在它最簡單的形式就是，查詢最多的元素，也就是在輸入中重複出現超過一半以上(n/2)的元素。如果序列中沒有最多的元素，演算法不能檢測到正確結果，將輸出其中的乙個元素之一。
當元素重複的次數比較小的時候，對於流演算法不能在小於線性空間的情況下查詢頻率最高的元素。
假設這個陣列中共有n個元素，我們可以把數值不同的元素看做不同的群體成員（乙個數字代表乙個群體）。那麼我們現在要根據每個群在這個名單中各自的人數，使得在名單中出現人數最多的那個管理群。我們就先從陣列的第乙個元素開始，假定它代表的群體的人數是最多的，那麼根據陣列中出現次數超過一半的數只有乙個的特質，如果我們設定乙個計數器，在遍歷時遇到不同於這個群體的人時就將計數器-1，遇到同個群體的人時就+1，只要在計數器歸0時就重新假定當前元素代表的群體為人數最多的群體再繼續遍歷(此時資料被分為兩段，前一段資料中被計數的元素數和numbers except it 數量是相等的，而後面的data中又滿足詞頻最高的數大於總數一半的情形，有點分治策略的思想)，那麼到了最後，計數器記錄的那個群體必定是人最多的那個群體。這裡就使得元素排序是不會造成任何影響的，只關心元素的個數所帶來的對於計數器+1或-1的影響。
演算法實現：
法在區域性變數中定義乙個序列元素(m)和乙個計數器(i)，初始化的情況下計數器為0. 演算法依次掃瞄序列中的元素，當處理元素x的時候，如果計數器為0，那麼將x賦值給m，然後將計數器(i)設定為1，如果計數器不為0，那麼將序列元素m和x比較，如果相等，那麼計數器加1，如果不等，那麼計數器減1。處理之後，最後儲存的序列元素(m)，就是這個序列中最多的元素。
典型的案例
（1）找出大於n/2的元素
(2）找出大於n/3的元素把兩個數轉化為乙個數的思想，兩個大於n/3的肯定大於一半
演算法 摩爾投票
摩爾投票 問題 majority element 若有乙個陣列l，長度為n，找出是否有乙個數n，n的出現次數大於等於n 2。問題不算太難，一般可以通過遍歷計數，或者排序找中位數的辦法來解決。但是如果要求時間複雜度是o n 空間複雜度是o 1 那麼恐怕就沒那麼簡單了。摩爾投票演算法正好是這麼乙個o n...
摩爾投票演算法
思路一 使用map集合，記錄元素的出現次數 class solution return 0 思路二 用到的演算法是 摩爾投票演算法 演算法在區域性變數中定義乙個序列元素 value 和乙個計數器 count 初始化的情況下計數器為0.演算法依次掃瞄序列中的元素，當處理元素x的時候，如果計數器為0，那...
演算法 摩爾投票
摩爾投票 問題 majority element 若有乙個陣列l，長度為n，找出是否有乙個數n，n的出現次數大於等於n 2。問題不算太難，一般可以通過遍歷計數，或者排序找中位數的辦法來解決。但是如果要求時間複雜度是o n 空間複雜度是o 1 那麼恐怕就沒那麼簡單了。摩爾投票演算法正好是這麼乙個o n...