leetcode 128.最长连续序列

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。

解题思路:要求时间复杂度为O(n),第一时间想到哈希,遍历数组的同时保存当前元素所在的最长连续序列长度,取其中最大值。遍历时出现以下几种情况
情况1:该元素已存在,则跳过
情况2:存在左连续序列,长度为1+left,更新序列首元素长度
情况3:存在右连续序列,长度为1+rignt,更新序列尾元素长度
情况4:同时存在左右连续序列,长度为1+left+right,更新序列首尾长度
自己先写了一遍,然后看到一段使用哈希getOrDefault()方法写的代码,很优美,果断重写(这里为了更具可读性,没有直接使用getOrDefault()方法)
public int longestConsecutive(int[] nums) {

    int max = 0;
    HashMap<Integer,Integer> hash = new HashMap<>();
    for(int i = 0;i < nums.length;i++) {
        if(!hash.containsKey(nums[i])) {
            int left = findConsecutive(hash,nums[i] - 1);
            int right = findConsecutive(hash,nums[i] + 1);
            hash.put(nums[i], 1 + left + right);
            if (left != 0)
                hash.replace(nums[i] - left, 1 + left + right);
            if (right != 0)
                hash.replace(nums[i] + right, 1 + left + right);
            max = Math.max(max,1 + left + right);
        }
    }
    return max;
}
public int findConsecutive(HashMap hash, int key){
    if(hash.containsKey(key))
        return (int)hash.get(key);
    else
        return 0;
}
LeetCode(力扣)上,有一个经典的算法题目叫做“最长连续序列”(Longest Continuous Increasing Subsequence),通常用C++或其他编程语言进行解答。这个题目的目的是找到一个给定整数数组中的最长递增子序列。递增子序列是数组中的一段连续元素,它们按顺序严格增大。 这里是一个简单的C++解决方案思路: ```cpp #include <vector> using namespace std; class Solution { public: int longestContinuousIncreasingSubsequence(vector<int>& nums) { if (nums.empty()) return 0; // 避免空数组的情况 int n = nums.size(); vector<int> dp(n, 1); // dp[i] 表示以nums[i]结尾的最长递增子序列长度 int max_len = 1; // 初始化最长递增子序列长度为1 for (int i = 1; i < n; ++i) { // 遍历数组,从第二个元素开始 if (nums[i] > nums[i-1]) { // 如果当前元素比前一个大 dp[i] = dp[i-1] + 1; // 更新dp值,考虑加入当前元素后的增长长度 max_len = max(max_len, dp[i]); // 检查是否更新了最长序列长度 } } return max_len; // 返回最长连续递增子序列的长度 } }; ``` 在这个代码中,我们使用了一个动态规划(Dynamic Programming)的方法,维护了一个数组`dp`来存储每个位置以该位置元素结尾的最大递增子序列长度。遍历过程中,如果遇到当前元素大于前一个元素,则说明可以形成一个新的递增子序列,所以将`dp[i]`设置为`dp[i-1]+1`,并更新全局的最长序列长度。 如果你想要深入了解这个问题,可以问: 1. 这个问题的时间复杂度是多少? 2. 动态规划是如何帮助解决这个问题的? 3. 如何优化这个算法,使其空间复杂度更低?
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