【hashset】【hash查找元素O（1 ）时间复杂度】Leetcode 128. 最长连续序列

---------------🎈🎈题目链接🎈🎈-------------------

解法1 hashmap

核心思想
利用了hashmap查找元素的时间复杂度为O（1）的特性
当前的数字nums-1在hashmap中存在的时候就跳过这个数字

时间复杂度O(N)

时间复杂度分析
1、构建 HashSet 并将 nums 中的元素放入 HashSet 中的时间复杂度为 O(N)。
2、然后，遍历 HashSet，对于每个元素，我们检查它的前一个元素是否在 HashSet 中，这一步遍历了 HashSet，因此时间复杂度为 O(N)。
3、在内部的 while循环中，我们可能会访问到连续的多个元素，但在整个过程中，每个元素最多被访问一次，因此内部的 while 循环总共最多执行 N 次。因此，内部while 循环的时间复杂度也是 O(N)。
> 综上所述，总的时间复杂度是 O(N) + O(N) + O(N) = O(N)。

空间复杂度O(N)

class Solution {
    public int longestConsecutive(int[] nums) {
        // 利用了hashmap查找元素的时间复杂度为O（1）的特性
        // 当当前的数字nums-1在hashmap中存在的时候就跳过这个数字 
        HashSet<Integer> myhashset = new HashSet<>();  // 新建hashset把nums的元素塞进去  时间复杂度O(N)
        for(int num:nums){
            myhashset.add(num);
        }

        int result = 0;
        // 遍历hashset 时间复杂度O(N)
        for(int num:myhashset){
            if(myhashset.contains(num-1)){//  当前的数字nums-1在hashmap中存在的时候就跳过这个数字 
                continue;
            }

            int cur = num ;
            int count = 1;
            // 接下来就是找当前num 后面+1 +2 +3的数 
            while(myhashset.contains(cur+1)){
                count++;
                cur = cur+1;
            }
            if(result<count) result=count;     
        }
        return result;
    }
}

解法2 不满足题设 排序+遍历

时间复杂度O(N)

时间复杂度分析：
1、首先，数组排序的时间复杂度为 O(n log n)，其中 n 是数组 nums 的长度。
2、然后，通过一次遍历排序后的数组，计算最长连续序列的长度。在遍历过程中，对于每个元素，只需常数时间内的比较操作，因此遍历的时间复杂度为 O(n)。
综上所述，总的时间复杂度是排序的时间复杂度加上遍历的时间复杂度，即 O(n log n) + O(n) = O(n log n)。

空间复杂度O(1)

class Solution {
    public int longestConsecutive(int[] nums) {
        Arrays.sort(nums);
        int result =0;
        int finalresult =0;
        for(int i =0; i < nums.length; i++){
            if(i==0){
                result=1;
            }
            if(i>0 && nums[i]-nums[i-1]==1){
                result++;
            }
            if(i>0 && nums[i]-nums[i-1]>1){
                if(result>finalresult){
                    finalresult = result;
                }
                result=1;
            }

        }
        return Math.max(result,finalresult);
    }
}