LeetCode-16-最接近的三数之和

该博客介绍了如何利用排序和双指针算法解决寻找数组中三个数之和最接近目标值的问题。通过三层循环与双指针策略,不断调整搜索范围,优化时间复杂度至O(N^2)。同时,通过移动指针避免重复枚举,提升效率。最后,当找到和为目标值时直接返回结果。
摘要由CSDN通过智能技术生成

题目

来源:LeetCode.

给定一个包括 n 个整数的数组 nums 和 一个目标值 target。找出 nums 中的三个整数,
使得它们的和与 target 最接近。返回这三个数的和。假定每组输入只存在唯一答案。

示例 1:

输入:nums = [-1,2,1,-4], target = 1
输出:2
解释:与 target 最接近的和是 2 (-1 + 2 + 1 = 2)

提示:

  • 3 < = n u m s . l e n g t h < = 1 0 3 3 <= nums.length <= 10^3 3<=nums.length<=103
  • − 1 0 3 < = n u m s [ i ] < = 1 0 3 -10^3 <= nums[i] <= 10^3 103<=nums[i]<=103
  • − 1 0 4 < = t a r g e t < = 1 0 4 -10^4 <= target <= 10^4 104<=target<=104

接下来看一下解题思路:

思路:排序 + 双指针:

这个题与三数之和非常类似,不同的是它需要找唯一一个答案,不是列举所有的,所以可以再之前的基础上适当的做一些优化。
    我们使用两层循环来枚举:

  • 假设数组的长度为 n n n,我们先枚举 a a a,它在数组中的位置为 i i i
  • 为了防止重复枚举,我们在位置 [ i + 1 , n ) [i+1, n) [i+1,n) 的范围内枚举 b b b c c c

    我们使用双指针,用 p b p_b pb p c p_c pc 分别表示指向 b b b c c c 的指针,初始时, p b p_b pb 指向位置 i + 1 i+1 i+1,即左边界; p c p_c pc 指向位置 n − 1 n-1 n1,即右边界。在每一步枚举的过程中,我们用 a + b + c a+b+c a+b+c 来更新答案,并且;

  • 如果 a + b + c ≥ target a+b+c \geq \textit{target} a+b+ctarget,那么就将 p c p_c pc 向左移动一个位置;
  • 如果 a + b + c < target a+b+c < \textit{target} a+b+c<target,那么就将 p b p_b pb 向右移动一个位置;
        实际上, p b p_b pb p c p_c pc 就表示了我们当前可以选择的数的范围,而每一次枚举的过程中,我们尝试边界上的两个元素,根据它们与 target \textit{target} target 的值的关系,选择「抛弃」左边界的元素还是右边界的元素,从而减少了枚举的范围。这种思路与 LeetCode-11-盛最多水的容器. 中的双指针解法也是类似的。
        当我们枚举到恰好等于 target \textit{target} target a + b + c a+b+c a+b+c 时,可以直接返回 target \textit{target} target 作为答案

    当我们枚举 a , b , c a, b, c a,b,c 中任意元素并移动指针时,可以直接将其移动到下一个与这次枚举到的不相同的元素,减少枚举的次数;

public static int threeSumClosest(int[] nums, int target) {
        int count = nums.length;
        // 确保 Math.abs(result - target) 绝对值最大
        int result = 10000000;
        Arrays.sort(nums);
        // 枚举 a
        for (int i = 0; i < count; ++i) {
            // 保证和上一次枚举的元素不相等
            if (i > 0 && nums[i] == nums[i - 1]) {
                continue;
            }
            // 使用双指针枚举 b 和 c
            int j = i + 1;
            int k = count - 1;
            while (k > j) {
                int sum = nums[i] + nums[j] + nums[k];
                // 如果和为 target 直接返回答案
                if (sum == target) {
                    return target;
                }
                // 根据差值的绝对值来更新答案
                if (Math.abs(sum - target) < Math.abs(result - target)) {
                    result = sum;
                }
                if (sum > target) {
                    // 如果和大于 target,移动 c 对应的指针
                    int k0 = k - 1;
                    // 移动到下一个不相等的元素
                    while (j < k0 && nums[k0] == nums[k]) {
                        --k0;
                    }
                    k = k0;
                } else {
                    // 如果和小于 target,移动 b 对应的指针
                    int j0 = j + 1;
                    // 移动到下一个不相等的元素
                    while (j0 < k && nums[j0] == nums[j]) {
                        ++j0;
                    }
                    j = j0;
                }
            }
        }
        return result;
}
总结

    时间复杂度 O ( N 2 ) O(N^2) O(N2),其中 N N N 是数组 nums \textit{nums} nums 的长度;
    空间复杂 O ( l o g N ) O(logN) O(logN),排序的空间复杂度为 O ( log ⁡ N ) O(\log N) O(logN)。然而我们使用了一个额外的数组存储了 nums \textit{nums} nums 的副本并进行排序,空间复杂度为 O ( N ) O(N) O(N)

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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