给定一个未排序的整数数组 nums
,找出数字连续的最长序列(不要求序列元素在原数组中连续)的长度。
请你设计并实现时间复杂度为 O(n)
的算法解决此问题。
法一(判断前一位数是否存在,存在则跳过当前位):
时间复杂度:O(n)
思路:
我们考虑枚举数组中的每个数 x,考虑以其为起点,不断尝试匹配 x+1,x+2,⋯ 是否存在,假设最长匹配到了 x+y,那么以 x 为起点的最长连续序列即为 x,x+1,x+2,⋯,x+y,其长度为 y+1,我们不断枚举并更新答案即可。
对于匹配的过程,暴力的方法是 O(n) 遍历数组去看是否存在这个数,但其实更高效的方法是用一个哈希表存储数组中的数,这样查看一个数是否存在即能优化至 O(1) 的时间复杂度。
仅仅是这样我们的算法时间复杂度最坏情况下还是会达到 O(n^2)(即外层需要枚举 O(n) 个数,内层需要暴力匹配 O(n) 次),无法满足题目的要求。但仔细分析这个过程,我们会发现其中执行了很多不必要的枚举,如果已知有一个 x,x+1,x+2,⋯,x+y 的连续序列,而我们却重新从 x+1,x+2 或者是 x+y 处开始尝试匹配,那么得到的结果肯定不会优于枚举 x 为起点的答案,因此我们在外层循环的时候碰到这种情况跳过即可。
那么怎么判断是否跳过呢?由于我们要枚举的数 x 一定是在数组中不存在前驱数 x−1 的,不然按照上面的分析我们会从 x−1 开始尝试匹配,因此我们每次在哈希表中检查是否存在 x−1 即能判断是否需要跳过了。
增加了判断跳过的逻辑之后,时间复杂度是多少呢?外层循环需要 O(n) 的时间复杂度,只有当一个数是连续序列的第一个数的情况下才会进入内层循环,然后在内层循环中匹配连续序列中的数,因此数组中的每个数只会进入内层循环一次。根据上述分析可知,总时间复杂度为 O(n),符合题目要求。
class Solution {
public int longestConsecutive(int[] nums) {
Set<Integer> num_set = new HashSet<Integer>();
for (int num : nums) {
num_set.add(num);
}
int longestStreak = 0;
for (int num : num_set) {
if (!num_set.contains(num - 1)) {
int currentNum = num;
int currentStreak = 1;
while (num_set.contains(currentNum + 1)) {
currentNum += 1;
currentStreak += 1;
}
longestStreak = Math.max(longestStreak, currentStreak);
}
}
return longestStreak;
}
}
法二(排序后 数组去重):
时间复杂度:O(nlogn) 因为排序的时间复杂度为O(nlogn)最高
去重操作可以仔细思考一下
class Solution {
public int longestConsecutive(int[] nums) {
if (nums.length == 0) return 0;
int len = 0;
Arrays.sort(nums);
//实现去重操作
int slow = 0;
for (int fast = 0; fast < nums.length; fast++) {
//直接将nums[fast] 赋值给 nums[slow]
nums[slow] = nums[fast];
//如果nums[slow] == nums[slow - 1] 回退到nums[slow - 1],下次循环将其重新覆盖
if (slow > 0 && nums[slow] == nums[slow - 1]){
}else {
slow++;
}
}
nums = Arrays.copyOf(nums, slow);
// System.out.println(nums);
int cur = 1;
for (int i = 0; i < nums.length - 1; i++) {
if (nums[i] == nums[i + 1] - 1){
cur++;
}else {
len = Math.max(len,cur);
cur = 1;
}
}
len = Math.max(len,cur);
return len;
}
}