Leetcode 18. 四数之和

四数之和是一个经典的多指针算法问题，这类问题在编程面试中非常常见。在实现过程中，容易犯的错误通常涉及边界条件处理、重复结果的处理、以及效率低下的问题。

易错点

1. 处理重复结果：

   • 当数组中有重复元素时，如果没有正确处理，很容易生成重复的四元组。正确的做法是在发现一个有效四元组后，需要跳过所有相同的元素。

2. 边界条件检查：

   • 数组长度不足4时应直接返回空结果。
   • 必须保证四个指针的选择不重叠，且正确移动指针。

3. 整数溢出：

   • 对于包含很大或很小整数的数组，进行四数之和可能会导致整数溢出。使用更大范围的整数类型如 long 可以避免这个问题。

4. 过早终止循环：

   • 在确定前两个数后，不能仅因为它们的和已经大于目标值就终止循环，尤其是当目标值为负数时。因为后面可能存在负数使总和达到目标。

5. 效率问题：

   • 简单的四重循环会导致非常低的效率。应采用排序和双指针技术减少不必要的循环。

解题步骤：

1. 排序：首先对数组进行排序。
2. 外层循环：用两个嵌套循环遍历每一对可能的第一和第二个元素。
3. 内层双指针：对每对确定的元素，使用两个指针分别指向剩下元素的开始和结束位置，进行双指针搜索。
4. 跳过重复元素：在找到符合条件的四元组后，需要跳过重复元素，以避免生成重复的四元组。

复杂度

• 时间复杂度

1. 排序操作：
   • 使用的排序算法通常是快速排序，其平均时间复杂度为 (O(n \log n))，其中 (n) 是数组中的元素数量。
2. 四数之和查找：
   • 外层有两重循环，第一重循环枚举第一个数 (i)，它的次数为 (O(n))；
   • 第二重循环枚举第二个数 (j)，由于 (j) 从 (i+1) 开始，因此它的平均次数也是 (O(n))，但由于它嵌套在第一重循环里，总的复杂度变为 (O(n^2))；
   • 对于每对 (i) 和 (j)，使用双指针法在 (O(n)) 时间内处理剩余的两个数。由于这个操作是嵌套在两重循环中的，所以这部分的时间复杂度是 (O(n^3))。

因此，总的时间复杂度是由最高阶的 (O(n^3)) 决定的，即 (O(n^3))。

• 空间复杂度

1. 额外空间：
   • 排序操作通常需要 (O(\log n)) 的空间复杂度（快速排序的栈空间）。
   • 存储结果的向量空间除外，算法本身使用的额外空间主要是双指针所需的 (O(1)) 空间，因此除结果存储外，空间复杂度主要由排序决定，即 (O(\log n))。

总结

四数之和问题的算法复杂度主要受到三重循环的影响，时间复杂度为 (O(n^3))。在空间复杂度方面，除了输出结果需要的空间外，主要是排序操作所需的 (O(\log n)) 空间。这种算法适用于元素数量不是非常大的情况，对于大数据集，这种 (O(n^3)) 的算法可能会变得不切实际。

代码：

class Solution {
public:
    vector<vector<int>> fourSum(vector<int>& nums, int target) {
        vector<vector<int>> res;
        if(nums.size() < 4) return res;
        sort(nums.begin(), nums.end());
        for(int i = 0;i < nums.size();i ++){
            if(i > 0 && nums[i] == nums[i - 1]) continue;
            for(int j = i + 1;j < nums.size();j ++){
                if(j > i + 1 && nums[j] == nums[j - 1]) continue;
                int l = j + 1;
                int r = nums.size() - 1;
                while(l < r){
                    long sum = (long)nums[i] + nums[j] + nums[l] + nums[r];  // 防止溢出
                     if (sum == target) {
                        res.push_back(vector<int>{nums[i], nums[j], nums[l], nums[r]});
                        while(l < r && nums[l] == nums[l + 1]) l ++;
                        while(l < r && nums[r] == nums[r - 1]) r --;
                        l ++;
                        r --;
                    }         
                    else if((long)nums[i] + nums[j] + nums[l] + nums[r] < target) l ++;
                    else if((long)nums[i] + nums[j] + nums[l] + nums[r] > target) r --;
                }
            }
        }
        return res;
    }
};