漫画算法题:两数之和与三数之和
共 902字,需浏览 2分钟
·
2020-10-17 03:17
前一段时间,小灰分别讲解了两道leecode上的经典算法题:
今天,小灰把这两道题整合起来,并修改了其中的细节问题,感谢大家的指正。
————— 第二天 —————
什么意思呢?我们来举个例子,给定下面这样一个整型数组(假定数组不存在重复元素):
我们随意选择一个特定值,比如13,要求找出两数之和等于13的全部组合。
由于12+1 = 13,6+7 = 13,所以最终的输出结果(输出的是下标)如下:
【1, 6】
【2, 7】
小灰想表达的思路,是直接遍历整个数组,每遍历到一个元素,就和其他元素相加,看看和是不是等于那个特定值。
第1轮,用元素5和其他元素相加:
没有找到符合要求的两个元素。
第2轮,用元素12和其他元素相加:
发现12和1相加的结果是13,符合要求。
按照这个思路,一直遍历完整个数组。
————————————
让我们来具体演示一下:
第1轮,访问元素5,计算出13-5=8。在哈希表中查找8,发现查不到:
第2轮,访问元素12,计算出13-12=1。在哈希表中查找1,查到了元素1的下标是6,所以元素12(下标是1)和元素1(下标是6)是一对结果:
第3轮,访问元素6,计算出13-6=7。在哈希表中查找7,查到了元素7的下标是7,所以元素6(下标是2)和元素7(下标是7)是一对结果:
按照这个思路,一直遍历完整个数组即可。
public class FindSumNumbers {
public static List> twoSum(int[] nums, int target) {
Map map = new HashMap<>();
List> resultList = new ArrayList<>();
for (int i = 1; i < nums.length; i++) {
map.put(nums[i], i);
}
for (int i = 0; i < nums.length; i++) {
int other = target - nums[i];
if (map.containsKey(other) && map.get(other) != i) {
resultList.add(Arrays.asList(i,map.get(other)));
//为防止找到重复的元素对,匹配后从哈希表删除对应元素
map.remove(nums[i]);
}
}
return resultList;
}
public static void main(String[] args) {
int[] nums = {5,12,6,3,9,2,1,7};
List> resultList = twoSum(nums, 13);
for(List list : resultList){
System.out.println(Arrays.toString(list.toArray()));
}
}
}
public static List> twoSumV2(int[] nums, int target) {
Map map = new HashMap<>();
List> resultList = new ArrayList<>();
for (int i = 0; i < nums.length; i++) {
int other = target - nums[i];
if (map.containsKey(other)) {
resultList.add(Arrays.asList(map.get(other),i));
}
map.put(nums[i], i);
}
return resultList;
}
举个例子,给定下面这样一个整型数组(假定数组不存在重复元素):
我们随意选择一个特定值,比如13,要求找出三数之和等于13的全部组合。
由于5+6+2=13, 5+1+7=13,3+9+1=13,所以最终的输出结果如下(直接输出元素值即可):
【5, 6,2】
【5, 1,7】
【3, 9,1】
小灰的思路,是把原本的“三数之和问题”,转化成求n次“两数之和问题”。
我们以上面这个数组为例,选择特定值13,演示一下小灰的具体思路:
第1轮,访问数组的第1个元素5,把问题转化成从后面元素中找出和为8(13-5)的两个数:
如何找出和为8的两个数呢?按照上一次所讲的,我们可以使用哈希表高效求解:
第2轮,访问数组的第2个元素12,把问题转化成从后面元素中找出和为1(13-12)的两个数:
第3轮,访问数组的第3个元素6,把问题转化成从后面元素中找出和为7(13-6)的两个数:
以此类推,一直遍历完整个数组,相当于求解了n次两数之和问题。
