🔥个人主页: 中草药
🔥专栏:【算法工作坊】算法实战揭秘
🌽一.移动零
题目链接:283.移动零
🌶️算法原理
双指针策略
-
dest
指针(初始化为-1):这个指针用来追踪下一个非零元素应该放置的位置。之所以初始值设为-1,是因为在第一个非零元素出现前,我们还没有开始移动任何元素,因此dest
会在首次遇到非零元素时被更新为0,从而确保非零元素从数组的第一个位置开始填充。 -
cur
指针(初始化为0):这个指针遍历整个数组。它负责检查当前元素是否为0,如果不是0,则与dest
指向的元素交换,之后dest
向前推进一位,表示下一个非零元素应放置的位置。
代码步骤分解
-
初始化双指针:
dest
初始为-1,表示尚未开始移动非零元素;cur
初始为0,开始遍历数组。 -
遍历数组:使用
cur
指针从头至尾遍历数组中的每个元素。 -
检查并交换元素:对于
cur
指向的元素,如果它不是0,执行以下操作:dest
加1,表示找到了一个新的非零元素的正确位置。- 将
nums[dest]
和nums[cur]
交换,确保非零元素被移到前面。
这样,所有的非零元素都会逐渐被移到数组的前端,而
0
元素自然被推到了数组的末尾。 -
遍历结束:当
cur
遍历完整个数组后,所有非零元素已经按照原来的相对顺序被移动到了数组的前部,而数组的末尾则是连续的0。
在Java中无需创立指针,只需通过索引下标来达到访问数组元素的目的
所以划分为三个区间,[0,dest]
最左边全为非零元素,[dest+1,cur-1]
中间部分为0,[cur,n-1]
,右边为待处理元素,只要在移动过程中一直保持各区间的性质,当cur指针移动到n为止时,区间划分完毕
🫑代码
class Solution {
public void moveZeroes(int[] nums) {
for(int dest=-1,cur=0;cur<nums.length;cur++){
if(nums[cur]!=0){
dest++;
int temp=nums[dest];
nums[dest]=nums[cur];
nums[cur]=temp;
}
}
}
}
代码效率
- 时间复杂度:O(n),其中n是数组的长度。每个元素最多被访问两次(一次由
cur
访问,一次由dest
访问或交换),因此整体的时间复杂度是线性的。 - 空间复杂度:O(1),因为只使用了常数个额外变量,没有使用与输入规模相关的额外空间。
🥒举例
测试用例 nums = [0, 1, 0, 3, 12]
初始化
dest = -1
,表示当前还没有找到任何非零元素需要移动的位置。cur = 0
,开始遍历数组。
遍历过程
第一轮迭代(cur = 0)
nums[cur] = 0
,当前元素是0,不进行任何交换,dest
保持不变。- 数组状态未变。
第二轮迭代(cur = 1)
nums[cur] = 1
,当前元素非0,需要将其移动到dest
所在的位置。dest
从-1变为0(首次遇到非零元素)。- 交换
nums[dest]
和nums[cur]
,即交换nums[0]
和nums[1]
,得到nums = [1, 0, 0, 3, 12]
。 dest
递增1,变为1。
第三轮迭代(cur = 2)
nums[cur] = 0
,当前元素是0,不进行交换,dest
保持为1。- 数组状态未变:
nums = [1, 0, 0, 3, 12]
。
第四轮迭代(cur = 3)
nums[cur] = 3
,当前元素非0,需要移动。- 交换
nums[dest]
(当前是第二个元素,值为0)和nums[cur]
(值为3),得到nums = [1, 3, 0, 0, 12]
。 dest
递增1,变为2。
- 交换
第五轮迭代(cur = 4)
nums[cur] = 12
,当前元素非0,需要移动。- 交换
nums[dest]
(当前是第三个元素,值为0)和nums[cur]
(值为12),得到nums = [1, 3, 12, 0, 0]
。 dest
递增1,变为3。
- 交换
结束
- 当
cur
达到数组末尾时,遍历结束。此时,所有非零元素已按原顺序移至数组前端,而0元素被推至末尾。
最终数组状态为:nums = [1, 3, 12, 0, 0]
