leetcode169：多数元素（基于摩尔投票的 O(1) 进阶解法）

原创已于 2025-08-24 07:36:10 修改 · 897 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #数据结构 #leetcode #力扣 #java

于 2025-08-24 07:34:33 首次发布

数据结构与算法刷题专栏收录该内容

23 篇文章

订阅专栏

新星杯·14天创作挑战营·第14期 10w+人浏览 110人参与

文章目录

一、题目描述
二、传统解法及其局限性
三、摩尔投票算法
- 算法原理
- 为什么它可行？
四、最佳实践：代码实现与深度解析
五、关键点与复杂度分析

LeetCode 169，寻找数组中的多数元素，【难度：简单；通过率：67.0%】，本题目有多种解法，最常见最直观的就是使用 哈希表遍历，统计数量，其次还有将数组排序，然后基于中位数寻找答案

但是若要达到题目进阶的要求：空间复杂度O(1)，且实现复杂度O(n)，就必须使用以下这种思路：摩尔投票算法

一、题目描述

给定一个大小为 n 的数组 nums，返回其中的多数元素

多数元素是指在数组中出现次数 大于 ⌊n / 2⌋ 的元素

你可以假设数组是非空的，并且给定的数组总是存在多数元素

示例 1:

输入: nums = [3,2,3]
输出: 3

示例 2:

输入: nums = [2,2,1,1,1,2,2]
输出: 2

二、传统解法及其局限性

在学习摩尔投票算法之前，我们先回顾一下常见的思路，并分析它们的优缺点：

哈希表：
- 思路：遍历数组，用哈希表记录每个元素出现的次数。然后再次遍历哈希表，找出出现次数大于 ⌊n / 2⌋ 的元素
- 时间复杂度：O(N) (遍历数组和哈希表操作均为 O(1) 平均)
- 空间复杂度：O(N) (最坏情况下，所有元素都不同，哈希表需要存储 N 个元素)
排序：
- 思路：将数组排序。由于多数元素出现次数超过一半，排序后它必然会出现在数组的中间位置 nums[n/2]
- 时间复杂度：O(N log N) (取决于排序算法，如快速排序)
- 空间复杂度：O(1) (如果使用原地排序算法，如堆排序) 或 O(N) (如果使用归并排序等)

这两种方法都能解决问题，但都无法同时满足 O(N) 时间和 O(1) 空间的要求

三、摩尔投票算法

摩尔投票算法是一种巧妙的 “抵消” 策略，它能够在一次遍历中找到多数元素的候选者，并以线性时间复杂度 O(N) 和常数空间复杂度 O(1) 完成任务

算法原理

想象一场“选举”：我们有一个候选人 candidate 和一个投票计数器 votes

初始化：选择数组的第一个元素作为 candidate，并将其 votes 初始化为 1
遍历数组：从第二个元素开始，遍历数组中的每一个元素 current
- 如果 votes 为 0：这意味着当前的 candidate 已经被之前的元素“抵消”完了。此时，我们将 current 设为新的 candidate，并重置 votes = 1
- 如果 current 与 candidate 相同：表示投赞成票，votes++
- 如果 current 与 candidate 不同：表示投反对票，votes--
最终结果：遍历结束后，candidate 的值就是数组中的多数元素

为什么它可行？

摩尔投票算法的有效性基于一个核心思路：如果一个元素出现的次数大于 ⌊n / 2⌋，那么它在与所有非多数元素的“一对一抵消”后，最终一定会剩下至少一票

我们可以将这个过程想象成一场淘汰赛（或者以任何合理的场景模拟，如本题本身就是符合的一个场景）：

多数元素阵营的成员遇到自己的同伴，力量（votes）增强
多数元素阵营的成员遇到非多数元素，双方“同归于尽”（votes 减 1）
当 votes 归零时，当前的 candidate 被淘汰，新的元素上位成为 candidate

由于多数元素的数量严格大于其他所有元素的总和，无论这些元素如何排列，多数元素阵营最终总能“存活”下来，其 votes 计数不会在最终归零，并且 candidate 会是那个多数元素

下图可以帮助我们直观理解这个过程，不同颜色就代表不同阵营，横轴代表遍历的过程，由纵轴数量的消长可以清晰理解这种思路的原理：

在这里插入图片描述

关于第二遍验证 (LeetCode 169 不需要)

注意：摩尔投票算法在第一遍遍历后找到的只是一个“候选者”。在一般情况下，如果题目不保证多数元素一定存在，我们还需要进行第二遍遍历来验证这个候选者是否真的出现了超过 ⌊n / 2⌋ 次

但是，LeetCode 169 题明确指出：“你可以假设数组是非空的，并且给定的数组总是存在多数元素” ，这个前提条件使得我们无需进行第二遍验证，直接返回第一遍遍历得到的 candidate 即可

四、最佳实践：代码实现与深度解析

基于摩尔投票思路的最佳实践

class Solution {
    /**
     * 基于“摩尔投票”的思路，实现 O(n) 时间复杂度，O(1) 空间复杂度的算法
     * 从第一个数开始，设置其为候选者，票数 count=1
     * 遇到相同的数，票数加1；遇到不同的数，票数减1
     * 当票数减到0时，重新将当前数设为候选者，并重置票数 count=1
     * 由于多数元素出现次数超过一半，最终剩下的候选者一定是多数元素
     */
    public int majorityElement(int[] nums) {
        // 1. 初始化：第一个元素作为候选者，票数设为 1
        int candidate = nums[0];
        int votes = 1;

        // 2. 遍历数组 (从第二个元素开始)
        for (int i = 1; i < nums.length; i++) {
            // 如果当前票数大于 0，则继续投票或抵消
            if (votes > 0) {
                if (candidate == nums[i]) {
                    // 遇到相同的数（支持者），票数增加
                    votes++;
                } else {
                    // 遇到不同的数（反对者），票数减少
                    votes--;
                }
            } else {
                // 如果票数归零，说明之前的候选者被抵消完，
                // 重新选择当前元素作为新的候选者，并重置票数
                candidate = nums[i];
                votes = 1;
            }
        }

        // 3. 返回最终的候选者（题目保证多数元素存在，无需二次验证）
        return candidate;
    }
}