Boyer-Moore 算法

问题定义

给定一个长度为 n的数组:
int[] nums
其中有一个数，它出现的次数大于n/2，称为主要元素，找到它。
看起来不算是个难题，但好玩。
这是一个投票问题，可以模拟我们在投票表决时的计票过程。用一个hash table或者dictionary，数组中的数作为key，它们出现的次数为value。本文想讨论的是下边这些算法。

1.常见解法

1.1 排序

结论很简单：排序完之后，主要元素必然在下标n/2的位置。
看下面两个例子就很清楚了:

nums:    1,  1,  1,  2,  2  i      0   1   2   3   4n/2=5/2=2nums[2]=1主要元素是最小的数，排序后集中在最左边

nums:    1,  1,  2,  2,  2  i      0   1   2   3   4n/2=5/2=2nums[2]=2主要元素是最大的数，排序后集中在最右边

如果主要元素既不是最大的也不是最小的，那主要元素集中在中间一段，包括n/2。
Python一句搞定：

def majorityElement(self, nums):        return sorted(nums)[len(nums)/2]

分析:
元素是int型，没有限制更小的范围，基于比较的排序算法，最快O(nlogn)。

1.2 位操作

这里设int为32位整数。我们对这些数以二进制的形式，逐位观察，尝试构造出主要元素来。对32位中的每一位，如果1占多数，则主要元素的对应位为1，否则为0。

nums:  1,  2,  3,  3,  3Binary:  1:   0b0000....0001  2:   0b0000....0010  3:   0b0000....0011  3:   0b0000....0011  3:   0b0000....0011major: 0b0000....0011

Java实现：

public int majorityElement(int[] nums) {      int res=0,major=nums.length/2;      for (int i=31;i>=0;i--){          int pos=0;          for(int n:nums)  pos+=(n>>i)&1;          pos=pos>major? 1:0;          res|=pos<<i;        }      return res;    }

分析：
时间复杂度为O(n)，带个系数32，实际工作起来还是很快的。

2. Boyer-Moore算法

提出Boyer-Moore算法的论文。
基本思想：
比较直观的解释：在数组中找到两个不相同的元素并删除它们，不断重复此过程，直到数组中元素都相同，那么剩下的元素就是主要元素。
思想并不复杂，但是要凭空想出这个算法来也不是件容易的事。另外，给我们的是数组，直接在里面删除元素是很费时的。取而代之，可以利用一个计数变量来实现。

def majorityElement(self, nums):    count,major=0,0    for n in nums:        if count==0:major=n        if major==n:count+=1        else:count-=1    return major

对于上面的代码：
先随意确定一个候选元素，count是候选元素的计数，当遇到一个跟候选元素不同的元素时，两者数量上抵消一个，count减1。一旦count变成0，就重新找一个候选元素。
当遇到一个与候选元素不同的元素时，就要抵消。对于候选元素和当前元素，可能存在两种情况：1）两者中有一个正好是主要元素；2）两者都不是主要元素。
对于情况1)，抵消过后，主要元素还是主要元素；对于情况2），可以说主要的元素的地位得到了巩固。所以算法最终能找到主要元素。