zoukankan      html  css  js  c++  java
  • leetcode水题(一)

    Two Sum 1

    public int[] twoSum(int[] numbers,int target){
            Map<Integer,Integer> map = new HashMap<Integer,Integer>();
            for(int i=0;i<numbers.length;i++){
                int num = numbers[i];
                if(map.containsKey(target-num)){
                    return new int[]{map.get(num)+1,i+1};
                }
                map.put(num, i);
            }
            throw new IllegalArgumentException("No two sum solution");
        }

    首先,暴力解法也就是遍历数组中的每个数字,在数组中寻找target-当前数字,显然时间复杂度比较高,这是一个O(n²)的算法,而在上述代码中我们使用了一个map以O(n)的空间换时间,由于map的put和contains都是O(1)复杂度的操作,算法的时间复杂度为O(n)。

    Two Sum 2

        题目2和题目1类似,只是在这里input是一个有序的数组,当然我们可以采用题目1的解法,只是貌似没有利用上有序这个条件。

    那么谈到有序数组,最常用的算法包括二分查找和双指针法。

    public int[] twoSum2(int[] numbers,int target){
            int l = 0, r = numbers.length - 1;
            while(l<r){
                int num = numbers[l] + numbers[r];
                if(num<target){
                    l++;
                } else if(num>target){
                    r--;
                } else {
                    return new int[]{l+1,r+1};
                }
            }
            throw new IllegalArgumentException("no solution");
        }

    首先是双指针法,很直观的想法,我们用两个指针向数组中间移动,如果当前指向的两数之和num小于给定数字target,我们就将左指针向右移动一位,如果两数之和大于给定数字,就将右指针向左移动一位,直至与给定数字相等。

        public int[] twoSum3(int[] numbers,int target){
            for(int i=0;i<numbers.length;i++){
                int targetNum = target - numbers[i];
                int j =  binarySearch(numbers,targetNum,i+1);
                if(j!=-1){
                    return new int[]{i+1,j+1};
                }
            }
            return numbers;
        }
        public int binarySearch(int[] numbers,int key,int begin){
            int l = 0,r = numbers.length-1;
            while(l<r){
                int midum = (l+r)>>>1;
                if(numbers[midum]<key){
                    l = midum+1;
                } else if(numbers[midum]>key){
                    r = midum;
                } else {
                    return midum;
                }
            }
            return -1;
        }

     二分法这里稍显复杂,但与前面的思路类似,我们遍历给定数组中的每个数字,计算出目标数字与给定数字的差,并使用二分法在剩余数组中查找该值,二分法的时间复杂度为

    O(log n),故算法整体复杂度为O(nlogn)。

    Two Sum3

      该题目是让我们设计一个数据结构,支持add 和find操作,add操作很简单,即将数字加入当前数据结构中,find操作为在数据结构中找到两数字,其和为给定数字。

    显然,这样的题目最简单的做法就是将add进来的所有数字一一求和,并存储在一个哈希表里面,这样在find操作执行时就能以O(1)的时间复杂度直接返回结果,这样的

    算法并不是不好,相反,在一个‘读多写少’的场景下,这样的算法很有用。

     另外一个想法是在每一个add操作执行时找到当前插入元素‘应该插入的位置’,这里我们利用了插入排序的思想,即保证了我们数据结构中的数字始终是有序状态的,这样,在

    find操作执行时,由于数组有序,可以使用双指针法找到结果值。

       最后一个方法使用一个HashMap存储,在这里不得不感叹Map的通用性,主要因为在很多算法中,我们都需要‘以空间换时间’,而Map操作的复杂度又很低,故深受众多码农

    朋友青睐。

    待续。。。。

    参考资料:

       1.leetcode

       2. clean code handbook

  • 相关阅读:
    程序员创业必读的几本书
    Linux系统下word转pdf,xls转pdf,ppt转pdf
    Linux系统下word转pdf,xls转pdf,ppt转pdf
    文件流演示案例(一)
    记事本程序
    Struts2入门(二)
    MyEclipse6.5注册方法
    使用ASP.NET上传图片汇总
    sql server 2005 (select查询语句用法)
    千万级分页存储过程
  • 原文地址:https://www.cnblogs.com/showing/p/6649044.html
Copyright © 2011-2022 走看看