数组中出现次数超过一半的数字

本文介绍两种高效算法来找出数组中出现次数超过一半的数字。一种基于快速排序思想寻找中位数,另一种采用遍历计数方式,这两种方法的时间复杂度均为O(N)。
/*****************************************************************
题目:数组中有一个数字出现的次数超过数组长度的一半,请找出这个数字。
例如输入一个长度为9的数组{1,2,3,2,2,2,5,4,2}。由于数字2在数组中出现
了5次,超过数组长度的一半,因此输出2。
*****************************************************************/\
#include<stdio.h>
#include<iostream>

void swap(int* a, int* b)
{
	int nTemp = *a;
	*a = *b;
	*b = nTemp;
}
int partition(int* numbers, int start, int end)
{
	int standard = numbers[end];
	int small = start - 1;
	for(int i = start; i<end; ++i)
	{
		if(numbers[i]<standard)
		{
			++small;
			if(i != small)
				swap(&numbers[i],&numbers[small]);
		}
	}
	++small;
	swap(&numbers[small],&numbers[end]);
	return small;
}
//方法一
//找排序后的中卫数,可以借鉴快速排序思想寻找中位数,复杂度为O(N)
int moreThanHalfNumber(int* numbers, int length)
{	
	//无效输入
	if(numbers == NULL || length <= 0)
		throw new std::exception("Invalid input!\n");

	int middle = length >> 1;
	int start = 0;
	int end = length-1;
	int index = partition(numbers,start,end);
	while(index != middle)
	{
		if(index<middle)
		{
			start = index+1;
			index = partition(numbers,start,end);
		}
		else
		{
			end = index-1;
			index = partition(numbers,start,end);
		}
	}
	
	int result = numbers[middle];
	
	int times = 0;
	for(int i=0; i<length; ++i)
	{
		if(numbers[i] == result)
			++times;
	}
	if(times * 2 <= length)
		throw new std::exception("Invalid input!\n");
	else
		return result;
}
//方法2
//遍历数组的时候保存两个值:一个是数组中的数字,一个是次数。当我们
//遍历到下一个数字的时候,如果下一个数字和我们之前保存的数字相同,则、
//次数加1;如果下一个数字和我们之前保存的数字不同,则次数减1.如果次数
//为0,我们需要保存下一个数字,并把次数设为1.由于我们要找的数字出现的
//次数比其他所有数字出现的次数之和还多,那么要找的数字肯定是最后一次把
//次数设为1时对应的数字。
//复杂度为O(N)
int moreThanHalfNumber2(int* numbers, int length)
{
	//无效输入
	if(numbers == NULL || length <= 0)
		throw new std::exception("Invalid input!\n");

	int result = numbers[0];
	int times = 1;
	for(int i=1; i<length; ++i)
	{
		if(times == 0)
		{
			result = numbers[i];
			times = 1;
		}
		else if(numbers[i] == result)
		{
			++times;
		}
		else
			--times;
	}
	
	times = 0;
	for(int i=0; i<length; ++i)
	{
		if(numbers[i] == result)
			++times;
	}
	if(times * 2 <= length)
		throw new std::exception("Invalid input!\n");
	else
		return result;
}
void test()
{
	const int length = 9;
	int numbers[length] = {1,2,3,2,2,2,5,4,2};
	printf("%d\n",moreThanHalfNumber2(numbers,length));
}
int main()
{
	test();
	return 0;
}

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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