介绍:
大家好,我是猿码叔叔,很高兴又和大家见面了。
细数进入 Java 领域这几年,可谓一波三折,体会过求职与加班的心酸之后,也渐渐的开始学会将行业与自身职业素养联系起来,去思考如何做自己的职业规划。
技术似乎永远也是一个解不开的谜底,无论你怎么赴汤蹈火,最终都只有一个归宿,那就是家庭。所以啰嗦一句,我们学习技术,热爱技术最终都是为了有一个好的家庭。
正题:
今天要写的算法是力扣中的第一道题《两数之和》。
难度:容易
题目内容:
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。
题目来源:力扣
💡分析:
根据题意,假设: + == ,
则有 - == , - ==
因此,最简单的办法就是全局搜索。我们分别创建 2 个 循环。 代表 ,
代表 ,这样一来我们将两个循环的当前下标元素进行相加,如果等于 ,就按照题目要求的方式返回即可,反之继续遍历。由于题目中强调,数组 中一定会有一对满足要求的数对,且答案只有一个。因此我们不用担心是否有别的答案会出现,或者没有答案的情况。
我们先用简单的方式实现一下,代码如下:
public int[] twoSum1(int[] nums, int target) {
int n = nums.length;
// 定义存储结果的数组
int[] res = new int[2];
for (int i = 0; i < n; i++) {
// 假设 nums[i] 为 target 的减数
int sub = target - nums[i];
for (int j = 0; j < n; j++) {
// 判断当前 nums[j] 是否为 nums[i] 的差
if(sub == nums[j]) {
res[0] = i;
res[1] = j;
return res;
}
}
}
return res;
}
时间复杂度:, 为输入数组中元素的数量
空间复杂度:
💡 思考
这道题,很容易引人思考的一点是,当我们假设 为减数时,必然能根据假设获取到差值,因此我们可以用空间来换时间,使用 hash 来解题。当然,这里我不使用 HashMap,因为 HashMap 是一个封装的散列表,底层也会使用数组扩容机制来 hash 数据,因此我们来学习一下 数组 hash。但前提是 尽可能的小,且大于 。
假设: ;
为了降低时间复杂度,我们必须尽可能少的去对 nums 进行全局搜索。而且我们知道, 最多为 1000,因此我们使用 本身作为 hash 值(索引),能快速定位到其是否存在。初始化的数组,元素都会为 0。
设数组:; 若 > 0,说明该差值存在。
下面是代码实现:
public int[] twoSumHash(int[] nums, int target) {
int n = nums.length;
// 用以存储索引的 hash 数组
int[] hash = new int[1001];
for (int i = 0; i < n; i++) {
// 用元素值代替 hash 数组的索引
hash[nums[i]] = i;
// 求差值
int sub = target - nums[i], idx;
// 避免数组越界
if(sub > -1) {
// 如果 sub 定位到的 hash 数组元素不为 0,
// 意味着以该元素为下标的值即为差值的索引
if((idx = hash[sub]) > 0 && idx != i) {
return new int[] {i, idx};
}
}
}
return new int[0];
}
时间复杂度:, 为输入数组中元素的数量
空间复杂度:
当然,这中解法只能作为数组 hash 的一种示范,并不能解决所有情况下的两数之和。
大家可以尝试自己去用 HashMap 实现,与写法 2 差不多。
🎓 总结:
这道题,可以很好的作为理解 hash 实现原理的辅助,同时也颠覆我们对数组查询效率较低的认知,也渗透出算法为解决诸多难题要面对的最大困难之一 —— 搜索。比如 Elasticsearch就用到了 D-Gap 索引算法,来压缩文档编号,达到空间压缩的作用。可能这些效率上的提升是细微的,但对于庞大的数据量来说,足够了。算法之所以区别于一般的程序,我个人认为它更多的是以效率为导向,来快速解决问题。
学习点:
- hash的作用:解决全局搜索时间复杂度高的问题
- 如何使用数组对一般较小且值固定的元素进行快速搜索,比如 a, b, c, d