字节青训Marscode——8:找出整形数组中超过一半的数

news/2024/12/4 19:50:43/

问题描述

小R从班级中抽取了一些同学,每位同学都会给出一个数字。已知在这些数字中,某个数字的出现次数超过了数字总数的一半。现在需要你帮助小R找到这个数字。


测试样例

样例1:

输入:array = [1, 3, 8, 2, 3, 1, 3, 3, 3]
输出:3

样例2:

输入:array = [5, 5, 5, 1, 2, 5, 5]
输出:5

样例3:

输入:array = [9, 9, 9, 9, 8, 9, 8, 8]
输出:9

步骤1:问题定义与分析

题目要求:

从一个整数数组 array 中找出某个出现次数超过数组长度一半的数字,保证这样的数字一定存在。

输入与输出:
  • 输入:一个整数数组 array,长度为 n
  • 输出:数组中某个出现次数超过 n / 2 的数字。
限制与边界条件:
  1. 数组中保证一定存在满足条件的数字。
  2. 数组长度 n 的范围未明确给出,但假设为合理范围(如 1 <= n <= 10^6)。
  3. 只需要输出符合条件的任意一个数字,不需要处理无解的情况。
问题性质:
  • 根据题意,某个数字的出现次数超过总数的一半,称为 多数元素
  • 这种问题可以通过经典的算法(如摩尔投票法)高效解决,而不需要使用暴力计数法。

步骤2:算法设计与分析

方法1:哈希表计数
  • 使用哈希表统计每个数字的出现次数。
  • 遍历数组,当某个数字的出现次数超过 n / 2 时返回该数字。
时间复杂度与空间复杂度:
  • 时间复杂度:O(n),需要遍历数组。
  • 空间复杂度:O(n),存储哈希表。
适用场景

适用于小规模数据,且有足够的内存空间支持额外的哈希表存储。


方法2:摩尔投票法(最佳选择)

摩尔投票法是一种高效的线性时间算法,专门用于解决多数元素问题。

算法步骤:
  1. 初始化一个候选值 candidate 和计数器 count 为 0。
  2. 遍历数组:
    • 如果当前计数为 0,将当前数字设置为候选值 candidate,并将计数器设置为 1。
    • 如果当前数字等于 candidate,计数器加 1。
    • 如果当前数字不等于 candidate,计数器减 1。
  3. 遍历结束时,candidate 即为多数元素。
时间复杂度与空间复杂度:
  • 时间复杂度:O(n),只需遍历数组一次。
  • 空间复杂度:O(1),不需要额外的存储空间。
适用场景

适用于任何规模的数据,且是本问题的最佳解决方案。

摩尔投票法原理解释

摩尔投票法(Boyer-Moore Voting Algorithm)是一种高效的算法,用于在一个数组中找到出现次数超过一半的元素(即 多数元素)。它的核心思想是通过一种计数机制,利用元素的多数性来进行筛选,最终在 O(n) 的时间复杂度内找到目标元素,并且空间复杂度为 O(1)。

问题背景

在一个大小为 n 的数组中,假设存在一个数字的出现次数超过 n / 2,也就是说这个数字是多数元素。摩尔投票法的目标是找出这个元素。通过遍历数组一次并利用投票机制,我们能够在常数空间内找到这个元素。

摩尔投票法的基本原理
  1. 计数器: 摩尔投票法通过维护一个计数器来识别出现次数最多的元素。这个计数器会随着遍历数组而动态调整。

  2. 选举过程

    • 候选人:首先,我们假设某个元素是候选人(candidate),并初始化计数器为 0。
    • 投票规则
      • 如果当前计数器为 0,选择当前元素作为新的候选人,并将计数器设置为 1。
      • 如果当前元素与候选人相同,计数器加 1。
      • 如果当前元素与候选人不同,计数器减 1。

    这种“投票”方式能够抵消一些非多数元素的干扰,并最终得到一个可能是多数元素的候选值。

  3. 计数的终结: 当整个数组遍历完成后,candidate 就是候选的多数元素。由于多数元素的出现次数超过了数组长度的一半,这个候选元素一定就是多数元素。

详细步骤
  1. 初始化

    • candidate(候选元素)初始化为一个任意值。
    • count(计数器)初始化为 0。
  2. 遍历数组

    • 对于数组中的每个元素:
      • 如果 count == 0,选择当前元素作为新的候选元素,并将计数器设为 1。
      • 如果当前元素等于 candidate,则增加计数器。
      • 如果当前元素与 candidate 不同,则减少计数器。
  3. 返回结果

