169.多数元素

169.多数元素
题目
给定一个大小为 n 的数组 nums ,返回其中的多数元素。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。
解法1
先对数组排序 Arrays.sort(nums);
多数元素在排序后的数组中必定出现在中间位置(即索引 n/2 处),因为它的出现次数超过了一半

class Solution { 
public 
	int majorityElement(int[] nums) { 
		// 先对数组排序 
		Arrays.sort(nums); 
		// 多数元素在排序后的数组中必定出现在中间位置(即索引 n/2 处),因为它的出现次数超过了一半 
		return nums[nums.length / 2];
	} 
}

解法2
算法

class Solution {
    public int majorityElement(int[] nums) {
    /* 这里所谓的多数元素(X)可以通过摩尔投票来发现,即每次选择第一个元素假定为X
       然后依次遍历元素,如果相等则+1票否则-1票,最后如果选的X是对的那么count就不会
       为0,如果一开始选的X是错的,无非就是非X的自我消耗,真正的X依然是最多的,是金子
       总会发光!!! */
       int x=nums[0];
       int count=1;
       for(int i=1;i<nums.length;++i){
          if(count==0){
             x=nums[i];
          }
          if(nums[i]==x){
            count++;
          }else{
            count--;
          }   
       }
       return x; 
    }
}
### 分治法C++解法 ```cpp #include <vector> using namespace std; class Solution { public: // 分治法求多数元素 int majorityElement(vector<int>& nums) { return majorityElementRec(nums, 0, nums.size() - 1); } int majorityElementRec(vector<int>& nums, int lo, int hi) { // 当子数组只有一个元素时,该元素就是多数元素 if (lo == hi) { return nums[lo]; } // 分割数组 int mid = (hi - lo) / 2 + lo; int left = majorityElementRec(nums, lo, mid); int right = majorityElementRec(nums, mid + 1, hi); // 如果左右子数组的多数元素相同,直接返回 if (left == right) { return left; } // 否则,计算左右多数元素在整个子数组中出现的次数 int leftCount = countInRange(nums, left, lo, hi); int rightCount = countInRange(nums, right, lo, hi); // 返回出现次数多的元素 return leftCount > rightCount ? left : right; } // 计算元素target在数组nums的[lo, hi]范围内出现的次数 int countInRange(vector<int>& nums, int target, int lo, int hi) { int count = 0; for (int i = lo; i <= hi; i++) { if (nums[i] == target) { count++; } } return count; } }; ``` ### 分析与总结 #### 分治法思路 分治法的核心思想是将一个大问题分解为多个相似的小问题,然后递归地解决这些小问题,最后将小问题的解合并得到大问题的解。对于多数元素问题,将数组不断二分,分别求出左右子数组的多数元素,然后合并得到整个数组的多数元素。 #### 复杂度分析 - **时间复杂度**:$O(n log n)$。每次将数组二分,递归树的深度为$log n$,每层需要遍历$O(n)$个元素来统计元素出现的次数,所以总的时间复杂度为$O(n log n)$。 - **空间复杂度**:$O(log n)$。递归调用栈的深度为$log n$,所以空间复杂度为$O(log n)$。 #### 优点与缺点 - **优点**:分治法的思路清晰,代码结构简洁,易于理解和实现。 - **缺点**:时间复杂度较高,相比于摩尔投票法(时间复杂度$O(n)$),分治法的效率较低。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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