经典算法题总结：数组常用技巧（双指针，二分查找和位运算）篇

已于 2024-08-12 17:43:33 修改
阅读量558 收藏 7
点赞数 6
分类专栏： 数据结构与算法 文章标签： 算法 数据结构 java
于 2024-08-12 17:33:03 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/RQfreefly/article/details/141106379
版权

双指针

在处理数组和链表相关问题时，双指针技巧是经常用到的，双指针技巧主要分为两类：左右指针和快慢指针。所谓左右指针，就是两个指针相向而行或者相背而行；而所谓快慢指针，就是两个指针同向而行，一快一慢。

15. 三数之和（⭐️⭐️）

思路

两数之和 -> 三数之和 -> N 数之和

代码

import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;

public class ThreeSumTarget {

    public List<List<Integer>> threeSum(int[] nums) {
        List<List<Integer>> res = new ArrayList<>();
        Arrays.sort(nums);
        for (int i = 0; i < nums.length; i++) {
            if (nums[i] > 0) {
                return res;
            }
            if (i > 0 && nums[i] == nums[i - 1]) {
                continue;
            }
            int left = i + 1;
            int right = nums.length - 1;
            while (left < right) {
                int sum = nums[i] + nums[left] + nums[right];
                if (sum < 0) {
                    left++;
                } else if (sum > 0) {
                    right--;
                } else {
                    res.add(Arrays.asList(nums[i], nums[left], nums[right]));
                    while ((left < right) && (nums[right] == nums[right - 1])) {
                        right--;
                    }
                    while ((left < right) && nums[left] == nums[left + 1]) {
                        left++;
                    }
                    right--;
                    left++
                }
            }
        }
        return res;
    }

}

import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;

public class NSumTarget {

    public List<List<Integer>> threeSum(int[] nums) {
        Arrays.sort(nums);
        return nSumTarget(nums, 3, 0, 0);
    }

    private List<List<Integer>> nSumTarget(int[] nums, int n, int start, int target) {
        int size = nums.length;
        List<List<Integer>> res = new ArrayList<>();
        if (n < 2 || size < n) {
            return res;
        }
        if (n == 2) {
            int low = start;
            int high = size - 1;
            while (low < high) {
                int sum = nums[low] + nums[high];
                int left = nums[low];
                int right = nums[high];
                if (sum < target) {
                    while (low < high && nums[low] == left) {
                        low++;
                    }
                } else if (sum > target) {
                    while (low < high && nums[high] == right) {
                        high--;
                    }
                } else {
                    res.add(new ArrayList<>(Arrays.asList(left, right)));
                    while (low < high && nums[low] == left) {
                        low++;
                    }
                    while (low < high && nums[high] == right) {
                        high--;
                    }
                }
            }
        } else {
            for (int i = start; i < size; i++) {
                if (i > start && nums[i] == nums[i - 1]) {
                    continue;
                }
                List<List<Integer>> sub = nSumTarget(nums, n - 1, i + 1, target - nums[i]);
                for (List<Integer> arr : sub) {
                    arr.add(nums[i]);
                    res.add(arr);
                }
                while (i < size - 1 && nums[i] == nums[i + 1]) {
                    i++;
                }
            }
        }
        return res;
    }

}

复杂度

  • 时间复杂度：O(N^2)
  • 空间复杂度：O(logN)

5. 最长回文子串（⭐️⭐）

思路

寻找回文串的问题核心思想是：从中间开始向两边扩散来判断回文串，对于最长回文子串，就是这个意思：

for 0 <= i < len(s):
    找到以 s[i] 为中心的回文串
    更新答案

找回文串的关键技巧是传入两个指针 left 和 right 向两边扩散，因为这样实现可以同时处理回文串长度为奇数和偶数的情况。

for 0 <= i < len(s):
    # 找到以 s[i] 为中心的回文串
    palindrome(s, i, i)
    # 找到以 s[i] 和 s[i+1] 为中心的回文串
    palindrome(s, i, i + 1)
    更新答案