    • 遍历结束后,candidate 即为数组中出现次数最多的元素。
直观解释

假设数组中的多数元素出现次数超过了数组总长度的一半(n/2)。在摩尔投票法中,元素的“投票”机制确保了最多的元素最终会“胜出”。具体来说:

  • 当遇到与当前候选人不同的元素时,我们会减去一个计数,导致非多数元素的出现机会被“削弱”。
  • 只有当某个元素的出现次数非常高时,才可能在整个数组中最终成为唯一的候选人。
举例说明

假设我们有数组:[3, 3, 4, 2, 4, 4, 2, 4, 4]

  • 第一步:candidate = 3, count = 0
    • 看到第一个元素 3count = 1candidate = 3
    • 看到第二个元素 3count = 2candidate = 3
    • 看到第三个元素 4count = 1candidate = 3count--)。
    • 看到第四个元素 2count = 0candidate = 2count = 1)。
    • 看到第五个元素 4count = 2candidate = 4
    • ...
    • 遍历完成后,candidate = 4 是多数元素。
为什么摩尔投票法有效?
  • 由于题目保证了多数元素一定存在,并且它的出现次数超过数组的一半,因此,在摩尔投票法中,不同的元素相互“抵消”掉的次数是对等的,最终剩下的就是多数元素。
  • 当计数器归零时,说明当前候选元素被其他元素“抵消”了,我们就将候选元素换成新的元素,从而不断减少非多数元素的影响,直到最后剩下的候选元素必然是多数元素。

摩尔投票法的优势

  1. 时间复杂度 O(n)

    • 只需要遍历数组一次,因此时间复杂度是 O(n),其中 n 是数组的长度。
  2. 空间复杂度 O(1)

    • 只使用了两个变量:candidatecount,因此空间复杂度是 O(1),不需要额外的空间。
  3. 适用于大规模数据

    • 在大规模数据中,摩尔投票法具有很高的效率,特别是在内存和空间限制较大的情况下,能够以最优的时间和空间复杂度完成任务。

步骤3:C++ 代码实现

使用摩尔投票法解决问题:

#include <iostream>
#include <vector>using namespace std;int solution(vector<int> array) {// 摩尔投票法int candidate = 0; // 候选元素int count = 0;      // 计数器// 第一次遍历,确定候选元素for (int num : array) {if (count == 0) {candidate = num; // 重置候选元素count = 1;       // 初始化计数器} else if (num == candidate) {count++; // 当前数字等于候选元素,计数器加1} else {count--; // 当前数字不等于候选元素,计数器减1}}// 此时candidate即为超过一半的数字,直接返回return candidate;
}int main() {// 测试用例cout << (solution({1, 3, 8, 2, 3, 1, 3, 3, 3}) == 3) << endl; // 输出 1 (True)cout << (solution({5, 5, 5, 1, 2, 5, 5}) == 5) << endl;       // 输出 1 (True)cout << (solution({9, 9, 9, 9, 8, 9, 8, 8}) == 9) << endl;   // 输出 1 (True)return 0;
}
代码解释:
  1. candidate:记录当前的候选多数元素。
  2. count:记录候选元素的计数。
  3. 第一遍遍历:通过计数器逻辑,找出候选元素。
  4. 时间复杂度:O(n),遍历数组一次。
  5. 空间复杂度:O(1),无额外空间开销。

步骤4:通过解决这个问题获得的启发

  1. 算法设计的重要性:摩尔投票法以 O(n) 的时间和 O(1) 的空间高效解决了问题,体现了精妙的算法设计对效率的提升。
  2. 多数性质的利用:当一个元素出现次数超过数组长度的一半时,不需要完全统计,利用其多数性质即可快速筛选。
  3. 扩展应用:摩尔投票法不仅适用于确定多数元素,还可扩展到寻找多于 n/3 次出现的元素(需要两轮计数)。

