力扣打怪记005
今天多更几题~~
题目一:判断重复
给定一个整数数组,判断是否存在重复元素。如果存在一值在数组中出现至少两次,函数返回 true
。如果数组中每个元素都不相同,则返回 false
。
示例 :
输入: [1,2,3,1] 输出: true ;输入: [1,2,3,4] 输出: false;
输入: [1,1,1,3,3,4,3,2,4,2] 输出: true;
方法一:哈希表
//用set实现
class Solution {
public:
bool containsDuplicate(vector<int>& nums) {
unordered_set<int>hash;
for(int i:nums)
{if(hash.find(i)!=hash.end())
return true;
hash.insert(i);
}
return false;
}
};
//用map实现
class Solution{
public:
bool containsDuplicate(vector<int>& nums){
unordered_map<int,int>mp;
for(int i:nums)
{mp[i]++;
if(mp[i]>1)return true;
}
return false;
}
};
分析:代码很好理解,就是遍历查找,如果没有就插入,时间复杂度O(N),要注意set的函数.
方法二:排序
class Solution{
public:
bool containsDuplicate(vector<int>&nums){
sort(nums.begin(),nums.end());
for(int i=0;i<nums.size()-1;++i)
if(nums[i]==nums[i+1])return true;
return false;
}
};
分析:这里用了快排,时间复杂度为O(nlogn),有大佬说用两个for循环类似双指针那样好像超时了~~
方法三:集合巧秒解法
class Solution{
public:
bool containsDuplicate(vector<int>&nums){
return nums.size()>unordered_set<int>(nums.begin(),nums.end()).size();}
};
没有分析:额,复习一下集合三大特点互异性,确定性,无序性
题目二 :最大子序和
给定一个整数数组 nums
,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
示例:
1. 输入:nums = [-2,1,-3,4,-1,2,1,-5,4]
输出:6
解释:连续子数组 [4,-1,2,1] 的和最大,为 6 。
2. 输入:nums = [-1]
输出:-1
方法一:暴力
class Solution
{
public:
int maxSubArray(vector<int> &nums)
{
int max = INT_MIN, sum = 0;
int length = nums.size();
for (int i = 0; i < length; ++i)
{
sum = nums[i];
if (sum > max)
max = sum;
for (int j = i + 1; j < length; ++j)
{
sum += nums[j];
if (sum > max)
max = sum;
}
}
return max;
}
};
分析:暴力也有美感,类似于两数相加拓展到n数相加,这里引入了新知识INT_MIN(int型最小负数),感兴趣可以去查查相关用法,这里的思路可能有点陡,只要记得它是求连续的,所以都可以改变首位数
方法二:贪心算法
class Solution{
public:
int maxSubArray(vector<int> &nums){
int sum=0, length=nums.size(), result=INT_MIN;
for(int i=0;i<nums.size();++i)
{
sum+=nums[i];
result=max(result,sum);
if(sum<0)sum=0;
}
return result;
}
};
分析:这里找最优在于找到和小于0的部分,并让这部分归零,从之后开始重新计数
方法三:动态规划(DP)
//方法一:dp数组法
class Solution
{
public:
int maxSubArray(vector<int> &nums)
{
int numsSize = nums.size(), result = INT_MIN;
vector<int> dp(numsSize);//这里是给dp数组规定大小
dp[0] = nums[0];
result = nums[0];
for (int i = 1; i < numsSize; ++i)
{
dp[i] = max(dp[i - 1] + nums[i], nums[i]);
result = max(result, dp[i]);
}
return result;
}
};
//方法二:dp数字法
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int result=INT_MIN, dp(nums[0]);//这里dp被初始化赋值为nums[0]
int numsSize=nums.size();
result=dp;
for(int i=1;i<numsSize;++i)
{
dp=max(dp+nums[i],nums[i]);
result=max(dp,result);
}
return result;
}
};
分析:动态规划就在于dp[n],dp[n-1], 现在的数,用两次比大小进行排除