題目:
題目地址:https://leetcode-cn.com/problems/two-sum/
問題描述:
給定一個整數(shù)數(shù)組 nums 和一個目標(biāo)值 target,請你在該數(shù)組中找出和為目標(biāo)值的那 兩個 整數(shù),并返回他們的數(shù)組下標(biāo)。
你可以假設(shè)每種輸入只會對應(yīng)一個答案。但是,你不能重復(fù)利用這個數(shù)組中同樣的元素。
示例:
給定 nums = [2, 7, 11, 15], target = 9
因?yàn)?nums[0] + nums[1] = 2 + 7 = 9 所以返回 [0, 1]
我的解題思路:
1.暴力解法
最容易想到的就是雙層for循環(huán),遍歷元素進(jìn)行相加,判斷和是否等于target,如果是則return這兩個下標(biāo)組成的數(shù)組。如果遍歷完沒有符合的結(jié)果,則return null 。
public int[] twoSum(int[] nums, int target) {
for (int i = 0; i <nums.length ; i++) {
for (int j = 0; j <nums.length; j++) {
if (nums[i]+nums[j]==target){
return new int[]{i,j};
}
}
}
return null;
}
時(shí)間復(fù)雜度:O(n2)
空間復(fù)雜度:O(1)
2.嘗試著優(yōu)化(實(shí)際上并沒有優(yōu)化成功)
暴力解法能通過測試,但是性能是最差的,于是嘗試著想要優(yōu)化。
一開始想著的優(yōu)化思路是減少for循環(huán)的次數(shù),想到了如果出現(xiàn) target>nums[i] 那么nums[i]+nums[j]==target就不成立了,這樣就沒有必要進(jìn)入第二層for,這樣可以稍微提高性能。于是寫下了:
for (int i = 0; i <nums.length ; i++) {
//一開始覺得:如果數(shù)組中某元素大于target,則沒有比較進(jìn)入第二層for,直接break
if (nums[i]>target){
break;
}
for (int j = 0; j <nums.length; j++) {
if (nums[i]+nums[j]==target){
return new int[]{i,j};
}
}
}
return null;
}
提交了之后并沒有通過。原來忘記考慮測試用例中有負(fù)數(shù)的存在,覺得應(yīng)該要用絕對值比較,于是修改如下了:
if (Math.abs(nums[i])>Math.abs(target)){
break;
}
然而,提交了之后還是沒有通過。事實(shí)上是我沒有考慮到一些復(fù)雜的測試用例,上面的寫法只能通過nums數(shù)組中全是正數(shù)或者全是負(fù)數(shù)的測試用例,而nums數(shù)組中既存正整數(shù)又存在負(fù)數(shù)的情況是通過不了的。
于是我的嘗試優(yōu)化失敗。
那么還是看看官方給出的解題思路吧。
官方解題思路:
方法一:暴力法
暴力法很簡單,遍歷每個元素 xx,并查找是否存在一個值與 target - x相等的目標(biāo)元素。
class Solution {
public int[] twoSum(int[] nums, int target) {
for (int i = 0; i < nums.length; i++) {
for (int j = i + 1; j < nums.length; j++) {
if (nums[j] == target - nums[i]) {
return new int[] { i, j };
}
}
}
throw new IllegalArgumentException("No two sum solution");
}
}
復(fù)雜度分析:
時(shí)間復(fù)雜度:O(n^2), 對于每個元素,我們試圖通過遍歷數(shù)組的其余部分來尋找它所對應(yīng)的目標(biāo)元素,這將耗費(fèi) O(n) 的時(shí)間。因此時(shí)間復(fù)雜度為 O(n^2)。
空間復(fù)雜度:O(1)。
方法二:兩遍哈希表
為了對運(yùn)行時(shí)間復(fù)雜度進(jìn)行優(yōu)化,我們需要一種更有效的方法來檢查數(shù)組中是否存在目標(biāo)元素。如果存在,我們需要找出它的索引。保持?jǐn)?shù)組中的每個元素與其索引相互對應(yīng)的最好方法是什么?哈希表。
通過以空間換取速度的方式,我們可以將查找時(shí)間從 O(n)降低到 O(1)。哈希表正是為此目的而構(gòu)建的,它支持以 近似 恒定的時(shí)間進(jìn)行快速查找。我用“近似”來描述,是因?yàn)橐坏┏霈F(xiàn)沖突,查找用時(shí)可能會退化到 O(n)。但只要你仔細(xì)地挑選哈希函數(shù),在哈希表中進(jìn)行查找的用時(shí)應(yīng)當(dāng)被攤銷為 O(1)。
一個簡單的實(shí)現(xiàn)使用了兩次迭代。在第一次迭代中,我們將每個元素的值和它的索引添加到表中。然后,在第二次迭代中,我們將檢查每個元素所對應(yīng)的目標(biāo)元素target?nums[i])是否存在于表中。注意,該目標(biāo)元素不能是 nums[i]本身!
