很少有教材拿出来讲,因为Tow Pointer不像是一种算法,更像是一种编程思想
广义上的 Two Pointer 是利用问题本身与序列的特性,使用下标 i, j 对序列进行扫描,以较低复杂度(一般是O(n))解决问题
给出以下两个例子
找出递增序列中满足a+b=M的a和b的位置
问题
给定一递增正整数序列和一正整数M,求序列中两个位置的数:a 和 b,满足:a+b=M
比如给定序列 { 1,2,3,4,5,6 },M = 8,就存在 2+6=8、3+5=8
一般解法
直观解法是二重循环
for(int i = 0; i < n; i++){
for(int j =i + 1; j < n; j++){
if(a[i] + a[j] == M){
System.out.println(i+" "+j);
}
}
}
时间复杂度 O(n2),对 n 在 105 的规模时是不可承受的
高复杂度的原因:
- 因为是递增序列,如果出现一对 i 和 j 使 a[i]+a[j]=M,那么显然 a[i]+a[j]>M,a[j]后面的所有数都不用加
- 同理,当出现满足条件的 i 和 j,a[i] 后面的所有数也不用加
能看出 i 和 j 是彼此牵制的,这给优化算法带来很大空间
Two Pointer解法
令下标 i 的初值为0,下标 j 的初值为 n-1,即令i、j分别指向序列的第一个元素和最后一个元素
接下来根据 a[i]+a[j] 与M的大小来进行下面三种选择,使 i 不断向右移动、使 j 不断向左移动,直到 i>=j 成立,如图4-8所示。
- 如果 a[i]+a[j]==M,说明找到了方案,输出。然后由于序列是递增的,所以 a[i+1]+a[j]>M 和 a[i]+a[j+1]>M 都成立,但是a[i+1]和a[j-1]的大小关系未知,因此剩下的方案一定在 [i+1,j-1]中,那么就令 i=i+1,j=j-1
- 如果 a[i]+a[j]>M,那么a[i+1]+a[j]>M 成立,a[i]+a[j-1] 与 M 的大小关系未知,因此剩下的方案一定在 [i,j-1]中,那么就令 j=j-1
- 如果 a[i]+a[j]<M,那么a[i]+a[j-1]<M 成立,a[i+1]+a[j] 与 M 的大小关系未知,因此剩下的方案一定在 [i+1,j]中,那么就令 i=i+1
while(i <= j){
if(a[i] + a[j] == M){
System.out.println(i+" "+j);
i++;
j--;
}else if(a[i] + a[j] > M){
j--;
}else{
i++;
}
}
算法复杂度 O(n)
序列合并问题
给定两个递增序列 A 和 B,要求把他们合并成一个递增序列 C
Two Pointer方法:设置两个下标 i 和 j,初值都为 0,分别表示指向 A 和 B 的第一个元素
- 如果 A[i]<B[j],A[i] 加入序列 C,之后 i++
- 如果 A[i]>B[j],B[j] 加入序列 C,之后 j++
- 如果 A[i]==B[j],随便哪一个放入 C,对应下标++
- 当 i 或 j 到了对应序列的末尾就停止,然后将另一个序列剩余的元素依次输出
public static int merge(int[] A, int[] B, int[] C, int n, int m){
int i = 0, j = 0, index = 0; // i指向A, j指向B, index指向C
while(i < n && j < m){
if(A[i] <= B[j]){
C[index++] = A[i++];
}else{
C[index++] = B[j++];
}
}
while(i < A.length)
C[index++] = A[i++];
while(j < A.length)
C[index++] = B[j++];
return index; // 返回C的长度
}
胡凡《算法笔记》