Lintcode189/LeetCode41 : First Missing Positive (Bucket Sort经典题)

  1. First Missing Positive
    中文English
    Given an unsorted integer array, find the first missing positive integer.

Example
Example 1:

Input:[1,2,0]
Output:3
Example 2:

Input:[3,4,-1,1]
Output:2
Challenge
Your algorithm should run in O(n) time and uses constant space.

解法1:类似bucket sorting。
这题的意思就是给一个unsorted array,长度N。问从1…N里面那个数字最先missing。要求时间复杂度O(n),空间复杂度O(1)。所以不能用sort, hashmap之类的算法。
基本思想类似count sort,即把每个元素k尽量排到A[k-1]的位置,所以这里必须有一个内部的while loop。
关于这个时间复杂度,为什么是O(n)呢?看了网上很多类似的答案,好像都讲的不是太清楚。我感觉是每个元素都最多只有一次这样的操作(把自己放在该放的那个位置)。有知道的网友麻烦回复一下。不胜感激。

代码如下:

class Solution {
public:
    /**
     * @param A: An array of integers
     * @return: An integer
     */
    int firstMissingPositive(vector<int> &A) {
        int N = A.size();
        if (N == 0) return 1;

        for (int i = 0; i < N; ++i) {
            while(A[i] > 0 && A[i] <= N && A[i] != i + 1) {
                if (A[A[i] - 1] == A[i]) break;  //important!
                swap(A[i], A[A[i] - 1]);
            }
        }
        
        for (int i = 0; i < N; ++i) {
            if (A[i] != i + 1) return i + 1;
        }
        
        return N + 1;
    }
};

解法2:负数标记法。
原理就是把负数和0都标记为n+1,这样就不用考虑它们了。
然后扫描数组,如果遇到绝对值在1…n之内的数,比如说k,则将对应的nums[k-1]变成负数。这样的好处是没有冲掉num[k-1]的值,而且又可以利用其正负值来表示对应位是不是已经有了:负数表示没有,正数表示有。
举例: nums = [2,3,5,-1], n=4
一开始会把-1变成5,也就是nums=[2,3,5,5]。
i=0, 遇到2,其绝对值在1…4内,将nums[2-1]=3变成-3。
i=1, 遇到-3,其绝对值仍然在1…4内,将nums[3-1]=5变成-5。
i=2, 遇到-5, 其绝对值不在1…内,不动
i=3, 遇到5,其绝对值不在1…内,不动
处理完后nums = [2, -3, -5, 5]
最后扫描nums,碰到的第一个>0的元素就是nums[0]=2,所以返回0+1=1。
实际上我们扫描整个数组,还可以发现nums[3]=5>0,所以下一个missing的正整数就是3+1=4。

class Solution {
public:
    int firstMissingPositive(vector<int>& nums) {
        int n = nums.size();
        if (n == 0) return 1;
        for (auto & it : nums) {
            if (it <= 0) it = n + 1;
        }
        for (auto & it : nums) {
            int abs_it = abs(it);
            if (abs_it <= n) nums[abs_it - 1] = -abs(nums[abs_it - 1]);
        }
        for (int i = 0; i < n; ++i) {
            if (nums[i] > 0) return i + 1;
        }
        return n + 1;
    }
};

三刷。用到了额外空间,不算正解。

class Solution {
public:
    int firstMissingPositive(vector<int>& nums) {
        int len = nums.size();
        int minNum = nums[0], maxNum = nums[0];
        int positiveCount = 0;
        for (int i = 0; i < len; i++) {
            if (nums[i] < minNum) minNum = nums[i];
            if (nums[i] > maxNum) maxNum = nums[i];
            if (nums[i] > 0) positiveCount++;
        }
        if (minNum > 1 || maxNum < 0) return 1;
        vector<int> buckets(positiveCount, 0);
        for (int i = 0; i < len; i++) {
            if (nums[i] <= 0) continue;
            if (nums[i] > positiveCount) continue;
            buckets[nums[i] - 1] = 1;
        }
        for (int i = 0; i < positiveCount; i++) {
            if (buckets[i] == 0) return i + 1;
        }
        return positiveCount + 1;
    }
};
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问,比如最长公共子序列、背包问、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的型,很多目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的目,按照难度从简单到困难排列。每个目都有详细的目描述、输入输出样例、目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问和最优子结构性质的问。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问,如背包问、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的目涵盖了各种难度级别和场景的问。从简单的斐波那契数列、迷宫问到可以用于实际应用的背包问、最长公共子序列等,难度不断递进且话丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问拆分成子问的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问,例如斐波那契数列、矩阵链乘法、背包问等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问。例如,经典的“爬楼梯”问,要求我们计算到n级楼梯的方案数。这个问的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问、保存中间状态来求解问。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典,但在某些场景下并不适用。例如,某些问的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解都非常重要。除了刷以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值