找出出现次数大于等于总数一半的数 (O(1)空间 O(n)时间)

本文介绍了一种高效查找数组中出现次数超过一半的数字(众数)的算法。该算法通过模拟删除过程找到候选众数,并验证其是否符合条件。实现过程中使用了线性时间和常数空间复杂度的方法。

在不保证存在的情况下,先假设存在,若存在则每次删除两个不同的数字,最后的结果无非是全部删光,或者还剩一个,可以用一个数字个数的计数器模拟这个过程,模拟的复杂度是O(n)的,得到那个数字后,再O(n)扫一遍判断是否出现次数大于等于总数一半即可

class Gift {
public:
    int getValue(vector<int> gifts, int n) {
        // write code here
        int cnt = 0, num = 0;
        for (int i = 0; i < n; i ++) {
            if (cnt == 0) {
                num = gifts[i];
                cnt ++;
                continue;
            }
            if(num == gifts[i]) {
                cnt ++;    
            }
            else {
                cnt --;
            }
        }
        int pcnt = 0;
        for (int i = 0; i < n; i ++) {
            if (gifts[i] == num) {
                pcnt ++;
            }
            if (pcnt >= (n + 1) / 2)
                return num;
        }
        return 0;
    }
};



给定含有n个元素的多重集合S,每个元素在S中出现的次数称为该元素的重。多重集S中重最大的元素称为众。例如,S={1,2,2,2,3,5}。多重集S的众是2,其重为3。求众方法很多,现要求你用分治算法来试一试,并分析其效率。 编程任务:对于给定的由n个自然数组成的多重集S,采用分治算法编程计算S的众及其重。 输入格式: 第1行多重集S中元素个n;接下来的一行为集合S,有n个自然( n < 1000000 ) 输出格式: 结果输出:输出2个,第1为众,第2个为其重。当有多个同样重的众,优先输出值更小的的众。 输入样例: 6 1 2 2 2 3 5 输出样例: 2 3 提示 此题求众,若据规模n较小,则较为简单,解法较多。此题要求你用方法四,分治算法来实现。 解法一:(简单映射的解法) 用一个长度为最大元素值的数组作为n个元素出现重的计。这种方法时间复杂度为O(n),但空间复杂度较大些,空间依赖于原数组的规模。 解法二:(散列表映射的解法) 同解法一,只是采用散列表代替数组的映射,当散列表的负载因子小于0.5时,大部分情况下检索长度小于2,但若负载因子超过0.5,散列表性能也将下降。 解法三:(排序法) 将n个元素排序,相同元素将出现到一起,对排序后的数组从左到右一遍扫描,边扫描边统计,即可以找出具有最长相同元素序列的众。此方法由于要排序,时间复杂度做不到线性,需要O(nlogn)空间上需求较少,除了原数组外,只需要记录从左扫过来的当前出现最多的元素和当前出现最多元素出现的次数,可以认为空间需求O(1)。 解法四:(分治算法) 1,先求n个元素的中位及其位置(可以用书本上随机基准元素的快速选择算法实现中位选择),然后以中位做划分,划分出:比中位小(含另外相等中位分散在左段其间)的左段和比中位大(含另外相等中位分散在右段其间)的右段,此时要把数组中与中位相同的字靠拢,才可以统计中位(中位因相同可能存在多个),要聚拢与选择出的中位相等的其他分散在左段或右段中的其它中位,还需对左段和右段一遍扫描,将左段中最大元素往序列中间调(右调),右段中最小元素往序列中间调(左调),这样聚拢中位,并得到聚拢后中位的个; 2,此时数组被中间相等的中位分开成两部分,此时有递归的条件了: 先看左边,若中位的个比左边这段短,说明左边可能找到重更多的,所以对左边段的递归继续;反之,如果左边这段的长度更短,就没有必要对左段继续递归。对右边那段据采用同样的递归策略。当左右段都找到同样重(都大于中间中位,且重相等),优先输出左段的众时间效率分析:因为递归的两个子段都能以接近1/2倍率缩短,最坏情况下左右两段都要递归,所以T(n)=2T(n/2)+O(n) T(1)=1,因此T(n)=O(nlogn)。特别的,当中位是主元素时(元素个大于等于1/2的元素称为主元素),只需要O(n),一般情况下整个算法应该是介于O(n)和O(nlogn)之间。空间上,除了原数组以外无需太多辅助的空间。 以上方法,方法4在实现上比方法3麻烦很多,但效率上方法4略好于方法3,方法4的最坏情况基本同于方法3。请帮我写代码
最新发布
10-23
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值