Leetcode（128）——最长连续序列

Leetcode（128）——最长连续序列

题目

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。

示例 1：

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。

示例 2：

输入：nums = [0,3,7,2,5,8,4,6,0,1]
输出：9

提示：

• 0 <= nums.length <= 105
• -109 <= nums[i] <= 109

题解

暴力枚举就不写了

方法一：哈希表

思路

​​  我们考虑枚举数组中的每个数 $x$，考虑以其为起点，不断尝试匹配 $x+1,x+2,\cdots$ 是否存在，假设最长匹配到了 $x+y$，那么以 $x$ 为起点的最长连续序列即为 $x,x+1,x+2,\cdots ,x+y$，其长度为 $y+1$，我们不断枚举并更新答案即可。对于匹配的过程，暴力的方法是 $O(n)$ 遍历数组去看是否存在这个数，但其实更高效的方法是用一个哈希表存储数组中的数，这样查看一个数是否存在就能优化至 $O(1)$ 的时间复杂度。
​​  仅仅是这样我们的算法时间复杂度最坏情况下还是会达到 $O(n^2)$（即外层需要枚举 $O(n)$ 个数，内层需要暴力匹配 $O(n)$ 次），无法满足题目的要求。但仔细分析这个过程，我们会发现其中执行了很多不必要的枚举，如果已知有一个 $x,x+1,x+2,\cdots ,x+y$ 的连续序列，而我们却重新从 $x+1$，$x+2$ 或者是 $x+y$ 处开始尝试匹配，那么得到的结果肯定不会优于枚举 $x$ 为起点的答案，因此我们在外层循环的时候碰到这种情况（不必要的枚举）跳过即可。

算法实现：

• ​​那么怎么判断是否跳过呢？由于我们要枚举的数 $x$ 一定是在数组中不存在前驱数 $x-1$ 的，不然按照上面的分析我们会从 $x-1$ 开始尝试匹配，因此我们每次在哈希表中检查是否存在 $x-1$ （即是否存在该数的前驱数，即该数是否是连续序列的第一个数），就能判断是否需要跳过了。
• ​​​​增加了判断跳过的逻辑之后，时间复杂度是多少呢？外层循环需要 $O(n)$ 的时间复杂度，只有当一个数是连续序列的第一个数的情况下才会进入内层循环，然后在内层循环中匹配连续序列中的数，因此数组中的每个数只会进入内层循环一次——即内层循环一共遍历了 $n$ 个元素。根据上述分析可知，总时间复杂度为 $O(n)$，符合题目要求。
• 注意第二次遍历时，我们选择遍历的是 unordered_set 而不是 vector。因为如果 vector 有很多重复值，那么 unordered_set 会更小，因为它只包含唯一值。在限制中，如果 vector 包含相同数量的一百万个副本，则这段循环 vector 将运行一百万次迭代，而循环 set 将仅运行一次。

代码实现

class Solution {
public:
    int longestConsecutive(vector<int>& nums) {
        int max = 0, tmpmax = 0, next = 0;
        unordered_set<int> nums_set;
        for(auto& value: nums)
            nums_set.emplace(value);// 插入新值

		// 某些情况下遍历 nums 的时间会比遍历 nums_set 的时间多很多
		// 而且 unordered_set 会过滤掉 vector 的重复元素，题目不需要这些重复元素
        for(auto& value: nums_set){ 
            if(nums_set.count(value-1) == 0){  // 判断是不是第一个数字
                next = value+1;
                tmpmax = 1;    // 重置
                while(nums_set.count(next) != 0){
                    tmpmax++;
                    next++;
                }
                if(max < tmpmax)
                    max = tmpmax;
            }
        }
        return max;
    }
};

复杂度分析

时间复杂度：$O(N)$ ，其中 $N$ 是数组 $nums$ 的长度。遍历了一遍数组 $nums$ ，再遍历了一遍 $nums$ 中不重复的元素。
空间复杂度：$O(N)$ ，其中 $N$ 是数组 $nums$ 的长度。创建了一个哈希表来存储数组 $nums$ 不重复的元素。

方法二：红黑树

思路

​​  和哈希表差不多，不过这次是通过 set （即红黑树）。在第一遍遍历数组 $nums$ 时将值插入 set 中并进行排序，然后在第二次遍历 set 时当某一段序列结束（即当前值不等于上一个值+1）时，将当前序列的长度与存储当前最长序列长度的变量 $max$ 进行比较，大于则赋值给 $max$。并在循环外加一个判断，以避免出现最后一段序列是最长序列，但是因为循环终止了不能赋值给 $max$。

代码实现

class Solution {
public:
    int longestConsecutive(vector<int>& nums) {
        int max = 0;
        set<int> xvlie;
        for(auto& u: nums){
            xvlie.emplace(u);
        }

        int tmpmax = 0;
        int prev;
        for(auto n = xvlie.begin(); n != xvlie.end(); n++){
            if(n == xvlie.begin() || *n == prev+1)
                tmpmax++;
            else{
                if(max < tmpmax)
                    max = tmpmax;
                tmpmax = 1;
            }
            prev = *n;
        }
        if(max < tmpmax)
            max = tmpmax;
        return max;
    }
};

复杂度分析

时间复杂度：$O(N\log N)$ ，其中 $N$ 是数组 $nums$ 的长度。因为红黑树的插入和遍历的时间复杂度都是 $O(\log N)$。而第一个序列遍历了数组 $nums$，第二次遍历了红黑树。
空间复杂度：$O(N)$ ，其中 $N$ 是数组 $nums$ 的长度。创建了一个红黑树来存储数组 $nums$ 不重复的元素。