题目
给定一个整数数组 n u m s \ nums nums 和一个目标值 t a r g e t \ target target,请你在该数组中找出和为目标值的那 两个 整数,并返回他们的数组下标。
你可以假设每种输入只会对应一个答案。但是,你不能重复利用这个数组中同样的元素。
示例:
给定 nums = [2, 7, 11, 15], target = 9
因为 nums[0] + nums[1] = 2 + 7 = 9
所以返回 [0, 1]
解题思路
1. 直接法
遍历数组中的每个元素 x x x,并查找在数组中是否存在一个元素等于 t a r g e t − x \ target-x target−x 。
class Solution {
public:
vector<int> twoSum(vector<int>& nums, int target) {
for (int i = 0; i < nums.size()-1; i++) {
for (int j = i + 1; j < nums.size(); j++) {
if (target - nums.at(i) == nums.at(j)) {
return{ i, j };
}
}
}
return {};
}
};
注解:
-
时间复杂度: O ( n 2 ) \ O(n^2) O(n2), 对于每个元素,我们试图通过遍历数组的其余部分来寻找它所对应的目标元素,这将耗费 O ( n ) O(n) O(n) 的时间。因此时间复杂度为 O ( n 2 ) \ O(n^2) O(n2)。
-
空间复杂度: O ( 1 ) \ O(1) O(1)。
2. 哈希表
2.1. 两遍哈希表
为了对运行时间复杂度进行优化,我们需要一种更有效的方法来检查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。保持数组中的每个元素与其索引相互对应的最好方法是什么?哈希表。
通过以空间换取速度的方式,我们可以将查找时间从 O ( n ) \ O(n) O(n) 降低到 O ( 1 ) \ O(1) O(1)。哈希表正是为此目的而构建的,它支持以 近似 恒定的时间进行快速查找。我用“近似”来描述,是因为一旦出现冲突,查找用时可能会退化到 O ( n ) \ O(n) O(n)。但只要你仔细地挑选哈希函数,在哈希表中进行查找的用时应当被摊销为 O ( 1 ) \ O(1) O(1)。
一个简单的实现使用了两次迭代。在第一次迭代中,我们将每个元素的值和它的索引添加到表中。然后,在第二次迭代中,我们将检查每个元素所对应的目标元素 ( t a r g e t − n u m s [ i ] ) \ (target - nums[i]) (target−nums[i])是否存在于表中。注意,该目标元素不能是 n u m s [ i ] \ nums[i] nums[i]本身!
class Solution {
public:
vector<int> twoSum(vector<int>& nums, int target) {
map<int, int> m_Nums;
for (int i = 0; i < nums.size(); i++)
m_Nums.insert(map<int, int>::value_type(nums[i], i));
for (int i = 0; i < nums.size(); i++) {
int temp = target - nums.at(i);
if ((m_Nums.find(temp) != m_Nums.end()) && (m_Nums.find(temp)->second != i)) {
return{ i, m_Nums.find(target - nums.at(i))->second };
}
}
return {};
}
};
注解:
- 时间复杂度: O ( n ) \ O(n) O(n), 我们把包含有 n \ n n 个元素的列表遍历两次。由于哈希表将查找时间缩短到 O ( 1 ) \ O(1) O(1) ,所以时间复杂度为 O ( n ) \ O(n) O(n)。
- 空间复杂度: O ( n ) \ O(n) O(n), 所需的额外空间取决于哈希表中存储的元素数量,该表中存储了 n \ n n 个元素。
2.2一遍哈希表
为了对运行时间复杂度进行优化,我们需要一种更有效的方法来检查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。保持数组中的每个元素与其索引相互对应的最好方法是什么?哈希表。
通过以空间换取速度的方式,我们可以将查找时间从 O ( n ) \ O(n) O(n)降低到 O ( 1 ) \ O(1) O(1)。哈希表正是为此目的而构建的,它支持以 近似 恒定的时间进行快速查找。我用“近似”来描述,是因为一旦出现冲突,查找用时可能会退化到 O ( n ) \ O(n) O(n)。但只要你仔细地挑选哈希函数,在哈希表中进行查找的用时应当被摊销为 O ( 1 ) \ O(1) O(1)。
一个简单的实现使用了两次迭代。在第一次迭代中,我们将每个元素的值和它的索引添加到表中。然后,在第二次迭代中,我们将检查每个元素所对应的目标元素 ( t a r g e t − n u m s [ i ] ) \ (target - nums[i]) (target−nums[i])是否存在于表中。注意,该目标元素不能是 n u m s [ i ] \ nums[i] nums[i]本身!
class Solution {
public:
vector<int> twoSum(vector<int>& nums, int target) {
map<int, int> m_Nums;
for (int i = 0; i < nums.size(); i++) {
int temp = target - nums[i];
if (m_Nums.find(temp) != m_Nums.end())
return{ m_Nums.find(temp)->second, i };
m_Nums.insert(map<int, int>::value_type(m_Nums[nums[i]], i));
}
return{};
}
};
注解
- 时间复杂度: O ( n ) \ O(n) O(n), 我们只遍历了包含有 n \ n n个元素的列表一次。在表中进行的每次查找只花费 O ( 1 ) \ O(1) O(1) 的时间。
- 空间复杂度: O ( n ) \ O(n) O(n), 所需的额外空间取决于哈希表中存储的元素数量,该表最多需要存储 n \ n n个元素。