,符合题目要求。
🥬二.复写零
题目链接:1089.复写零
🥦算法原理
双指针策略
-
cur
指针(初始化为0):负责从数组的起始位置向前遍历,用于查找0元素并计算复制0后的新数组布局,记录最后数组末尾元素的值 -
dest
指针(初始化为-1):表示新数组(考虑复制0后的数组)的当前写入位置。由于是从后向前写入,初始化为-1是为了方便处理首个元素的写入。
代码步骤分析
-
预计算:首先通过
cur
遍历数组,计算出在不考虑数组越界的情况下,所有0元素复制后,dest
应该到达的位置。如果遇到0,dest
向前移动两位,否则移动一位。当dest
超过数组最后一个有效位置(即n-1
)时,停止计算。 -
处理边界特殊情况:如果预计算后
dest
恰好等于数组长度n
,说明最后一个元素是0,但由于数组已满,只能复制一个0到数组末尾,然后相应调整dest
和cur
的位置。 -
从后向前复制:从数组的末尾开始,使用
cur
指针反向遍历,如果是非0元素,则直接复制到dest
位置;如果遇到0,则先复制一个0,dest
减2,再复制另一个0,dest
再减1,cur
也相应减1,以跳过原始的0元素。
🧄代码
public void duplicateZeros(int[] arr) {
int n=arr.length;
int cur = 0;
int dest = -1;
//用cur遍历数组,找到最后一个需要复习的数字
while(cur<n){
if(arr[cur]==0){
dest+=2;
}else{
dest++;
}
if(dest>=n-1){
break;
}
cur++;
}
//处理一下边界特殊情况
if(dest==n){
arr[n-1]=0;
dest-=2;
cur--;
}
//从后往前复写
while(cur>=0){
if(arr[cur]!=0){
arr[dest--]=arr[cur--];
}else{
arr[dest--]=0;
arr[dest--]=0;
cur--;
}
}
}
代码效率
- 时间复杂度:O(n),其中n是数组的长度。每个元素最多被访问两次(一次由
cur
访问,一次由dest
访问或交换),因此整体的时间复杂度是线性的。 - 空间复杂度:O(1),因为只使用了常数个额外变量,没有使用与输入规模相关的额外空间。
🧅举例
测试用例 arr =[1,0,2,3,0,4,5,0]
初始化
n = 8
,数组长度为8。cur = 0
,开始遍历数组。dest = -1
,初始写入位置标记。
预计算阶段
- 第一轮 (
cur = 0
,arr[cur] = 1
):dest = -1 + 1 = 0
,因为当前元素不是0,所以dest
只向前移动1位。 - 第二轮 (
cur = 1
,arr[cur] = 0
):dest = 0 + 2 = 2
,遇到0,需要预留两个位置。 - 第三轮 (
cur = 2
,arr[cur] = 2
):dest = 2 + 1 = 3
,非0元素,dest
前进1位。 - 第四轮 (
cur = 3
,arr[cur] = 3
):dest = 3 + 1 = 4
,同上。 - 第五轮 (
cur = 4
,arr[cur] = 0
):dest = 4 + 2 = 6
,再次遇到0,预留两个位置。 - 第六轮 (
cur = 5
,arr[cur] = 4
):dest = 6 + 1 = 7
,非0元素。 - 第七轮 (
cur = 6
,arr[cur] = 5
):dest = 7 + 1 = 8
,非0元素,但此时dest >= n-1
,停止计算。
处理边界特殊情况
- 由于
dest == n
,说明最后一个元素为0且无法完全复制第二个0,因此仅将一个0复制到数组末尾。此时,dest -= 2
变为6,cur -= 1
变为5,准备从后向前复制。
从后向前复制
- 第一步 (
cur = 5
,arr[cur] = 4
): 直接复制arr[dest--] = arr[cur--] = 4
,此时dest = 5
,cur = 4
。 - 第二步 (
cur = 4
,arr[cur] = 0
): 遇到0,先复制一个0,arr[dest--] = 0
,dest = 4
