摩尔投票算法( Boyer-Moore Voting Algorithm)
摩尔投票算法也可以叫做多数投票算法,是我在看到 leetcode 169(Majority Element)题目时看到的算法。这篇文章从 leetcode 169(Majority Element)出发讲解摩尔投票算法的原理和优势,同时从 leetcode 229(Majority Element2)出发讲解摩尔投票算法的改进和推广。(本文所有代码都是python代码)
一、Majority Element题目介绍:给定一个长度为n的数组的时候,找出其中的主元素,即该元素在数组中出现的次数大于n/2的取整。题目中已经假定所给的数组一定含有元素,且主元素一定存在。一下是一些常用方法:
1,用字典遍历每个元素,并计数:
dic = {} for x in nums: if x in dic: dic[x] += 1 else: dic[x] = 1 for key,value in dic.items(): if value > len(nums)/2: return key
2,排序法:排序后,出现次数大于一半的肯定在中间
nums.sort() return nums[len(nums)//2]
二、摩尔投票算法:摩尔投票算法的时间和空间都很低,时间复杂度为O(n),空间复杂度为O(1),这也是选择遮盖算法的原因。
1,算法原理:每次从数组中找出一对不同的元素,将它们从数组中删除,直到遍历完整个数组。由于这道题已经说明一定存在一个出现次数超过一半的元素,所以遍历完数组后数组中一定会存在至少一个元素。
-
算法在局部变量中定义一个序列元素(m)和一个计数器(i),初始化的情况下计数器为0; 算法依次扫描序列中的元素,当处理元素x的时候,如果计数器为0,那么将x赋值给m,然后将计数器(i)设置为1; 如果计数器不为0,那么将序列元素m和x比较,如果相等,那么计数器加1,如果不等,那么计数器减1。 处理之后,最后存储的序列元素(m),就是这个序列中最多的元素。 (如果不确定是否存储的元素m是最多的元素,还可以进行第二遍扫描判断是否为最多的元素)
2,算法伪代码:
初始化元素m=0,计数器count=0; 遍历数组中的每个数x: if i = 0: m = x and count = 1 else if m = x: count = count + 1 else: count = count − 1 Return m
3,Majority Element的摩尔投票算法求解:
num,count = nums[0],0 for x in nums: if count == 0: num,count = x,1 elif x == num: count += 1 else: count -= 1 return num
三、摩尔投票算法的改进:
1,题目: LeetCode 229 [Majority Element II] 给定一个整型数组,找到所有主元素,它在数组中的出现次数严格大于数组元素个数的三分之一。
算法:每次删除三个不相同的数,最后留下的一定是出现次数超过1/3的数,这个思想可以推广到出现次数超过1/k次的元素有哪些。
-
因为出现次数大于n/3的元素最多只有两个,所以最开始可以维护两个数字(num1,num2)和两个计数器(counter1,counter2); 遍历数组,当数组中元素和num1或者num2相同,对应的counter1或者counter2加1; 如果counter1或counter2为0,将遍历到的该元素赋给num1或者nums2; 否则counter1和counter2都减1。
2,python代码:
num1,count1 = None,0 num2,count2 = None,0 for x in nums:# 算法核心,找出主要元素的候选值 if x == num1: count1 += 1 elif x == num2: count2 += 1 elif count1 == 0: num1,count1 = x,1 elif count2 == 0: num2,count2 = x,1 else: count1 -= 1 count2 -= 1 count1,count2 = 0,0 for x in nums:# 统计确定候选值是真的主要元素 if x == num1: count1 += 1 if x == num2: count2 += 1 res = [] if count1 > len(nums)//3: res.append(num1) if count2 > len(nums)//3: res.append(num2) return res