算法实战：异或运算与摩尔投票法解析

1. 算法技巧实战：从基础到高阶的解题思路

在算法竞赛和日常编程中，掌握一些核心技巧能显著提升解题效率。最近我在准备算法比赛时，系统整理了五个典型问题的解法，这些技巧不仅适用于面试场景，也能帮助我们建立更系统的算法思维。下面我将详细解析每个问题的解决思路、代码实现以及背后的数学原理。

2. 异或运算的妙用：找出唯一数字

2.1 问题描述与常规思路

给定一个非空整数数组，其中某个元素只出现一次，其余每个元素均出现两次。找出那个只出现一次的元素。初看这个问题，最容易想到的是使用哈希表统计每个数字出现的次数，然后遍历哈希表找到出现一次的数字。这种方法时间复杂度为O(n)，但需要额外的O(n)空间。

2.2 异或运算的巧妙解法

实际上，这个问题可以用异或运算(XOR)在O(1)空间内解决。异或运算有三个重要性质：

1. 任何数和0异或都是它本身：a^0 = a
2. 任何数和自身异或都是0：a^a = 0
3. 异或运算满足交换律和结合律

基于这些性质，我们可以将所有数字进行异或运算，成对出现的数字会相互抵消，最终剩下的就是只出现一次的数字。

java复制public int singleNumber(int[] nums) {
    int ans = 0;
    for (int num : nums) {
        ans ^= num;
    }
    return ans;
}

2.3 复杂度分析与适用场景

这种方法时间复杂度为O(n)，空间复杂度为O(1)，是最优解。但需要注意它只适用于其他数字都出现偶数次的情况。如果出现次数不固定，这种方法就不适用了。

3. 摩尔投票法：寻找多数元素

3.1 问题定义与挑战

多数元素是指在数组中出现次数大于⌊n/2⌋的元素。最直观的解法是使用哈希表统计次数，但这样需要O(n)空间。排序后取中间元素的方法需要O(nlogn)时间。我们需要一种O(n)时间且O(1)空间的算法。

3.2 摩尔投票算法详解

摩尔投票法的核心思想是对抗抵消。我们维护一个候选数c和它的票数vote。遍历数组时：

• 如果vote为0，选择当前数字作为候选
• 如果当前数字等于候选，票数加1
• 否则票数减1

由于多数元素的数量超过一半，最终剩下的候选必然是多数元素。

java复制public int majorityElement(int[] nums) {
    int c = 0;
    int vote = 0;
    for (int num : nums) {
        if (vote == 0) {
            c = num;
        }
        vote += (c == num) ? 1 : -1;
    }
    return c;
}

3.3 算法正确性证明

假设多数元素为x，出现次数为m，其他元素总出现次数为n-m。由于m > n/2，最坏情况下x