点击关注上方“五分钟学算法”,
设为“置顶或星标”,第一时间送达干货。
转自面向大象编程
本期例题:LeetCode 167 - Two Sum II - Input array is sorted[1](Easy)
给定一个已按照升序排列的有序数组,找到两个数使得它们相加之和等于目标数(不可以重复使用同一个数),返回两个数的下标值 i 和 j,要求 i < j。
假设每个输入有且仅有一个答案。
示例:
输入: numbers = [2, 7, 11, 15], target = 9
输出: [0, 1]
(注意:这里和原题略有不同,下标改为从 0 开始,更自然。)
Two Sum 是 LeetCode 的第一道题,你们应该都见过。乍一看来,Two Sum II 这道题和 Two Sum 问题一样平平无奇。然而,这道题实际上内藏玄机,加上了数组有序的变化之后,它就换了一套解法。
如果你直接翻答案的话,会发现这就是一道普通的双指针解法。两个指针, 的时间。但是,如果你只看答案,没有理解背后的道理,就会陷入一看就会,一做就跪的困境。
实际上,在这个双指针解法背后蕴含的是缩减搜索空间的通用思想。那么,这篇文章将会为你细细讲述这个解法背后的道理,让你能真正地理解这道经典题目。同时,要做到下次遇到同类题目时,可以快速想到这种解法。
这篇文章将会包含:
双指针解法的正确性解释
双指针解法的背后原理:缩减搜索空间
相同原理的另一道例题讲解
相关题目
双指针的解法
在做 Two Sum II 之前,你可能已经知道 Two Sum 的解法。使用一个散列表,做一次线性遍历,可以得到 时间复杂度、 空间复杂度的解法。那么在 Two Sum II 中,数组有序这个变化,能帮助降低复杂度吗?
看到有序这个条件,你可能首先想到的是二分查找。但是仔细一想,需要固定一个数,对另一个数进行二分查找,这样时间复杂度是 ,显然不行。在不排序的情况下都做得到 时间、 空间。那么我们的目标只可能是: 的时间、 的空间!
那么怎么能做到呢?这就是本题的双指针解法了。让我们先看看答案是怎么写的:
public int[] twoSum(int[] nums, int target) {
int i = 0;
int j = nums.length - 1;
while (i < j) {
int sum = nums[i] + nums[j];
if (sum < target) {
i++;
} else if (sum > target) {
j--;
} else {
return new int[]{i, j};
}
}
return new int[]{-1, -1};
}
代码的逻辑很简单,就轻轻巧巧地使用了两个指针,一个只向左移动,一个只向右移动。走完一趟,就得到了答案。
![](https://i-blog.csdnimg.cn/blog_migrate/6bf770725728f4427848ac0b42b7c164.png)
![](https://i-blog.csdnimg.cn/blog_migrate/1992b3afbd0c9b8593e1835986dd0208.png)
很多题解都只给出了这样一个答案,仿佛道理是不证自明的。但事实上,这个解法并不是能让人一眼就看懂。我第一次看到这道题的答案时,把这个解法叫做 Amazing O(n) 解法。这个解法的神奇之处在于,它把原本 的复杂度压缩到了 ,同时保证了算法的正确性。我们需要解释它为什么一定能得到解,而不会漏掉某些情况。
双指针解法的正确性解释
我们考虑两个指针指向的数字,A[i]
和 A[j]
。由于数组是有序的,在一开始,A[i]
是数组中最小的数字,A[j]
是最大的数字。我们将 A[i] + A[j]
与目标和 target
进行比较,则可能有两种情况:
A[i] + A[j]
大了。这时候,我们应该去找更小的两个数。由于A[i]
已经是最小的元素了,将任何A[i]
以外的数跟A[j]
相加的话,和只会更大。因此A[j]
一定不能构成正确的解,于是将j
向左移动一格,排除A[j]
。A[i] + A[j]
小了。这时候,我们应该去找更大的两个数。由于A[j]
已经是最大的元素了,将任何A[j]
以外的数跟A[i]
相加的话,和只会更小。因此A[i]
一定不能构成正确的解,于是将i
向右移动一格,排除A[i]
。
而第一步排除掉最左或最后的一个数后,我们再看子数组 A[i..j]
,其中 A[i]
又是最小的数字,A[j]
又是最大的数字。我们可以继续进行这样的排除。以此类推,进行
步,就可以排除掉所有可能的情况。
可以看到,无论 A[i] + A[j]
的结果是大了还是小了,我们都可以排除掉其中一个数。这样的排除法和二分搜索很相似。二分搜索通过每次排除一半的元素来减少比较的次数;而这道题的方法通过每次排除一个元素来减少比较的次数。两者又恰好都是利用了数组有序这个性质。
说到这里,这个解法的原理已经揭开一半了。接下来,我们再用更直观的方式,从搜索空间的角度真正地理解这道题。
搜索空间的缩减过程
在这道题中,我们要寻找的是符合条件的一对下标 ,它们需要满足的约束条件是:
、 都是合法的下标,即
(题目要求)
而我们希望从中找到满足 A[i] + A[j] == target
的下标
。以
为例,这时候全部的搜索空间是:
![](https://i-blog.csdnimg.cn/blog_migrate/596b1a4740222f211a0113c1d9b7fd10.png)
由于 、 的约束条件的限制,搜索空间是白色的倒三角部分。可以看到,搜索空间的大小是 数量级的。如果用暴力解法求解,一次只检查一个单元格,那么时间复杂度一定是 。而更优的算法,则可以在一次操作内排除掉多个不合格的单元格,从而快速削减搜索空间,定位问题的解。
那么我们来看看,本题的双指针解法是如何削减搜索空间的。一开始,我们检查右上方单元格
,即计算 A[0] + A[7]
:
![](https://i-blog.csdnimg.cn/blog_migrate/825f110851bd3e04d55a5b9bd6ce4dd2.png)