,再复制第二个0,arr[dest--] = 0
,dest = 3
,cur = 3
。 - 第三步 (
cur = 3
,arr[cur] = 3
): 直接复制arr[dest--] = arr[cur--] = 3
,dest = 2
,cur = 2
。 - 第四步 (
cur = 2
,arr[cur] = 2
): 直接复制arr[dest--] = arr[cur--] = 2
,dest = 1
,cur = 1
。 - 第五步 (
cur = 1
,arr[cur] = 0
): 再次遇到0,先复制一个0,arr[dest--] = 0
,dest = 0
,再复制第二个0,arr[dest--] = 0
,此时dest = -1
,超出预期范围,但因为我们是从后向前复制,且已正确处理完所有元素,故忽略此细节,cur = 0
。
最终结果
经过上述操作,数组变为[1, 0, 0, 2, 3, 0, 0, 4]
,符合题目要求,即每个0元素都被复制了一次,且非0元素的相对顺序保持不变。
🥜三.开心数
题目链接:202.快乐数
🫘算法原理
这段代码虽然涉及到“双指针”概念,但其实质上是利用了“快慢指针”(Floyd's cycle-finding algorithm,也称作龟兔赛跑算法)的思想来检测一个数字运算过程中的循环,而非传统意义上的双指针遍历数据结构。下面详细分析其算法原理:
bitsum 方法
该方法计算一个整数的“数字平方和”。具体来说,它将输入整数n
的每一位数字提取出来(通过n % 10
),对该数字求平方后累加到sum
中,然后去除该位(通过n /= 10
)。这个过程重复,直到n
变为0,最终返回累加的平方和。这是判断快乐数过程中的一项基本操作。
isHappy 方法
该方法用于判断一个整数是否为“快乐数”。关键在于使用了“快慢指针”的思想来检测计算过程中是否存在循环。
-
初始化:定义两个指针
slow
和fast
,初始时slow
直接等于n
,fast
等于bitsum(n)
,即fast
先进行一次计算。 -
循环判断:在
while
循环中,slow
每次迭代调用一次bitsum
进行下一步计算,模拟“慢指针”;而fast
则每次迭代调用两次bitsum
,模拟“快指针”。如果slow
和fast
最终指向相同的值(即它们相遇),则表明进入了一个循环。 -
循环结束条件:循环结束有两种可能,一种是发现循环(
slow == fast
),另一种是直接发现slow
或fast
(在循环外的条件下)变成了1,这在代码中体现为循环结束后单独判断slow == 1
。理论上,如果n
是快乐数,通过上述过程,slow
和fast
最终会在值为1时相遇,因为1是快乐数循环的唯一不动点。
快慢指针算法的应用
- 检测循环:在本例中,快慢指针用于检测“数字平方和”计算过程中的循环。如果存在非1的循环(例如4->16->37->58->89->145->42->20->4->16...),则表明这个数字不是快乐数。
- 效率提升:相较于无脑循环直到发现重复或达到1的传统方法,快慢指针法能显著减少计算次数,提高算法效率。
总之,这段代码巧妙地将“快慢指针”算法应用于判断快乐数的问题上,通过检测数字运算的循环性来高效判断一个数是否为快乐数。
🍞代码
class Solution {
public int bitsum(int n){
int sum=0;
while(n!=0){
int temp=n%10;
sum +=temp*temp;
n/=10;
}
return sum;
}
public boolean isHappy(int n) {
int slow=n;
int fast=bitsum(n);
while(slow!=fast){
slow=bitsum(slow);
fast=bitsum(bitsum(fast));
}
return slow==1;
}
}
代码效率
时间复杂度
-
bitsum方法: 对于任意整数
n
,计算其每位数字的平方和的时间复杂度为O(log n),因为每次循环都将n
除以10,直到n
变为0,而整数的位数大致与log n成正比。 -
isHappy方法: 关键在于快慢指针检测循环的效率。在最坏情况下,快指针(
fast
