candidate = 0;
    int count = 0;
    
    // 投票阶段
    for (int num : nums) {
        if (count == 0) {
            candidate = num;
            count = 1;
        } else if (num == candidate) {
            count++;
        } else {
            count--;
        }
    }
    
    // 验证阶段（在明确存在多数元素的情况下可以省略）
    count = 0;
    for (int num : nums) {
        if (num == candidate) {
            count++;
        }
    }
    if (count > nums.size() / 2) {
        return candidate;
    } else {
        return -1;  // 实际上题目保证存在多数元素，不会执行到这一步
    }
}

int main() {
    vector<int> nums = {2, 2, 1, 1, 1, 2, 2};
    cout << "多数元素是: " << majorityElement(nums) << endl;  // 输出: 2
    return 0;
}

三、复杂度分析

时间复杂度：O(n)，算法只需遍历数组两次（投票阶段一次，验证阶段一次），每次遍历的时间复杂度均为O(n)。
空间复杂度：O(1)，只需要常数级的额外空间来存储候选元素和计数。

四、应用场景

4.1 多数元素问题

摩尔投票法最典型的应用是解决LeetCode上的"多数元素"问题（题目编号169）：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。

4.2 扩展应用：寻找出现次数超过n/3的元素

摩尔投票法可以扩展用于寻找数组中出现次数超过n/3的元素（LeetCode题目编号229）。此时需要维护两个候选元素和对应的计数，基本思想类似，但在投票阶段需要更复杂的逻辑处理。

def majorityElement(nums):
    """
    寻找数组中出现次数超过n/3的元素
    """
    if not nums:
        return []
    
    # 初始化两个候选元素和计数
    candidate1, candidate2 = None, None
    count1, count2 = 0, 0
    
    # 投票阶段
    for num in nums:
        if num == candidate1:
            count1 += 1
        elif num == candidate2:
            count2 += 1
        elif count1 == 0:
            candidate1 = num
            count1 = 1
        elif count2 == 0:
            candidate2 = num
            count2 = 1
        else:
            count1 -= 1
            count2 -= 1
    
    # 验证阶段
    result = []
    threshold = len(nums) // 3
    for candidate in [candidate1, candidate2]:
        if nums.count(candidate) > threshold:
            result.append(candidate)
    
    return result

# 示例用法
nums = [3, 2, 3]
print("出现次数超过n/3的元素:", majorityElement(nums))  # 输出: [3]