题干
描述
给定一个数组arr,返回arr的最长无重复元素子数组的长度,无重复指的是所有数字都不相同。
子数组是连续的,比如[1,3,5,7,9]的子数组有[1,3],[3,5,7]等等,但是[1,3,7]不是子数组
数据范围:数组长度[0,1000000],数据元素[0,100000]
要求:空间复杂度O(n) ,时间复杂度O(nlogn)。
示例1:
输入:
[2,3,4,5]
返回值:
4
说明:
[2,3,4,5]是最长子数组
示例2:
输入:
[2,2,3,4,3]
返回值:
3
说明:
[2,3,4,]是最长子数组
解题思路
如果先不考虑时间复杂度和空间复杂度,那么有没有什么“笨”办法,容易想到的就是暴力破解:从第一个元素开始,遍历以该元素打头的最长不重复子数组,循环直到最后一个元素。如果我们用一个外部结构Map或是Set来判断元素是否重复,那么这个过程的时间复杂度可以做到O(1),空间复杂度为O(n),否则需要时间复杂度为O(n),空间复杂度为O(1)的方法来判断是否重复。我们下面的示例代码选择前者。暴力破解法见示例代码1;
仔细思考暴力破解法的过程后,我们就会发现有些步骤其实是没有必要重复计算的,因为从位置0开始到位置N区间的最长不重复子数组的长度是要大于等于从位置1开始到位置N区间的最长不重复子数组的长度的
,也就是说当循环到位置1的时候,[2,N]之间数据我们没有必要再判断一次是否重复了,直接从N+1开始就可以了。想到这,我们就可以对上述方法进行优化了,利用Set的数据结构+双指针,我们即可以得到时间复杂度为O(nlogn),空间复杂度为O(n)的解~~参见示例代码2;
示例代码
- 示例1:暴力破解法
public int maxLength (int[] arr) {
if(arr.length == 1) return 1;
Set<Integer> numSet = new HashSet<>();
int maxLen = 0;
for(int i=0;i<arr.length;i++){
numSet = new HashSet<>();
int j=i;
while(j<arr.length){
if(!numSet.contains(arr[j])){
numSet.add(arr[j]);
maxLen = Math.max(maxLen,j-i+1);
}else{
break;
}
j++;
}
}
return maxLen;
}
- 示例2:双指针
public int maxLength (int[] arr) {
if(arr.length == 1) return 1;
Set<Integer> numSet = new HashSet<>();
int maxLen = 0, left = 0, right = 0;
while(right < arr.length){
if(!numSet.contains(arr[right])){
numSet.add(arr[right++]);
maxLen = Math.max(maxLen, right - left);
}else{
numSet.remove(arr[left++]);
}
}
return maxLen;
}
拓展延伸
- 上面示例2中的时间复杂度为什么是O(nlogn)?
其实最好的情况下,数组中的元素都不重复,right指针一路向右,那么时间复杂度是O(n);但是我们需要考虑最坏的场景:right指针走到一半时有重复元素了,只能进行下一个循环,然后又走到下一个一半时发生了重复,如此循环往复,那么时间就是O(n/2) + O(n/4)+ O(n/8)+…,是不是有点儿类似二分搜索了,算下来复杂度就是O(nlogn)了~~