力扣热题100-哈希表:最长连续序列

题目描述:

题号:128

题目描述:

给定一个未排序的整数数组 nums ,找出数字连续的最长序列(不要求序列元素在原数组中连续)的长度。

请你设计并实现时间复杂度为 O(n) 的算法解决此问题。

边界条件:

  • 0 <= nums.length <= 105

  • -109 <= nums[i] <= 109

示例 :

输入:nums = [100,4,200,1,3,2]
输出:4
解释:最长数字连续序列是 [1, 2, 3, 4]。它的长度为 4。

解题思路:

思路一:利用哈希表,每个数都判断一下是不是连续序列的开头

用哈希表查找这个数前面一个数是否存在,即num-1在序列中是否存在。存在那这个数肯定不是开头,直接跳过。

因此只需要对每个开头的数进行循环,直到这个序列不再连续。因此时间复杂度是O(N),空间复杂度是哈希表所占空间O(N)。对数字哈希表也起到了去重的作用。

时间复杂度:O(N)

空间复杂度:O(N)

C++

// C++
class Solution {
public:
    int longestConsecutive(vector<int>& nums) {
        if(nums.size() == 0) {
            return 0;
        }

        unordered_set<int> uniqueNum;
        for(const int& num : nums) {
            uniqueNum.insert(num);
        }

        int longestArr = 0;

        for(const int& num : uniqueNum) {
            if(uniqueNum.count(num - 1) == 0) {
                int curNum = num;
                int curArr = 1;

                while(uniqueNum.count(curNum + 1)) {
                    curNum += 1;
                    curArr += 1;
                }

                longestArr = max(longestArr, curArr);
            }
        }

        return longestArr;
    }
};

go


// go
func longestConsecutive(nums []int) int {
    if len(nums) == 0 {
        return 0;
    }

    uniqueNum := map[int]bool{}
    for _, num := range nums {
        uniqueNum[num] = true
    }

    longestArr := 0
    for num := range uniqueNum {
        if uniqueNum[num - 1] == false {
            curNum := num
            curArr := 1
            for uniqueNum[curNum + 1] == true {
                curArr++
                curNum++
            }
            if longestArr < curArr {
                longestArr = curArr
            }
        }
    }
    return longestArr
}

  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
LeetCode力扣)上,有一个经典的算法题目叫做“最长连续序列”(Longest Continuous Increasing Subsequence),通常用C++或其他编程语言进行解答。这个题目的目的是找到一个给定整数数组中的最长递增子序列。递增子序列是数组中的一段连续元素,它们按顺序严格增大。 这里是一个简单的C++解决方案思路: ```cpp #include <vector> using namespace std; class Solution { public: int longestContinuousIncreasingSubsequence(vector<int>& nums) { if (nums.empty()) return 0; // 避免空数组的情况 int n = nums.size(); vector<int> dp(n, 1); // dp[i] 表示以nums[i]结尾的最长递增子序列长度 int max_len = 1; // 初始化最长递增子序列长度为1 for (int i = 1; i < n; ++i) { // 遍历数组,从第二个元素开始 if (nums[i] > nums[i-1]) { // 如果当前元素比前一个大 dp[i] = dp[i-1] + 1; // 更新dp值,考虑加入当前元素后的增长长度 max_len = max(max_len, dp[i]); // 检查是否更新了最长序列长度 } } return max_len; // 返回最长连续递增子序列的长度 } }; ``` 在这个代码中,我们使用了一个动态规划(Dynamic Programming)的方法,维护了一个数组`dp`来存储每个位置以该位置元素结尾的最大递增子序列长度。遍历过程中,如果遇到当前元素大于前一个元素,则说明可以形成一个新的递增子序列,所以将`dp[i]`设置为`dp[i-1]+1`,并更新全局的最长序列长度。 如果你想要深入了解这个问题,可以问: 1. 这个问题的时间复杂度是多少? 2. 动态规划是如何帮助解决这个问题的? 3. 如何优化这个算法,使其空间复杂度更低?
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