数据结构:双指针法
双指针法一直是一个强大的工具,目前应用:数组中,二分查找、链表、移除元素、串、数组扩容、KMP算法的next数组、
双指针法不限于某一个具体的数据结构,是一种算法思想
双指针法题目
给你一个数组 nums 和一个值 val,你需要 原地 移除所有数值等于 val 的元素,并返回移除后数组的新长度。
不要使用额外的数组空间,你必须仅使用 O(1) 额外空间并原地修改输入数组。
元素的顺序可以改变。你不需要考虑数组中超出新长度后面的元素。
示例 1: 给定 nums = [3,2,2,3], val = 3, 函数应该返回新的长度 2, 并且 nums 中的前两个元素均为 2。 你不需要考虑数组中超出新长度后面的元素。
示例 2: 给定 nums = [0,1,2,2,3,0,4,2], val = 2, 函数应该返回新的长度 5, 并且 nums 中的前五个元素为 0, 1, 3, 0, 4。
// 双指针法:快慢指针,思想和上面的首尾指针差不多,但是快慢指针可以保证最终顺序是不变的。
// 时间复杂度:O(n)
// 空间复杂度:O(1)
class Solution {
public:
int removeElement(vector<int>& nums, int val) {
int slowIndex = 0;
for (int fastIndex = 0; fastIndex < nums.size(); fastIndex++) {
if (val != nums[fastIndex]) {
nums[slowIndex++] = nums[fastIndex];
}
}
return slowIndex;
}
};
暴力破解方法
双指针法
数组中三数之和、四数之和
暴力破解时间复杂度,双指针法时间复杂度
相当于减少了一个for循环
本题:双指针法(快慢指针法): 通过一个快指针和慢指针在一个for循环下完成两个for循环的工作。
给你一个按 非递减顺序 排序的整数数组 nums,返回 每个数字的平方 组成的新数组,要求也按 非递减顺序 排序。
示例 1:
输入:nums = [-4,-1,0,3,10]
输出:[0,1,9,16,100]
解释:平方后,数组变为 [16,1,0,9,100],排序后,数组变为 [0,1,9,16,100]
class Solution {
public:
vector<int> sortedSquares(vector<int>& nums) {
// //暴力破解法:先全部平方,然后排序
// for(int i = 0; i < nums.size(); i++){
// nums[i] *= nums[i];
// }
// sort(nums.begin(), nums.end()); //注意快速排序的代码,被封装在了sort中;
// return nums; //返回排序好的数组;
// 双指针法:
// 找不变的量,不变的量是平方之后最大的数一定在两边,比如[-1,0,1,2]中平方后最大的4一定在数组边界上
// 每次都找到一个最大的量,不能交换,一旦交换,最大的在边界上这一稳定的结果未必成立,所以开辟一个新数组
/* 右边指针和左边指针比较大小:
初始状态:左边指针在0,右边指针和k都是nums.size()-1
两边指针所指元素都平方,然后比较大小
如果左边大,就平方后放到result数组右边界k上,此时左边指针向右走一位;
如果右边大,就平方后放到result数组右边界k上,此时右边指针向左走一位;
完成比较后,result第一个最大元素归位,即第k个元素已经归位(算法是有穷的,每次归位1个元素)
k指针向左走一个单位
停止状态:右边指针到达左边指针的位置或者k=0
*/
int left = 0;
int right = nums.size()-1;
int k = nums.size()-1;
vector<int> result(nums.size(), 0);
while(k >= 0){
if(nums[left] * nums[left] > nums[right] * nums[right]){
result[k] = nums[left] * nums[left];
left++;
}
else{
result[k] = nums[right] * nums[right];
right--;
}
k--;
}
return result;
}
};
同样也可以暴力排序,然后由双指针改进
暴力算法是最简单的思想,而双指针是暴力算法的改进,改进方向
给定一个含有 n 个正整数的数组和一个正整数 s ,找出该数组中满足其和 ≥ s 的长度最小的 连续 子数组,并返回其长度。如果不存在符合条件的子数组,返回 0。
示例:
输入:s = 7, nums = [2,3,1,2,4,3]
输出:2
解释:子数组 [4,3] 是该条件下的长度最小的子数组。
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
// 滑动窗口
int result = INT32_MAX;
int sum = 0; //滑动窗口内数字之和;
int i = 0; //滑动窗口的右边界;
int subLength = 0; //滑动窗口长度;
for (int j = 0; j < nums.size(); j++) {
sum += nums[j]; // 滑动窗口向右移动一个单位;
while (sum >= target) {
subLength = j - i + 1; //当前滑动窗口长度;
result = result < subLength ? result : subLength;
sum -= nums[i++]; //滑动窗口左边界向右移动一个单位;
}
}
return result == INT32_MAX ? 0 : result;
}
};
注意三元表达式写法
滑动窗口(之前在数组中已经有过了解,是双指针的一种具体实现)
所谓滑动窗口,就是不断的调节子序列的起始位置和终止位置,从而得出我们要想的结果。
在暴力解法中,是一个for循环滑动窗口的起始位置,一个for循环为滑动窗口的终止位置,用两个for循环 完成了一个不断搜索区间的过程
滑动窗口如何用一个for循环来完成这个操作呢
在本题中实现滑动窗口,主要确定如下三点:
- 窗口内是什么?
- 如何移动窗口的起始位置?
- 如何移动窗口的结束位置?
滑动窗口的精妙之处在于根据当前子序列和大小的情况,不断调节子序列的起始位置。从而将O(n^2)暴力解法降为O(n)。
不要以为for里面放while就是O(n2)