代码

public class LongestPalindromicSubstring {

    public String longestPalindrome(String s) {
        String res = "";
        for (int i = 0; i < s.length(); i++) {
            String s1 = palindrome(s, i, i); // 奇数情况
            String s2 = palindrome(s, i, i + 1); // 偶数情况
            res = res.length() > s1.length() ? res : s1;
            res = res.length() > s2.length() ? res : s2;
        }
        return res;
    }

    private String palindrome(String s, int left, int right) {
        while (left >= 0 && right < s.length()
                && s.charAt(left) == s.charAt(right)) {
            left--;
            right++;
        }
        return s.substring(left + 1, right);
    }

}

复杂度

  • 时间复杂度：O(N^2)
  • 空间复杂度：O(N)

88. 合并两个有序数组（⭐️⭐️）

思路

代码

public class MergeTwoArray {

    // 双指针
    public void merge1(int[] nums1, int m, int[] nums2, int n) {
        int p1 = 0;
        int p2 = 0;
        int[] sorted = new int[m + n];
        int cur = 0;
        int i = 0;
        while (p1 < m && p2 < n) {
            if (nums1[p1] < nums2[p2]) {
                sorted[i++] = nums1[p1++];
            } else {
                sorted[i++] = nums2[p2++];
            }
        }
        while (p1 < m) {
            sorted[i++] = nums1[p1++];
        }
        while (p2 < n) {
            sorted[i++] = nums2[p2++];
        }
        for (i = 0; i < m + n; i++) {
            nums1[i] = sorted[i];
        }
    }

    // 逆向双指针
    public void merge2(int[] nums1, int m, int[] nums2, int n) {
        int i = m - 1;
        int j = n - 1;
        int p = nums1.length - 1;
        while (i >= 0 && j >= 0) {
            if (nums1[i] > nums2[j]) {
                nums1[p] = nums1[i];
                i--;
            } else {
                nums1[p] = nums2[j];
                j--;
            }
            p--;
        }
        while ( j>= 0) {
            nums1[p] = nums2[j];
            j--;
            p--;
        }
    }

}

复杂度

  • 时间复杂度：O(N)
  • 空间复杂度：双指针：O(N)，逆向双指针：O(1)

二分查找

int binarySearch(int[] nums, int target) {
    int left = 0, right = nums.length - 1; 
    while(left <= right) {
        int mid = left + (right - left) / 2;
        if (nums[mid] < target) {
            left = mid + 1;
        } else if (nums[mid] > target) {
            right = mid - 1; 
        } else if(nums[mid] == target) {
            // 直接返回
            return mid;
        }
    }
    // 直接返回
    return -1;
}

33. 搜索旋转排序数组（⭐️⭐️）

思路

代码

public class SearchInRotatedSortedArray {

    /*
        nums = [4,5,6,7,0,1,2]
        例如 target = 5, 目标值在左半段，因此在 [4, 5, 6, 7, inf, inf, inf] 这个有序数组里找就行了
        例如 target = 1, 目标值在右半段，因此在 [-inf, -inf, -inf, -inf, 0, 1, 2] 这个有序数组里找就行了
     */
    public int search(int[] nums, int target) {
        int left = 0;
        int right = nums.length - 1;

        while (left <= right) {
            int mid = left + (right - left) / 2;
            if (nums[mid] == target) {
                return mid;
            }
            if (target >= nums[0]) {
                if (nums[mid] < nums[0]) {
                    nums[mid] = Integer.MAX_VALUE;
                }
            } else {
                if (nums[mid] >= nums[0]) {
                    nums[mid] = Integer.MIN_VALUE;
                }
            }
            if (nums[mid] < target) {
                left = mid + 1;
            } else {
                right = mid - 1;
            }
        }
        return -1;
    }

}

复杂度

  • 时间复杂度：O(logN)
  • 空间复杂度：O(1)

