一道简单的题,但是发现了各种有趣的算法。题目链接:https://leetcode-cn.com/problems/missing-number/
题目如下:
第一种算法(很普通,效率最低,将nums数组的数存储在list中,然后循环i从1到数组长度,查询list中不存在的i,即为结果),代码如下:
int numsLen = nums.length;
int result = 0;
List list = new ArrayList();
for (int i = 0; i < numsLen; i++) {
list.add(nums[i]);
}
for (int i = 0; i <= numsLen; i++) {
if (!list.contains(i)) {
result = i;
break;
}
}
return result;
第二种算法:和第一种类似,但用到了搜索元素效率更高的hashset,在测试中运行时间仅仅只占第一种算法的1/20,代码如下:
Set<Integer> numSet = new HashSet<Integer>();
for (int num : nums) numSet.add(num);
int expectedNumCount = nums.length + 1;
//HashSet的查询效率大大高于list的查询效率
for (int number = 0; number < expectedNumCount; number++) {
if (!numSet.contains(number)) {
return number;
}
}
return -1;
第三种算法:思路~未缺失元素时元素的和=0+1+2+...+数组的长度;缺失元素时元素的和=未缺失元素时元素的和-缺失元素 即缺失元素=未缺失元素时元素的和-缺失元素时元素的和,只涉及简单的加减法,效率高,也是一个取巧的算法,代码如下:
//思路:未缺失元素时元素的和=0+1+2+...+数组的长度;缺失元素时元素的和=未缺失元素时元素的 和-缺失元素
//即缺失元素=未缺失元素时元素的和-缺失元素时元素的和
//allSum:未缺失元素时元素的和,almostSum:缺失元素时元素的和
int allSum = 0, almostSum = 0;
//未缺失元素时元素的和
for (int i = 0; i <= nums.length; i++) {
allSum += i;
}
//缺失元素时元素的和
for (int i = 0; i < nums.length; i++) {
almostSum += nums[i];
}
//缺失元素的值
return allSum - almostSum;
第四种算法:类似与第三种算法,只是对未缺失元素时元素的和的计算采用了等差数列通项公式求和,再减去所给数组的值即为缺失元素的值,代码如下:
int numsLen = nums.length;
int sum = ((1 + numsLen) * numsLen) / 2;
for (int i = 0; i < numsLen; i++) {
sum -= nums[i];
}
return sum;
四种算法的运行结果如图所示:
从中我们可以获得启示:(1)不同的数据结构可以给算法带来高效率(2)换一种思路,或许能看到不一样的天空。