public static List> threeSum(int[] nums, int target) {
List> resultList = new ArrayList<>();
for (int i = 0; i < nums.length; i++) {
Map map = new HashMap<>();
int d1 = target - nums[i];
//寻找两数之和等于d1的组合
for (int j = i+1; j < nums.length; j++) {
int d2 = d1 - nums[j];
if (map.containsKey(d2)) {
resultList.add(Arrays.asList(nums[i], d2, nums[j]));
}
map.put(nums[j], j);
}
}
return resultList;
}
在上面的代码中,每一轮解决“两数之和问题”的时间复杂度是O(n),一共迭代n轮,所以该解法总的时间复杂度是O(n²)。
至于空间复杂度,同一个哈希表被反复构建,哈希表中最多有n-1个键值对,所以该解法的空间复杂度是O(n)。
我们仍然以之前的数组为例,对数组进行升序排列:
这样说起来有些抽象,我们来具体演示一下:
第1轮,访问数组的第1个元素1,把问题转化成从后面元素中找出和为12(13-1)的两个数。
如何找出和为12的两个数呢?我们设置两个指针,指针j指向剩余元素中最左侧的元素2,指针k指向最右侧的元素12:
计算两指针对应元素之和,2+12 = 14 > 12,结果偏大了。
由于数组是按照升序排列,k左侧的元素一定小于k,因此我们把指针k左移一位:
计算两指针对应元素之和,2+9 = 11< 12,这次结果又偏小了。
j右侧的元素一定大于j,因此我们把指针j右移一位:
计算两指针对应元素之和,3+9 = 12,正好符合要求!
因此我们成功找到了一组匹配的组合:1,3,9
但这并不是结束,我们要继续寻找其他组合,让指针k继续左移:
计算两指针对应元素之和,3+7 = 10< 12,结果偏小了。
于是我们让指针j右移:
计算两指针对应元素之和,5+7 = 12,又找到符合要求的一组:
1,5,7
我们继续寻找,让指针k左移:
计算两指针对应元素之和,5+6 = 11< 12,结果偏小了。
于是我们让指针j右移:
此时双指针重合在了一起,如果再继续移动,就有可能和之前找到的组合重复,因此我们直接结束本轮循环。
第2轮,访问数组的第2个元素2,把问题转化成从后面元素中找出和为11(13-2)的两个数。
我们仍然设置两个指针,指针j指向剩余元素中最左侧的元素3,指针k指向最右侧的元素12:
计算两指针对应元素之和,3+12 = 15 > 11,结果偏大了。
我们让指针k左移:
计算两指针对应元素之和,3+9 = 12 > 11,结果仍然偏大。
我们让指针k继续左移:
计算两指针对应元素之和,3+7 = 10 < 11,结果偏小了。
我们让指针j右移:
计算两指针对应元素之和,5+7 = 12 > 11,结果又偏大了。
我们让指针k左移:
计算两指针对应元素之和,5+6 = 11,于是我们又找到符合要求的一组:
2,5,6
我们继续寻找,让指针k左移:
此时双指针又一次重合在一起,我们结束本轮循环。
按照这个思路,我们一直遍历完整个数组。
像这样利用两个指针指向数组两端,不断向中间靠拢调整来寻找匹配组合的方法,就是双指针法,也被称为“夹逼法”。
public static List> threeSumv2(int[] nums, int target) {
Arrays.sort(nums);
List> resultList = new ArrayList>();
//大循环
for (int i = 0; i < nums.length; i++) {
int d = target - nums[i];
// j和k双指针循环定位,j在左端,k在右端
for (int j=i+1,k=nums.length-1; j // k指针向左移动
while (jd) {
k--;
}
//双指针重合,跳出本次循环
if (j == k) {
break;
}
if (nums[j] + nums[k] == d) {
List list = Arrays.asList(nums[i], nums[j], nums[k]);
resultList.add(list);
}
}
}
return resultList;
}
上面这段代码表面上有三层循环,但每一轮指针j和k的移动次数加起来最多n-1次,因此该解法的整体时间复杂度是O(n²)。
最关键的是,该解法并没有使用额外的集合(排序是直接在输入数组上进行的),所以空间复杂度只有O(1)!
—————END—————
扫码关注公众号,订阅更多精彩内容。