69. x 的平方根（⭐️⭐️）

思路

代码

public class Sqrt {

    public int mySqrt(int x) {
        int left = 0, right = x, res = -1;
        while (left <= right) {
            int mid = left + (right - left) / 2;
            if ((long) mid * mid <= x) {
                res = mid;
                left = mid + 1;
            } else {
                right = mid - 1;
            }
        }
        return res;
    }

}

复杂度

  • 时间复杂度：O(N)
  • 空间复杂度：O(1)

240. 搜索二维矩阵 II（⭐️）

思路

代码

public class SearchMatrix {

    public boolean searchMatrix(int[][] matrix, int target) {
        int m = matrix.length, n = matrix[0].length;
        int i = 0, j = n - 1;
        while (i < m && j >= 0) {
            if (matrix[i][j] == target) {
                return true;
            }
            if (matrix[i][j] < target) {
                i++; // 需要大一点，往下移动
            } else {
                j--; // 需要小一点，往左移动
            }
        }
        return false;
    }

}

复杂度

  • 时间复杂度：O(M + N)
  • 空间复杂度：O(1)

34. 在排序数组中查找元素的第一个和最后一个位置（⭐️）

思路

代码

public class SearchRange {

    public int[] searchRange(int[] nums, int target) {
        return new int[]{leftRange(nums, target), rightRange(nums, target)};
    }

    private int leftRange(int[] nums, int target) {
        int left = 0, right = nums.length - 1;
        while (left <= right) {
            int mid = left + (right - left) / 2;
            if (nums[mid] < target) {
                left = mid + 1;
            } else if (nums[mid] > target) {
                right = mid - 1;
            } else if (nums[mid] == target) {
                right = mid - 1;
            }
        }
        if (left < 0 || left >= nums.length) {
            return -1;
        }
        return nums[left] == target ? left : -1;
    }

    private int rightRange(int[] nums, int target) {
        int left = 0, right = nums.length - 1;
        while (left <= right) {
            int mid = left + (right - left) / 2;
            if (nums[mid] < target) {
                left = mid + 1;
            } else if (nums[mid] > target) {
                right = mid - 1;
            } else if (nums[mid] == target) {
                left = mid + 1;
            }
        }
        if (right < 0 || right >= nums.length) {
            return -1;
        }
        return nums[right] == target ? right : -1;
    }

}

复杂度

  • 时间复杂度：O(log(N))
  • 空间复杂度：O(1)

34. 在排序数组中查找元素的第一个和最后一个位置（⭐️）

思路

代码

class Solution {
    
    public int[] searchRange(int[] nums, int target) {
        return new int[]{leftBound(nums, target), rightBound(nums, target)};
    }

    private int leftBound(int[] nums, int target) {
        int left = 0, right = nums.length - 1;
        // 搜索区间为 [left, right]
        while (left <= right) {
            int mid = left + (right - left) / 2;
            if (nums[mid] < target) {
                // 搜索区间变为 [mid+1, right]
                left = mid + 1;
            } else if (nums[mid] > target) {
                // 搜索区间变为 [left, mid-1]
                right = mid - 1;
            } else if (nums[mid] == target) {
                // 收缩右侧边界
                right = mid - 1;
            }
        }
        // 检查出界情况
        if (left >= nums.length || nums[left] != target) {
            return -1;
        }
        return left;
    }

    private int rightBound(int[] nums, int target) {
        int left = 0, right = nums.length - 1;
        while (left <= right) {
            int mid = left + (right - left) / 2;
            if (nums[mid] < target) {
                left = mid + 1;
            } else if (nums[mid] > target) {
                right = mid - 1;
            } else if (nums[mid] == target) {
                // 这里改成收缩左侧边界即可
                left = mid + 1;
            }
        }
        // 这里改为检查 right 越界的情况，见下图
        if (right < 0 || nums[right] != target) {
            return -1;
        }
        return right;
    }
    
}

复杂度

  • 时间复杂度：O(log(N))
  • 空间复杂度：O(N)

