标签:leetcode majority element java algorithm
Given an integer array of size n, find all elements that appear more
than? n/3 ?
times. The algorithm should run in linear time and in
O(1) space.
第一眼看到这个题,相信许多人都恩给你联想到另一个题目:
给定一个整数数组,找出出现次数大于 n/2 的那个数。
如果是找出出现次数大于n/2的数,解决这个问题的思路并不难,可以用Map扫描一遍,并且统计出现次数。但是这种方法的时间复杂度虽然是O(N),空间复杂度也相应的是O(N)。还有一种方法是多数投票算法,算法的名字虽然没听说过,但是思路相信大多数人还是知道的。
之前做过的题目都是确定数组中有大于n/2的那个数存在的,所以没有了后边的检查步骤。
看到这题首先想到的是出现次数大于? n/3 ?
的数不只有一个,思考了一下,这个数最多有两个,最少一个也没有。所以可以用一个大小为2的数组保存候选结果,最后进行筛选。
然后是候选结果的保存,考察答题者的知识迁移能力,可怜的是我迁移了半天也没移对-,-
这里不说我的错误思路了。直接说解题方法吧。
以nums = [8,8,7,7,7]为例
nums中当前遍历的数 | 候选数组 | count数组 |
---|---|---|
8 | [8 , 0 ] | [1 , 0] |
8 | [8 , 0 ] | [2 , 0] |
7 | [8 , 7 ] | [2 , 1] |
7 | [8 , 7 ] | [2 , 2] |
7 | [8 , 7 ] | [2 , 3] |
一行跟第二行的0是默认初始化的值
public class Solution {
public List<Integer> majorityElement(int[] nums) {
List<Integer> result = new ArrayList<Integer>();
if(nums == null || nums.length == 0){
return result;
}
int[] numbers = new int[2];
int[] count = new int[2];
for(int i = 0 ; i < nums.length ; i++){
if(count[0] == 0){
numbers[0] = nums[i];
}else if(count[1] == 0 && numbers[0] != nums[i]){
numbers[1] = nums[i];
}
if(numbers[0] == nums[i]){
count[0]++;
}else if(numbers[1] == nums[i]){
count[1]++;
}else{
count[0]--;
count[1]--;
}
}
count[0] = count[1] = 0;
for(int i = 0 ; i < nums.length ; i++){
for(int j = 0 ; j < numbers.length ; j++){
if(nums[i] == numbers[j]){
count[j]++;
}
}
}
if(count[0] > nums.length / 3)
result.add(numbers[0]);
if(count[1] > nums.length / 3 && numbers[1] != numbers[0])
result.add(numbers[1]);
return result;
}
}
至于最后这一句
if(count[1] > nums.length / 3 && numbers[1] != numbers[0])
为什么要判断numbers[1] != numbers[0]
,是因为开始的时候初始化为0,要考虑都为0的情况。
版权声明:本文为博主原创文章,未经博主允许不得转载。
LeetCode--Majority Element II & 多数投票算法
标签:leetcode majority element java algorithm
原文地址:http://blog.csdn.net/zjx409/article/details/46923915