LeetCode 169多数元素全解：从暴力到摩尔投票的算法思维

把169题真正吃透，是我一直认为检验算法基本功是否扎实最有效的方式之一。这道题就是LeetCode上大名鼎鼎的“多数元素”（Majority Element），题目描述只有一句话：给定一个大小为 n 的数组，返回其中的多数元素，多数元素指在数组中出现次数大于 ⌊n/2⌋ 的元素。很多人刷过它，也能背出摩尔投票的模板，但当你追问一句“为什么抵消完之后剩下的就一定是多数元素”，很多人就卡住了。这篇文章准备把169题彻底拆透——从最暴力的解法一路优化到最优解，把每种思路的复杂度、适用场景、代码模板、面试追问一层层剥开，适合正在准备算法面试的开发者，也适合想系统整理LeetCode知识点、建立解题思维框架的朋友。

1. 169题的题面设定：一个“超过一半”带来的数学优势

1.1 “大于 ⌊n/2⌋”到底意味着什么

多数元素定义里最关键的一个词是“大于”，不是“大于等于”。数组长度 n=7 时，⌊7/2⌋=3，元素出现3次不满足条件，必须至少出现4次；n=8 时，⌊8/2⌋=4，必须至少出现5次。这个“严格超过一半”的设定非常讲究，它是后面所有巧妙解法的根基。

如果阈值换成“恰好一半”，事情就变得非常棘手。比如 [1,2,1,2] 里没有出现次数等于2且唯一的元素吗？其实1和2都出现了2次，你会面临“选哪个”的歧义问题。可一旦要求“超过一半”，在任意数组中，满足条件的元素最多只有一个。这个唯一性直接让我们可以把问题从“找多个可能答案”缩小成“锁定唯一目标”。

从数学角度还能推出一个直观结论：把多数元素出现次数记为 k，k > n/2，那么 k - (n - k) > 0。换句话说，多数元素的数量减去所有非多数元素的数量总和，结果一定是个正数。这个“差额为正”才是摩尔投票算法成立的底层原因，也是排序法“取中间位必然命中”的数学依据。很多刷题笔记会直接抛结论，但我建议你自己拿张草稿纸把 n=5、n=6、n=7 三种情况画一画，把元素排成排，会发现多数元素无论怎么分布，都像一根承重墙一样“压”住了数组的中间位置。

1.2 “题目总是保证存在多数元素”这句话有多重要

LeetCode 169 的题干里有一句非常容易被忽略的前提：可以假设数组非空，并且给定的数组总是存在多数元素。这句话直接决定了很多解法的代码可以写得非常短。

以摩尔投票为例，如果题目不保证多数元素存在，那算法跑完后得到的 candidate 可能只是一个“伪多数元素”，必须再遍历一遍数组，统计 candidate 的真实出现次数，确认大于 n/2 后才能返回。但正因为 169 题给了这个强保证，代码里可以直接 return candidate，省掉验证环节。

很多人在面试里翻车，就是因为把别的高频题里“可能不存在多数元素”的条件混进了 169 的解答里，或者反过来在 229 题（多数元素 II）里忘记做第二遍验证。我的建议是：读题时第一件事就在草稿纸上圈出“总是存在”四个字，它直接决定你要不要多写一个 for 循环。后文第4章我会专门展开这个问题的边界处理。

2. 解法进化的完整链路：从暴力哈希到排序分治

2.1 暴力枚举：只作为思考起点，不写进代码

最直观的思路肯定是暴力枚举：外层循环选一个元素，内层循环统计它在整个数组里出现了多少次，第一次遇到计数大于 n/2 的元素直接返回。时间复杂度是 O(n²)，因为 n 个元素各数一遍要 O(n)，两层循环就是 O(n²)；空间复杂度 O(1)。

python复制def majority_element_brutal(nums):
    n = len(nums)
    for i in range(n):
        count = 0
        for j in range(n):
            if nums[j] == nums[i]:
                count += 1
        if count > n // 2:
            return nums[i]
    return -1

为什么不推荐？当 n 到 10^5 级别时，n² 意味着 10^10 次操作，在 LeetCode 上几乎稳定超时。但暴力法的价值在于帮我们确认问题定义：既然我们要找的是出现次数超过一半的元素，那核心工作就是“计数”。任何后续优化，本质上都是在思考如何减少“计数”的开销。

2.2 哈希表计数：最通用也最容易想到的解法

用哈希表（Python 里的 dict / Counter、Java 里的 HashMap）统计所有元素的出现次数，遍历完后再扫一遍哈希表，找到计数大于 n/2 的那个键。

python复制from collections import Counter

class Solution:
    def majorityElement(self, nums: List[int]) -> int:
        counter = Counter(nums)
        n = len(nums)
        for num, cnt in counter.items():
            if cnt > n // 2:
                return num

时间复杂度 O(n)，空间复杂度 O(n)。

哈希表解法最大的优点是通用性极强。不管题目问的是“出现次数大于 n/2”“出现次数大于 n/3”，还是“出现次数最多的元素”，哈希表都能一套打天下，逻辑简单、不容易写错。缺点是需要 O(n) 的额外空间，以及两次遍历（一次统计、一次查找）。

在面试中，我通常建议把哈希表作为第一个说出来的解法，因为它是“下限高、风险低”的代表。然后顺着面试官“能不能省掉额外空间”的追问，自然过渡到排序法或者摩尔投票法。但要注意，哈希表虽然能解出 169，但它没有用到“超过一半”这个特殊条件，属