162. 寻找峰值（⭐️）

思路

代码

public class FindPeakElement {

    public int findPeakElement(int[] nums) {
        int left = 0, right = nums.length - 1;
        while (left < right) {
            int mid = left + (right - left) / 2;
            if (nums[mid] > nums[mid + 1]) {
                right = mid;
            } else {
                left = mid + 1;
            }
        }
        return left;
    }

}

复杂度

  • 时间复杂度：O(logN)
  • 空间复杂度：O(1)

位运算

136. 只出现一次的数字（⭐️）

思路

代码

public class SingleNumber {
    
    public int singleNumber(int[] nums) {
        int res = 0;
        for (int n : nums) {
            res ^= n;
        }
        return res;
    }
    
}

复杂度

  • 时间复杂度：O(N)
  • 空间复杂度：O(1)
rongqing2019
关注
专栏目录
JavaScript折半查找（二分查找）算法原理与实现方法示例
12-11
JavaScript中的折半查找，也称为二分查找，是一种在有序数组中快速查找特定元素的算法。它的核心思想是利用数组的有序性，每次查找都通过比较中间元素与目标值来缩小搜索范围，从而达到高效查找的目的。以下是折半...
PHP基于二分法实现数组查找功能示例【循环与递归算法】
10-18
对有兴趣深入了解PHP和相关数据结构与算法的读者，本文提供了多个参考链接，如《PHP数据结构与算法教程》、《php程序设计算法总结》、《php字符串(string)用法总结》、《PHP数组(Array)操作技巧大全》、《PHP常用...
考研数据结构算法题总结36页（893+408）
07-13
3. **二分查找**：在有序数组中查找特定元素或解决问题时，二分查找可以显著提高效率。 4. **贪心算法**：在寻找局部最优解时，贪心算法可以简化问题，例如三元组问题。 5. **动态规划**：用于解决具有重叠子问题和...
指针和数组及算法工具.zip
04-10
2. **搜索算法**：如线性搜索、二分搜索，用于在数据集中查找特定元素。 3. **图算法**：如深度优先搜索（DFS）、广度优先搜索（BFS），用于处理节点间的连接关系。 数组和指针在实现算法时有密切关联。指针可以...
算法题总结 2741
08-08
1. **数组中重复的数字**：这道题主要考察对数组的理解和遍历技巧，可能涉及到哈希表或双指针等方法，目的是找出数组中重复的元素。 2. **旋转数组的最小数字**：此题需要处理数组经过旋转后的查找问题，可以利用二...
算法刷题：300. 最长递增子序列、674. 最长连续递增序列、718. 最长重复子数组、1143. 最长公共子序列
qq_61936886的博客
09-12 485
如果text1[i - 1] 与 text2[j - 1]不相同，那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列，取最大的。但dp[i][0] 和dp[0][j]要初始值，因为 为了方便递归公式dp[i][j] = dp[i - 1][j - 1] + 1;2.递推公式：当A[i - 1] 和B[j - 1]相等的时候，dp[i][j] = dp[i - 1][j - 1] + 1;
算法知识点——常用输入输出数据的方式
5233的博客
09-12 282
除了换行之外，还会清空缓存区，而清空缓存区这件事情会耗时很久，因此为了提高速度，一般直接：cout << “\n”;2、n组输入输出(n不确定）1、n组输入输出(n确定）3、 复杂的输入输出。
Java数据结构（十）——冒泡排序、快速排序
xiaokuer_的博客
09-11 1169
文章介绍了冒泡排序和快速排序，快速排序的内容包括：划分方式、优化策略以及非递归实现
算法基础-约数
qq_65186476的博客
09-11 307
试除法求约数、约数个数、约数之和、最大公约数
