[LeetCode - 桶排序] 41. First Missing Positive

1 问题

Given an unsorted integer array, find the first missing positive integer.
For example,
Given [1,2,0] return 3,
and [3,4,-1,1] return 2.
Your algorithm should run in O(n) time and uses constant space.

2 分析

题目给了一个无序的整数数组,求:不在此数组中且最小的整数,并对时间复杂度和空间复杂度做出了要求。求解此问题的一个直觉是排序,如果能够将所给数据进行排序,就可以很方便的找出不在此数组中的最小整数。但是题目要求时间复杂度为 O(n) ,那么使用”比较模型”的排序算法不可取,只能使用线性时间排序算法。
观察发现:

  • 不在数组中的最小正整数只受数组中正整数的影响,无论数组中负数和0如何分布,都不影响所求的结果。因此只需要对数组中的正整数进行排序。
  • 在正整数的排序过程中,如果数组中存在重复数字,无论如何重复,也不会影响未出现的最小正整数,因此,排序过程中可以忽略重复。
  • 不在数组中的最小正整数的最小值为1,最大值为 n+1

基于以上两点观察,可以使用线性时间排序算法中的桶排序。题目要求空间复杂度为常数,因此只能在输入数组上进行操作,不能分配新的空间。假设数组长度为 n , 那么将整个数组的n个位置看作为n个桶,每个桶分别对应正整数 1,2,3,...,n。遍历整个数组,执行如下操作(设i表示当前正在访问的数组下标,a[i]表示当前正在访问的数组值):

  1. 如果a[i] < 0,则跳过此位置,即执行i = i + 1
  2. 如果a[i] > n, 执行i = i + 1
  3. a[i]与对应的桶中的值a[a[i]进行比较,如果二者相等,执行i = i + 1
  4. 如果以上几点均不满足,将a[i]与对应的桶中的值a[a[i]]交换。交换后重复执行以上步骤,注意成功交换后,仍然访问下标i

在完成排序后,再次遍历数组,第一个数组值与下标不相等的位置就是所求的数字。如果整个数组的值都与各自下标相等,那么所求数字为 n+1

3 代码

public class Solution {
    public int firstMissingPositive(int[] nums) {
        int len = nums.length;
        int i = 0;
        while(i < len){
            if(nums[i] <= len && nums[i] >= 1 && nums[i] != nums[nums[i]-1]){
                int temp = nums[nums[i]-1];
                nums[nums[i]-1] = nums[i];
                nums[i] = temp;
            }else{
                i++;
            }
        }

        for(int id = 0; id < len; id++){
            if(nums[id] != id+1){
                return id+1;
            }
        }
        return len+1;
    }
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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