步骤5:实际应用分析

实际场景:
  1. 舆情分析

    • 在一个讨论群中,找出被提及最多的关键词。例如,在一个由用户输入的评论数据中,快速筛选出出现频率超过一半的品牌名称或产品关键词。
    • 实现方法
      • 将评论数据转化为数组形式,使用摩尔投票法筛选出最多的品牌关键词。
  2. 传感器数据监测

    • 在实时监测数据中,找出传感器的主流输出值,用于检测异常值。例如,某个值的输出频率异常高,可能表示系统进入了稳定状态。
  3. 选举系统

    • 在电子投票中,快速统计获胜的候选人(多数原则)。
实现示例:

在一个评论数据分析系统中,利用哈希表结合摩尔投票法,可以在多个评论字段中高效找出讨论最多的关键词。配合数据库或大数据平台,还可以实时生成分析报告,提升业务决策效率。


http://www.ppmy.cn/news/1552362.html

相关文章

Pytorch实现心跳信号分类识别(支持LSTM,GRU,TCN模型)

Pytorch实现心跳信号分类识别(支持LSTM,GRU,TCN模型&#xff09; 目录 Pytorch实现心跳信号分类识别(支持LSTM,GRU,TCN模型&#xff09; 1. 项目说明 2. 数据说明 &#xff08;1&#xff09;心跳信号分类预测数据集 3. 模型训练 &#xff08;1&#xff09;项目安装 &…

(计算机网络)期末

计算机网络概述 物理层 信源就是发送方 信宿就是接收方 串行通信--一次只发一个单位的数据&#xff08;串行输入&#xff09; 并行通信--一次可以传输多个单位的数据 光纤--利用光的反射进行传输 传输之前&#xff0c;要对信源进行一个编码&#xff0c;收到信息之后要进行一个…

Meta-Llama-3-8B-Instruct 模型的混合精度训练显存需求:AdamW优化器(中英双语)

深入分析 Meta-Llama-3-8B-Instruct 模型的混合精度训练显存需求 Meta-Llama-3-8B-Instruct 是一个 8B&#xff08;80亿&#xff09;参数的大型语言模型&#xff0c;适用于指令微调任务。与之前的 7B 模型相比&#xff0c;它在计算和存储方面会有更高的需求。为了提高训练效率…

SQL进阶技巧:如何寻找同一批用户 | 断点分组应用【最新面试题】

目录 0 问题描述 1 数据准备 2 问题分析 ​编辑 3 小结 0 问题描述 用户登录时间不超过10分钟的视为同一批用户,找出以下用户哪些属于同一批用户(SQL实现) 例如: user_name time a 2024-10-01 09:55 b 2024-10-01 09:57 c 2024-10-01…

网络安全运维——高级 题库一 50题

1. 单选题 进行监督和检查全管理制度的贯彻执行情况、系统的运行情况&#xff0c;并且对安全审查和决策机构担负保护系统安全的责任&#xff0c;但工作重点偏向于监视的是&#xff08;&#xff09;。 A. 安全审查和决策机构 B. 安全主管机构 C. 安全运行维护机构 D. 安全审…

opencv-mobile在幸狐RV1106部署使用

本文将介绍 “opencv-mobile”&#xff0c;一款体积仅有官方 1/10 的精简 OpenCV 库&#xff0c;以及它在 LuckFox Pico 平台上的应用。 原文出处&#xff1a;https://zhuanlan.zhihu.com/p/670191385 1、 创建一个项目文件夹 mkdir opencv-mobile-test cd opencv-mobile-test…

实现PDF文档加密,访问需要密码

01. 背景 今天下午老板神秘兮兮的来问我&#xff0c;能不能做个文档加密功能&#xff0c;就是那种用户下载打开需要密码才能打开的那种效果。boss都发话了&#xff0c;那必须可以。 需求&#xff1a;将 pdf 文档经过加密处理&#xff0c;客户下载pdf文档&#xff0c;打开文档需…

SpringBoot(一)

Springboot(一) 什么是SpringBoot SpringBoot是Spring项目中的一个子工程&#xff0c;与Spring-famework同属于Spring的产品 用一些固定的方式来构建生产级别的Spring应用。SpringBoot推崇约定大于配置的方式以便于能够尽可能快速的启动并运行程序 我们把Spring Boot称为搭建程…