最长连续序列（局部最优、全局最优+MAP）

给定一个未排序的整数数组，找出最长连续序列的长度。

要求算法的时间复杂度为 O(n)。

示例:

输入: [100, 4, 200, 1, 3, 2]
输出: 4
解释: 最长连续序列是 [1, 2, 3, 4]。它的长度为 4。

分析

由于O(n)时间复杂度的限制，我们就不能采取先排序后遍历的思路。

针对O(n)时间复杂度的实现思路：遍历nums[]数组，利用Map存储元素nums[i]的值以及其所在连续序列的长度，此时基本只有两种情况：

1. 数组中出现过元素nums[i]-1或nums[i]+1，意味着当前元素可以归入左或右序列，那么此时假如左右序列的长度分别为left、right，那么显然加入nums[i]后，这整段序列的长度为 1+left+right，而由于这一整段序列中，只可能在左右两端扩展，所以只需要更新左右两端的value值即可。
2. 数组中未出现过元素nums[i]-1或nums[i]+1，意味着当前元素所在的连续序列就是自身（只有自己一个元素）。

但是！！总是有坑在等着我们跳：nums数组存在重复数字。

假设nums[]数组为[2,4,3,3]，按照上面的逻辑，map（key->value）中2->1，4->1，当遇到3时，因为左右两端都存在，因此会直接更新2->2，4->2，再次遇到3，2->3，4->3，于是我们需要判断是否已经处理过3这个重复数字，方法就是每次处理的数字nums[i]，也在map中更新它的值，并且在遍历的时候先判断nums[i].value是不是0，如果不是0，那么意味着前面我们处理过了，直接跳过就好。

图解

使用 hashmap 来保存数组中已经遍历过的元素，key对应元素的值，value表示该元素所在的连续子数组的长度。当遍历到数组的一个元素时有以下四种情况：
1.如果 hashmap 中存在此元素，则遍历下一个元素。
2.如果hashmap中不存在元素，则看 hashmap中是否存在此元素的前一个元素，比如说如果遍历到5时，看看hashmap中是否存在 4，如果存在则取该连续子数组的第一个元素，将它value值+1，并将该元素放到hashmap中，value值与第一个元素值相同，都表示该连续子数组的长度。
3.如果hashmap中存在的该元素的后一个元素，遍历到5时，hashmap中是否存在 6，将次元素加入到后一个连续的子数组中，并且和2中一样，找到子数组的第一个元素和最后一个元素，将它们的value值更新为子数组的长度。
下面是增加一个元素时对应的图：

上图中第一行的1，2代表的是key也就是数组中的元素大小，下一行是key对应的value，因为当前连续数组的长度为2，因此他们的值都是2。现在遍历到元素 3 将3加入到hashmap中后，如下图：

因为3与前面的 1，2构成连续的子数组，长度为3因此更新连续数组的第一个元素的value值，1的value值变为3，同时3的value值也为3。当遍历到元素4的时候，由于4与前面的1，2，3构成长度为4的子数组，因此先更新4的value值为4，1的value值为4，又由于4与后面的5构成了连续的数组，所以更新1的 value 值为5，5的value值为5，如下图：

总结：也就是用连续数组的第一个元素和最后一个元素保存数组的长度值，插入一个新的元素到hashmap中时当遇到上面的不同情况时，采用不同的方法更新value值。

class Solution {
    public int longestConsecutive(int[] nums) {
        int max = 0;
        HashMap<Integer,Integer> map = new HashMap<>();
        for (int i:nums){
            if(map.getOrDefault(i,0)==0){  // 解决重复数字问题，若重复，直接跳过
                int left = map.getOrDefault(i-1,0);
                int right = map.getOrDefault(i+1,0);
// 局部最优：left + right + 1
                map.put(i,left+right+1);
// 更新中间状态
                if(left!=0){
                    map.put(i-left,left+right+1);
                }
                if(right!=0){
                    map.put(i+right,right+left+1);
                }
// 全局最优
                max = max>(left+right+1)?max:(left+right+1);
            }
        }
        return max;
    }
}