leetcode-128. 最长连续序列

本文探讨了一道考察时间复杂度的编程题目,对比了使用unordered_set和map在解决最长连续序列问题上的表现。尽管unordered_set的插入查找时间复杂度在最坏情况下为O(N),但因其特性在本题中实现了O(n)的解决方案,出人意料地优于map的O(NlogN)。
摘要由CSDN通过智能技术生成

在这里插入图片描述
这题挺让我奇怪的,看起来没有hard的难度,但是正确的解法考察对各种STL时间复杂度的理解。
题目要求时间复杂度做到O(n),那么其实是不能用map或set来做,因为它们的内部是由红黑树实现的(平衡搜索二叉树),其插入,查找的时间复杂度都在O(logN),将数组逐个插入维护map的操作时间复杂度就到了O(NlogN)了。
正确的解法是,利用unordered_set的哈希特性,其插入查找的时间复杂度都在O(1),最坏是O(N)。对于数组中的每个数x,我们只需要查找在数组中是否存在x+1,x+2,x+3…x+y,以x为起点的最长连续序列长度就是y了,这个查找过程可以通过unordered_set降低到O(1)!而且对于x,若其x-1是存在于数组中的话它其实是一定会在x-1的查找过程中被找到的,所以对于存在x-1的结果在数组中的x是需要被跳过的!
但是奇怪的是提交的结果map竟然在时间和空间都由于unordered_set!!

unordered_set

class Solution {
public:
    int longestConsecutive(vector<int>& nums) {
        if(nums.size() == 0)
            return 0;
        unordered_set<int> uset;
        for(int i=0;i<nums.size();i++)
            uset.insert(nums[i]);
        
        int len = 1;
        for(auto iter=uset.begin();iter!=uset.end();iter++){
            if(uset.find(*iter-1) == uset.end()){
                int tmp = 1;
                int num = *iter;
                while(uset.find(++num)!=uset.end())
                    tmp++;
                len = max(tmp,len);
            }
        }
        return len;
    }
};

map

class Solution {
public:
    int longestConsecutive(vector<int>& nums) {
        if(nums.size() == 0)
            return 0;
        map<int,int> m;
        for(int i=0;i<nums.size();i++)
            m[nums[i]]++;
        vector<int> list;
        for(auto iter=m.begin();iter!=m.end();iter++)
            list.push_back(iter->first);
        int i=0;
        int j=1;
        int len = 1;
        while(j<list.size()){
            if(list[j] == list[j-1]+1){
                len = max(len,j-i+1);
                j++;
            }
            else{
                j++;
                i = j-1;
            }
        }
        
        return len;
    }
};

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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