01 题目描述
给定一个整数数组 nums
和一个整数目标值 target
,请你在该数组中找出 和为目标值 target
的那 两个 整数,并返回它们的数组下标。
你可以假设每种输入只会对应一个答案。但是,数组中同一个元素在答案里不能重复出现。
你可以按任意顺序返回答案。
02 示例
示例1:
输入:nums = [2,7,11,15], target = 9
输出:[0,1]
解释:因为 nums[0] + nums[1] == 9 ,返回 [0, 1]
示例2:
输入:nums = [3,2,4], target = 6
输出:[1,2]
示例3:
输入:nums = [3,3], target = 6
输出:[0,1]
提示:
2 <= nums.length <= 104
-109 <= nums[i] <= 109
-109 <= target <= 109
- 只会存在一个有效答案
进阶:你可以想出一个时间复杂度小于 O(n2)
的算法吗?
03 C++代码
方法一:暴力求解法
class Solution {
public:
vector<int> twoSum(vector<int>& nums, int target) {
int i,j;
for (i = 0; i < nums.size(); i++){
for (j = i+1; j < nums.size(); j++){
if (nums[i] + nums[j] == target){
return {i,j};
}
}
}
return {i,j};
}
};
复杂度分析:
时间复杂度:O(N²),其中N是数组中的元素数量。最坏情况下数组中任意两个数都要被匹配一次。
空间复杂度:O(1)。
方法二:哈希映射法
思路及算法:
暴力求解方法的时间复杂度较高的原因是寻找target - x的时间复杂度过高。因此,我们需要能够快速寻找数组中是否存在目标元素。如果存在,我们需要找出它的索引。
算法:使用哈希表,可以将寻找target - x 的时间复杂度从O(N)降低到O(1)。
故首先创建一个哈希表,对于每一个x,我们首先查询哈希表中是否存在target - x,然后将x插入到哈希表中,即可保证不会让x和自己匹配。
class Solution {
public:
vector<int> twoSum(vector<int>& nums, int target) {
unordered_map<int, int> hash_table; //定义一个哈希容器
for (int i = 0; i < nums.size(); i++){
auto it = hash_table.find(target - nums[i]); // auto用来定义stl的迭代器
if (it != hash_table.end()) {
return {it->second, i}; //这里哈希表的键是数组中的值,哈希表的值是数组中的索引,因此此处用second来进行调用
}
hash_table[nums[i]] = i; //这里的哈希表是边赋值边进行查找,为了避免重复值,因此实在循环之后才进行传值
}
return {};
}
};
复杂度分析:
时间复杂度:O(N)
04 一点感想
刷题小白今天学会了使用哈希表~
举个栗子:[2, 7, 11, 15],target = 26
2 | 7 | 11 |
0 | 1 | 2 |
上表是哈希表,定义哈希容器用unordered_map(unordered_map 容器和 map 容器仅有一点不同,即 map 容器中存储的数据是有序的,而 unordered_map 容器中是无序的)。
for循环执行遍历时:
- 第一个x值是2,target-x = 24,此时哈希表中未找到这个值,于是将<key, vaule> = <2, 0>下标为0的x值放入哈希容器中;
- 第二个x值是7,target-x = 19,此时哈希表中未找到这个值,于是将<key, value> = <7, 1>下标为1的x值放入哈希容器中;
- 第三个x值是11,target-x = 15,此时哈希表中未找到这个值,于是将<key, value> = <11, 2>下标为2的x值放入哈希容器中;
- 第四个x值是15,target-x =11,此时哈希表中找到了key = 11这个值,于是取对应迭代器的第二个值it->second,得到11对应的下标为2,放回的值为2和当前x的下标3。
综上,执行完一次循环后,返回的值为 [2, 3]。
05 刷题进度
学习目标:坚持刷题 坚持刷题 坚持刷题!!!
那写看似毫无波澜的日复一日,会在某一天 让你突然发现努力的意义。
无悔昨天 & 感谢今天 & 喜欢明天~
一以贯之的努力,不得懈怠的人生。每天的微小积累,会决定最终的结果,这 就是答案!