)每次迭代相当于bitsum操作两次,而慢指针(slow
)每次迭代bitsum操作一次。由于快慢指针相遇的原理基于Floyd判圈算法,其时间复杂度与检测到循环的步数有关。在理想情况下,如果n
不是快乐数且很快进入循环,时间复杂度接近线性,但最坏情况下(比如接近循环起点的数),快慢指针相遇前的操作次数与循环体的长度有关。不过,考虑到任何非快乐数最终都会落入一个已知的循环(如4->16->37->58->89->145->42->20->4...),该循环体长度有限,因此整体的时间复杂度可以视为O(log n)。
空间复杂度
- 整个算法的空间复杂度为O(1),因为它只使用了固定数量的变量(如
sum
,slow
,fast
,temp
,n
等),并不依赖于输入整数的大小。
🥐举例
测试用例 n=19
初始设置
- 输入
n = 19
。 slow
初始化为n
,即slow = 19
。fast
初始化为其平方和,即调用bitsum(19)
。
计算bitsum(19)
19
的各位数字为1
和9
。- 平方和为
1^2 + 9^2 = 1 + 81 = 82
。 - 所以,
fast = 82
。
开始循环
-
第1轮:
slow = bitsum(19) = 82
。fast = bitsum(bitsum(82))
,首先计算bitsum(82)
:82
的各位数字为8
和2
。- 平方和为
8^2 + 2^2 = 64 + 4 = 68
。 - 然后再次调用
bitsum(68)
:68
的各位数字为6
和8
。- 平方和为
6^2 + 8^2 = 36 + 64 = 100
。
- 所以,
fast = 100
。
- 此时
slow = 82
,fast = 100
,不相等,继续循环。
-
第2轮:
slow = bitsum(82)
,已知上一轮计算结果为68
。fast = bitsum(bitsum(100))
,先计算bitsum(100)
:100
的各位数字为1
和两个0
(注意,0的平方和仍为0)。- 平方和为
1^2 + 0^2 + 0^2 = 1
。 - 再次调用
bitsum(1)
:1
的平方和为1^2 = 1
。
- 所以,
fast = 1
。
- 此时
slow = 68
,fast = 1
,不相等,继续循环。
-
第3轮:
slow = bitsum(68)
,计算得:68
的各位数字为6
和8
。- 平方和为
6^2 + 8^2 = 36 + 64 = 100
。 - 所以,
slow = 100
。
fast
已经在上一轮计算为1
,保持不变。- 此时
slow = 100
,fast = 1
,不相等,继续循环。
-
第4轮:
slow = bitsum(100)
,已知上一轮计算结果为1
。fast = 1
,保持不变。- 此时
slow = 1
,fast = 1
,两者相等,循环结束。
结果判断
由于循环结束时slow
和fast
都等于1,根据return slow == 1;
的逻辑,得出结论:n=19
是一个快乐数。
🥖四.盛最多水的容器
题目链接:11.盛最多水的容器
🫓算法原理
这段代码是使用Java编写的,实现了一个经典的双指针算法来解决“容器盛水最大值”问题。给定一个非负整数数组height
,该数组代表了一个竖直的直线序列,数组中的每个元素代表对应位置的垂直高度。此代码的目标是找到两个线段(两条直线),使得这两条线段和x轴围成的容器能够容纳最多的水。
-
初始化:定义两个指针
left
和right
,分别指向数组的首尾,即left = 0
和right = height.length - 1
。同时初始化一个变量ret
来保存当前最大容积,初始值设为0。 -
双指针移动策略:在
while
循环中,只要left < right
,即两个指针没有相遇,循环就会持续进行。每轮循环计算当前两指针构成的容器的容量,公式为v = Math.min(height[left], height[right]) * (right - left)
,即两指针高度中的较小值乘以两指针之间的距离。 -
更新最大容积:用当前容量
v
与已知最大容积ret
比较,如果当前容量更大,则更新ret
的值为当前容量。 -
指针移动规则:根据高度决定移动哪个指针。如果
