数组中重复的数字
题目描述:💦
👉题目链接👈
🏠方法一:暴力求解
暴力求解的思路非常的直接:
遍历数组中的每个元素,然后在剩下的元素中寻找是否存在相同的元素。
代码如下👇
class Solution {
public int findRepeatNumber(int[] nums) {
for (int i = 0; i < nums.length; i++) {
for (int j = i + 1; j < nums.length; j++) {
if (nums[i] == nums[j]) {
return nums[i];
}
}
}
return -1;
}
}
以上算法实现的复杂度分析:
- 时间复杂度是: O(n^2)
- 空间复杂度是 :O(1)
细心的朋友应该会发现这道题目描述的最后对 n 做了一个限制,也就是:
2 <= n <= 100000
那就是说,数据规模 n 有可能是 10 万级别的,如果时间复杂度是 O(n^2) 的话,那么数据规模就会变成 10 万的平方了,这个级别就高了,所以上面的代码的性能是非常差的。接下来我们来优化。
|
🏠方法二:哈希查找
在暴力解法中,我们先遍历每一个元素,然后再从其余的元素中查找这个元素是否存在,其实这里要的就是能高效的判断一个元素是否已经存在,我们可以使用哈希表,因为哈希表判断是否存在的时间复杂度是 O(1)。
代码如下👇
class Solution {
public int findRepeatNumber(int[] nums) {
Set<Integer> set = new HashSet<>(); //1.初始化一个哈希表
for (int i =0; i < nums.length; i++) {
if (set.contains(nums[i])) { //2.判断当前元素是否存在
return nums[i]; //3.存在的话,说明这个元素重复,直接返回
}
set.add(nums[i]); //4.不存在的话,将当前元素放入哈希表中,方便后续的判断重复
}
return -1;
}
以上算法实现的复杂度分析:
- 时间复杂度是:O(n)
- 空间复杂度是 :O(n)
|
🏘️方法三:原地置换
这一种方法也是我们经常用到的,主要用于重复出现的数,缺失的数等题目中,下面我们看一下这个原地置换法,原地置换的大体思路就是将我们指针对应的元素放到属于他的位置(索引对应的地方)。我们可以这样理解,每个人都有自己的位置,我们需要和别人调换回到属于自己的位置,调换之后,如果发现我们的位置上有人了,则返回。
图解👇
代码如下👇
class Solution {
public int findRepeatNumber(int[] nums) {
if(nums.length == 0) {
return -1;
}
for (int i = 0; i < nums.length; i++) { //设索引初始值为 i = 0,遍历整个数组 nums
while (nums[i] != i) {
if (nums[i] == nums[nums[i]]) { //发现重复元素,直接返回
return nums[i];
}
int tmp = nums[i]; //执行交换操作,目的是为了使索引与值一一对应
nums[i] = nums[tmp];
nums[tmp] = tmp;
}
}
return -1;
}
以上算法实现的复杂度分析:
- 时间复杂度是: O(n)
- 空间复杂度是 : O(1)
可以看出,我们利用这种方法, 空间复杂度降到了 O(1) 了。
相关文章:
下一篇:【剑指offer】之《替换空格》
🌈我的感受:
刚开始看到这道题的时候,想着这还不简单,随随便便一个遍历就敲出来了,做出来之后,看到评论区大佬们的各种高招解法,顿时语塞,我这低端算法根本上不了台面,不过还是高兴了一会,毕竟也是解出来了😂,不愧是剑指offer的题,真没有想象的简单。今天是第一天题型难度还不大,后面就不一样了,不过不能放弃,要坚持下去,让我们一起加油,继续努力,共勉~