class Solution {
public int[] twoSum(int[] nums, int target) {
Map<Integer, Integer> map = new HashMap<>();
for (int i = 0; i < nums.length; i++) {
map.put(nums[i], i);
}
for (int i = 0; i < nums.length; i++) {
int complement = target - nums[i];
if (map.containsKey(complement) && map.get(complement) != i) {
return new int[] { i, map.get(complement) };
}
}
throw new IllegalArgumentException("No two sum solution");
}
}
復(fù)雜度分析:
時(shí)間復(fù)雜度:O(n), 我們把包含有 n個元素的列表遍歷兩次。由于哈希表將查找時(shí)間縮短到 O(1) ,所以時(shí)間復(fù)雜度為 O(n)。
空間復(fù)雜度:O(n), 所需的額外空間取決于哈希表中存儲的元素?cái)?shù)量,該表中存儲了 n 個元素。
方法三:一遍哈希表
事實(shí)證明,我們可以一次完成。在進(jìn)行迭代并將元素插入到表中的同時(shí),我們還會回過頭來檢查表中是否已經(jīng)存在當(dāng)前元素所對應(yīng)的目標(biāo)元素。如果它存在,那我們已經(jīng)找到了對應(yīng)解,并立即將其返回。
class Solution {
public int[] twoSum(int[] nums, int target) {
Map<Integer, Integer> map = new HashMap<>();
for (int i = 0; i < nums.length; i++) {
int complement = target - nums[i];
if (map.containsKey(complement)) {
return new int[] { map.get(complement), i };
}
map.put(nums[i], i);
}
throw new IllegalArgumentException("No two sum solution");
}
}
復(fù)雜度分析:時(shí)間復(fù)雜度:O(n), 我們只遍歷了包含有n 個元素的列表一次。在表中進(jìn)行的每次查找只花費(fèi) O(1)的時(shí)間。
空間復(fù)雜度:O(n), 所需的額外空間取決于哈希表中存儲的元素?cái)?shù)量,該表最多需要存儲 n 個元素。
總結(jié):
-
要仔細(xì)讀題。
題目中寫道:”你不能重復(fù)利用這個數(shù)組中同樣的元素。“在官方解題中第二層for循壞是 j=i+1 起始,而我自己寫的是普通的 j=0 起始,這樣做了很多次無用的循壞。
沒有仔細(xì)讀題,寫個暴力法的性能都比官方題解寫的差。
-
關(guān)于返回結(jié)果
當(dāng)沒有符合預(yù)期的結(jié)果時(shí),我一開始使用的是 return null。但是這其實(shí)并不是一個好的編程習(xí)慣,在開發(fā)中,這種做法會把問題丟給方法的調(diào)用者,容易造成NPE。更好的做法應(yīng)該是像官方題解中一樣,throw出異常。
要盡可能的考慮更多的測試用例情況。
-
哈希表的妙用
哈希表用空間換時(shí)間,能將查找時(shí)間從 O(n)降低到 O(1),查找的性能非常優(yōu)秀。
最后:
第一次刷LeetCode,雖然是簡單的題目,但還是暴露了很多問題。但正是遇見問題,才會有收獲。