height[left] <= height[right]
,说明左边的墙矮或者一样高,此时向右移动左指针(即增大左侧高度的可能性更大);反之,如果右边的墙更矮,则向左移动右指针。这是因为,为了可能找到更大的面积,我们需要尝试缩小高度较低的那一侧,寄希望于另一侧能找到更高的墙。 -
循环结束:当
left >= right
时,说明左右指针相遇或交错,循环结束,此时ret
中存储的就是最大的盛水量。
这段代码高效地解决了“容器盛水最大值”问题,通过双指针策略从两端向中间逼近,减少了不必要的遍历,体现了动态规划中“空间换时间”的思想,是算法优化的一个典型示例。
🥨代码
class Solution {
public int maxArea(int[] height) {
int left=0;
int right=height.length-1;
int ret=0;
while(left<right){
int v=Math.min(height[left],height[right])*(right-left);
ret=Math.max(ret,v);
if(height[left]<=height[right]){
left++;
}else{
right--;
}
}
return ret;
}
}
代码效率
- 时间复杂度:O(n),其中n为数组
height
的长度。因为双指针只会遍历数组一次。 - 空间复杂度:O(1),除了输入数组外,只使用了常数级别的额外空间。
🥯举例
测试用例 [1,8,6,2,5,4,8,3,7]
针对给定数组[1,8,6,2,5,4,8,3,7]
,我们来详细分析上述代码的每一步执行过程,以找出该数组中能够构成的最大容器盛水量。
初始设置
left = 0
,指向数组起始位置,对应高度height[0] = 1
。right = 8
,指向数组末尾位置,对应高度height[8] = 7
。ret = 0
,初始化最大容积为0。
执行过程
第1步
- 左边高度
height[left] = 1
,右边高度height[right] = 7
。 - 计算当前容器容量
v = min(1, 7) * (8 - 0) = 1 * 8 = 8
。 - 更新最大容积
ret = max(0, 8) = 8
。 - 因为
height[left] <= height[right]
,移动左指针left
,left = left + 1 = 1
。
第2步
- 左边高度变为
height[left] = 8
,右边高度保持height[right] = 7
。 - 计算当前容器容量
v = min(8, 7) * (8 - 1) = 7 * 7 = 49
。 - 更新最大容积
ret = max(8, 49) = 49
。 - 移动左指针
left = left + 1 = 2
。
第3步
- 左边高度变为
height[left] = 6
,右边高度保持height[right] = 7
。 - 计算当前容器容量
v = min(6, 7) * (8 - 2) = 6 * 6 = 36
。 - 由于
ret = 49
,不需要更新最大容积。 - 移动左指针
left = left + 1 = 3
。
后续步骤
- 按照同样的逻辑,继续比较、计算、更新和移动指针:
- 当
left = 3
,height[left] = 2
时,计算得到v = 2 * 5 = 10
,不更新ret
。 - 当
left = 4
,height[left] = 5
时,计算得到v = 5 * 4 = 20
,不更新ret
。 - 随后,当
left
继续移动,由于高度逐渐降低,且右侧高度不再增长,计算的容量不会再超过ret = 49
。
- 当
循环结束
- 当
left
和right
相遇或交错时,循环结束。在这个过程中,已经找到了最大容器盛水量为49。
结果
最终,针对数组[1,8,6,2,5,4,8,3,7]
,通过双指针算法分析,确定的最大容器盛水量为49。
🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀
以上,就是本期的全部内容啦,若有错误疏忽希望各位大佬及时指出💐
制作不易,希望能对各位提供微小的帮助,可否留下你免费的赞呢🌸