LeetCode-448. Find All Numbers Disappeared in an Array (Java)

Given an array of integers where 1 ≤ a[i] ≤ n (n = size of array), some elements appear twice and others appear once.

Find all the elements of [1, n] inclusive that do not appear in this array.

Could you do it without extra space and in O(n) runtime? You may assume the returned list does not count as extra space.

Example:

Input:
[4,3,2,7,8,2,3,1]

Output:
[5,6]
--------------------------------------------------------------- ---------------------------------------------------------------

我能想到的思路很直很简单,就是先对数组进行排序,然后遍历数组对第i个元素与第i+1个元素进行比较等等。。。。

代码如下,耗时50多ms,估计有很多地方需要修改和优化:

public List<Integer> findDisappearedNumbers(int[] nums) {
		Arrays.sort(nums);
		//用来记录去重后的数组长度
		int lengthCount = 1;
		List<Integer> list = new ArrayList<>();
		//根据题目要求,找到所有[1,n]数组中不存在的数字,
		//所以首先判断排序后 nums的最小值是否为1
		if(nums[0] !=1){
			int interval = nums[0] -1;
			for(int i=1;i<=interval;i++){
				list.add(i);
			}
		}
		//遍历排序后的数组,找出其中缺少的数字
		for(int i=0;i < nums.length-1;i++){
			//如果两个数相等,
			if((nums[i+1] ^ nums[i]) == 0){
				continue;
			}
			//如果两个数不相等
			else{
				lengthCount ++;
				//如果第i+1个数与第i个数相差1,
				if((nums[i+1] ^ nums[i]) ==1){
					continue;
				}
				//如果相差大于1,list则添加它俩中间的数
				else{
					for(int j = nums[i]+1;j < nums[i+1];j++){
					 	list.add(j);
					 }
				}
			}		
		}
		//如果遍历完数组后,list的长度+nums去重后的长度 不等于 nums的长度n,
		//则从nums的最后一个元素开始,到nums的长度n结束,添加之间的元素
		int needAddExtra = nums.length - lengthCount - list.size();
		if(list.size() + lengthCount < nums.length){
			for(int i=1;i<=needAddExtra;i++){
				list.add(nums[nums.length-1]+i);
			}
		}
		return list;
    }

提交完之后,看了下耗时最短的11ms,代码如下:

 public static List<Integer> findDisappearedNumbers(int [] nums){
		boolean[] appeared = new boolean[nums.length + 1];
        //为appeared数组的每一个元素赋值,以nums数组的值作为appeared的索引,这样实现了排序,
        for (int i = 0; i < nums.length; i++) {
            appeared[nums[i]] = true;
        }
        
        List<Integer> res = new ArrayList<>();
        //遍历appeared数组,如果不为true,则说明该数字未出现在nums中,省去了很多判断
        for (int i = 1; i < appeared.length; i++) {
            if (!appeared[i]) {
                res.add(i);
            }
        }
        return res;
    }

不足的是题目需要不使用额外的空间,第二种方法多引用了appeared数组。  

这道题在解决数组问题时,使用了值作为索引的方法,方便了问题的解决。在遇到从数组中找东西时,需要首先想到利用此方法。


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值