【Hot100】LeetCode—64. 最小路径和
weixin_44382896的博客
09-12 465
64. 最小路径和。
算法练习题24——查找杨辉三角中的组合数
hello77的blogggg 祝你得偿所愿
09-12 573
逐项递推法适合处理较小的数据量，计算较为直观，但当杨辉三角行数较大时，效率较低。 二分查找法利用组合数的单调性，显著提高查找效率，适合处理较大的数据范围。这两种解法在不同场景下都可以使用，二分查找法尤其适合大规模数据下的查找问题。
算法练习题22——解码
hello77的blogggg 祝你得偿所愿
09-11 381
小明有一串很长的英文字母，其中可能包含大写和小写字母。在这串字母中，有很多字母是连续且重复的。为了压缩这串字母的表达形式，小明决定将连续相同的字母用“字母 + 出现次数”的形式表示。
二分系列(二分查找)9/12
2301_78191305的博客
09-12 961
排序数组->使用二分。第一个位置:>=；第二个位置:=(target+1)-1；所以直接写一个>=的函数。
18068 选择排序
huang1xiao1sheng的博客
09-11 426
输入10个整数，编写一个实现对数组进行选择排序的函数 #include int sort(int a[], int n) { int i,j,k,tmp; for(i=0;i
【算法篇】数组类（笔记）
CXDNW的博客
09-10 797
if (nums[middle] > target) right 更新为 middle，因为当前 nums[middle] 不等于 target，去 左区间 继续寻找，而寻找 区间是 左闭右开区间，所以 right 更新为 middle，即：下一个 查询区间不会去比较 nums[middle]。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。：窗口的结束位置就是遍历数组的指针，也就是 for 循环里的索引。
选择排序
shylyly_的博客
09-13 1054
每一次从待排序的数据元素中选出最小（或最大）的一个元素，存放在序列的起始位置，直到全部待排序的数据元素排完
【算法】动态规划—编辑距离
qq_58023907的博客
09-13 737
给你两个单词 和 ， 请返回将 转换成 所使用的最少操作数 。你可以对一个单词进行如下三种操作： 编辑距离问题就是给定两个字符串 s1 和 s2，只能用三种操作把 s1 变成 s2，求最少的操作数。需要明确的是，不管是把 s1 变成 s2 还是反过来，结果都是一样的，所以下面就以 s1 变成 s2 举例。 解决两个字符串的动态规划问题，一般都是用两个指针 i, j 分别指向两个字符串的最后，然后一步步往前走，缩小问题的规模。 设两个字符串分别为 "rad"
Python 实现 LM 算法（Levenberg-Marquardt）
最新发布
qq_42568323的博客
09-15 1148
Levenberg-Marquardt（LM）算法是求解非线性最小二乘问题的著名方法。它结合了高斯牛顿法和梯度下降法的优点，广泛用于非线性曲线拟合、机器学习、最优参数估计等领域。LM 算法的一个主要特点是能够在问题接近线性时，像高斯牛顿法一样快速收敛；而在问题严重非线性时，它通过梯度下降法的机制避免了求解发散。它是一个调和局部曲率信息与梯度信息的混合算法。在本篇博客中，我们详细介绍了 Levenberg-Marquardt 算法的基本思想、数学原理以及其 Python 的面向对象实现。
CSP-J 算法基础 图论
m0_62599305的博客
09-15 859
图论是计算机科学与离散数学中非常重要的一个分支，广泛应用于网络流、最短路径、图的连通性等众多领域。在实际问题中，许多关系可以抽象成图的形式，比如交通路线、社交网络、通信网络等。图论的核心概念包括顶点和边，通过这些基本单元可以构建不同类型的图模型。对于 CSP-J 竞赛或算法基础学习，掌握图的基本算法是非常重要的。我们经常会遇到与图相关的问题，例如最短路径问题、图的遍历（深度优先搜索与广度优先搜索）、连通分量的求解、最小生成树、最大流问题等。
算法面试题：排序、链表操作与二维数组查找
对于二维数组的查找问题，可以采用类似于二分查找的策略，从右上角或左下角开始，根据当前元素与目标值的大小关系来决定向哪个方向移动，以此来缩小搜索范围，直至找到目标值或确定不存在为止。这种方法充分利用了...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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