LeetCode-448. Find All Numbers Disappeared in an Array

Description:

这里写图片描述

Example 1:

这里写图片描述

Solution 1(C++):

这里写图片描述

Solution 2(C++):

这里写图片描述

算法分析:

这个题呢,Easy程度,不难,但是题目要求不适用Extra Space,就是说不要用额外的空间,说白了,就是只有一个返回数组可以用,其余操作都要在题目给的nums[]中完成。这就有意思了。按照我以前的习惯是利用类似与桶装排序的方法。对应的就是解法一的算法。而要少使用空间,就必须对nums本身动动手脚。
这里可以学习一二解法二。思考切入点如下:
1.要找出没有出现的数字的关键就是,将nums[i]的数字,与vector中的“顺序”联系起来。比如说解法一中,是将nums[i]的结果作为新的flag的位置索引index,让flag[index]的值发生变化。那么这里,我们不能有新的flag,不能借用第三方的值的变化来标识哪些nums[i]出现过。
2.既然不能借用第三方的值的变化,那就只能对nums[i]本身进行变化。考虑到nums[i]所有值都是正数,能变化的就是让他们变为负数。所以,我们可以让nums[i]对应的索引的数字变为负数。那么,最终遍历nums的时候,发现有负数,说明对应的索引出现过。
3.如果解决一个索引多次出现的情况?对应解法一,通过累加来完成,出现几次,就加几次1,如果最终flag的值为0,说明对应的nums没有出现过。那么解法二中,我们不需要计算出现多少次,只需要出现一次,和出现多次的变化是一样的。所以,就有了,出现一次及以上的次数,就让索引指向的数永远保持负数。
4.已经修改果断数,即变为了负数,如果做为新的索引进行其对应的值的查询?那就是用绝对值的方法来解决。
5.实例分析,举个例子来说:
[1,2,2,2].
5.1我们看nums[0]为1,说明1出现过,那么就让1-1的值作为索引,nums[0]的值变为负数,也就是nums[0]=-1。
5.2我们看nums[1]为2,说明2出现过,那么就让2-1的值作为索引,nums[1]的值变为负数,也就是nums[1]=-2。
5.3我们看nums[2]为2,说明2出现了第二次,那么就让2-1的值作为索引,本来应该让nums[1]的值变为负数,但经过5.2的变化后,nums[1]本来就是-2了,没有必要进行对出现次数的变化,所以保持-2就好了。
5.4我们看nums[3]为2,说明2出现了第三次,那么就让2-1的值作为索引,本来应该让nums[1]的值变为负数,但前两次拜年话,nums[1]本来就是-2了,没有必要进行对出现次数的变化,所以保持-2就好了。
5.5最终nums变为了[-1,-2,2,2],因为只有nums[0]与nums[1]变化了,所以意味着1,2出现过,而nums[2]与nums[3]仍为正数,说明3、4没出现过。

程序分析:

1.通过i获得要查询的数的索引,并且通过绝对值函数abs(),保证已经变化了的数还能起到索引的作用,比如说,之前的例子。

 int m = abs(nums[i])-1;

2.返回绝对值的负值:

nums[m] = nums[m]>0 ? -nums[m] : nums[m];

这里用到了<表达式1>?<表达式2>:<表达式3>这样的句子。很简单:
表达式1为真,返回表达式2;表达式1为假,返回表达式3。
变形:取绝对值函数:

nums[m] = nums[m]>0 ? nums[m] : -nums[m];
### 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。
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