假设 A[0] + A[7]
小于目标和,由于 A[7]
已经是最大的数,我们可以推出 A[0] + A[6]
、A[0] + A[5]
、……、A[0] + A[1]
也都小于目标和,这些都是不合要求的解,可以一次排除,如下图所示。这相当于排除
的全部解,削减了一行的搜索空间,对应双指针解法中的 i++
。
![](https://i-blog.csdnimg.cn/blog_migrate/669542bedb770ff6775fae39e0f5729d.png)
在削减一行搜索空间之后,剩余的搜索空间仍然是倒三角形状。我们检查右上方的单元格 :
![](https://i-blog.csdnimg.cn/blog_migrate/27f6a1fae9da9ef8e022ce312d7f72dd.png)
假设 A[1] + A[7]
大于目标和,此时需要排除
的全部解,削减一列搜索空间,对应双指针解法中的 j--
:
![](https://i-blog.csdnimg.cn/blog_migrate/fac5839d90537c240390a204d09564b5.png)
以此类推,每次会削减一行或一列的搜索空间,经过 步以后,一定能检查完所有的可能性。搜索空间的减小过程如下面动图所示:
![](https://i-blog.csdnimg.cn/blog_migrate/25e9766b55ed8b49a3eefde1381934c2.png)
举一反三:二维矩阵搜索
Two Sum II 或许太过简单,并不需要用到搜索空间的知识。那么让我们来看看这个思想在另一个例题中的应用。
例题:LeetCode 240 - Search a 2D Matrix II[2](Medium)
一个 的矩阵 matrix 有如下特点:
每行的元素从左到右升序排列
每列的元素从上到下升序排列
写一个高效的算法在矩阵中搜索目标值 target。
这道题目的特点是,二维矩阵本身就是搜索空间,所以我们不需要思考搜索空间的形状,直接进行搜索即可。看到有序的这个条件,我们很容易想到使用二分搜索。二分搜索的中间点,显然应该是矩阵的中心点:
![](https://i-blog.csdnimg.cn/blog_migrate/29e134f42d709dc16745e7a4ee431d3d.png)
不过仔细思考就会发现,根据矩阵的性质,这个中心点把矩阵分成的四个部分中,只有左上部分全部小于中心点,只有右下部分全部大于中心点。也就是说做一次比较最多只能削减 1/4 的搜索空间。更大的问题是,删除掉左上部分或者右下部分之后,剩余的形状不再是一个规则的矩形,就无法继续进行二分搜索了。
![](https://i-blog.csdnimg.cn/blog_migrate/07d29aa64fdb138fbdcf59d46feac5cb.png)
那么我们不妨换一种思路,不追求一次削减一半的搜索空间,而是像刚才的 Two Sum II 问题那样,一次削减一行或者一列。类比刚才的双指针解法,我们可以检查矩阵右上角的元素,即 matrix[0][7]
。
![](https://i-blog.csdnimg.cn/blog_migrate/767675e3a8ebf387df614c7d335611f7.png)
如果 matrix[0][7]
小于目标值,由于矩阵每行是有序的,同一行所有的元素肯定都小于目标值,就可以排除一行的元素。
![](https://i-blog.csdnimg.cn/blog_migrate/6b00c1333339516097dfda8b127a309a.png)
而如果 matrix[0][7]
大于目标值,由于矩阵每列是有序的,同一列所有的元素一定都大于目标值,这又可以排除一列的元素。
![](https://i-blog.csdnimg.cn/blog_migrate/be644b08b8fd4de41d3aadbecae77965.png)
那么,我们每次都必定可以排除一行或一列的元素。经过 次比较后,就可以搜索全部的矩阵。如果你仔细对比 Two Sum II 和这道题,会发现它们连削减搜索空间的方向都是一致的。
总结
从本文的例题可以看出,LeetCode 很多题目的答案很简单,但若想真正记住并举一反三,还是要理解题目背后的思想。Two Sum II 表面上是一个简单的双指针解法,但为了能想出这个解法,需要理解背后的搜索空间思想。
搜索空间的技巧需要在实际题目中灵活运用,本文中二维矩阵搜索例题的解法就是灵活运用了搜索空间思想。这里再列出一道和本题非常相关的题目,请仔细体会其中削减搜索空间的思想:
11. Container With Most Water[3]
参考资料
[1]
LeetCode 167 - Two Sum II - Input array is sorted: https://leetcode.com/problems/two-sum-ii-input-array-is-sorted/
[2]LeetCode 240 - Search a 2D Matrix II: https://leetcode.com/problems/search-a-2d-matrix-ii/
[3]11. Container With Most Water: https://leetcode.com/problems/container-with-most-water/
推荐阅读
• 60 个相见恨晚的神器工具• 一线互联网公司技术面试的流程以及注意事项• 自学编程的八大误区!克服它!• 新手如何有效的刷算法题(LeetCode)• 10款VS Code插件神器,第7款超级实用!• 在拼多多上班,是一种什么样的体验?我tm心态崩了呀!• 写给小白,从零开始拥有一个酷炫上线的网站!
欢迎关注我的公众号“五分钟学算法”,如果喜欢,麻烦点一下“在看”~
![](https://i-blog.csdnimg.cn/blog_migrate/e8d41f30e7162a70528abab077e4dd75.png)