Leetcode数据结构入门第一天（数组）

217. 存在重复元素

题目描述

给你一个整数数组 nums 。如果任一值在数组中出现 至少两次 ，返回 true ；如果数组中每个元素互不相同，返回 false 。

样例

输入：nums = [1,2,3,1]
输出：true

输入：nums = [1,2,3,4]
输出：false

输入：nums = [1,1,1,3,3,4,3,2,4,2]
输出：true

思路

这道题比较简单，就是普通的查找类的数组题目，这里要判断是否重复的元素，可以先进行排序，把可能重复的数据弄到相邻位置，直接比较相邻位置即可，判断是否相等，相等直接结束循环。

参考代码

class Solution {
public:
    bool containsDuplicate(vector<int>& nums) {
        sort(nums.begin(),nums.end());//排个序
        //注意这里最后一个就不用比较了，不然会溢出
        for(int i=0;i<nums.size()-1;i++){
            if(nums[i]==nums[i+1]){
                return true;
            }
        }
        return false;
        
    }
};

53. 最大子数组和

题目描述

给你一个整数数组 nums ，请你找出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。

子数组 是数组中的一个连续部分。

样例

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 。

输入：nums = [1]
输出：1

输入：nums = [5,4,-1,7,8]
输出：23

思路一（贪心算法）

这里求解的是最大子数组和（子数组 是数组中的一个连续部分），初始化当前序列和以及最大值为nums[0],然后从第二个元素出发，判断当前指针所在的元素之前的序列和，如果小于0，那么舍弃前面序列，序列和更新为当前元素，如果大于等于0，序列和加上当前元素，通过不断循环更新序列和和最大值。

参考代码

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int n=nums.size();
        //使用贪心算法：当前指针前面元素和小于0，则舍弃之前的所有序列，重新开始
        int cur_sum=nums[0];//当前和：注意初始化
        int max=nums[0];//最大值和
        for(int i=1;i<n;i++)
        {
            //如果之前元素和为0，舍弃之前序列，重新开始
            if(cur_sum<0)
            {
                cur_sum=nums[i];
            }
            else//之前元素和不为0，继续算上当前元素
            {
                cur_sum+=nums[i];
            }
            //看看最大值是不是需要更新，需要的话，进行更新
            if(max<cur_sum)
            {
                max=cur_sum;
            }
        }

        return max;
    }
};

思路二（动态规划）

这道题看起来动态规划和贪心法实现起来基本一致，但是原理不一样，我们要求的是最大子数组和，我们求出每个以第i个元素结尾的序列和dp[i],然后返回dp数组中的最大值即可。
这里考虑用动态规划，可以考虑nums[i] 单独成为一段还是加入 dp[i-1]对应的那一段，这取决于两者中较大的那个，所以这里动态规划的转移方程dp[i]=max{dp(i−1)+nums[i],nums[i]}
为了节省空间，优化空间复杂度为O（1），所以直接更新在原来的数组中，没有单独开辟dp数组

参考代码

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int n=nums.size();
        //使用动态规划
        int maxn=nums[0];//最大值
        for(int i=1;i<n;i++)
        {
            //状态转移方程为dp[i]等于前一个元素加上当前元素与当前元素中的较大值
            nums[i]=max(nums[i-1]+nums[i],nums[i]);
            //更新最大值
            maxn=max(maxn,nums[i]);
        }

        return maxn;
    }
};