题目
给定一个长度为
n
+
1
n+1
n+1 的数组nums
,数组中所有的数均在
1
∼
n
1∼n
1∼n 的范围内,其中
n
≥
1
n≥1
n≥1。
请找出数组中任意一个重复的数,但不能修改输入的数组。
样例
给定 nums = [2, 3, 5, 4, 3, 2, 6, 7]。
返回 2 或 3。
思考题:如果只能使用 O ( 1 ) O(1) O(1)的额外空间,该怎么做呢?
思路
(分治,抽屉原理) O ( n l o g n ) O(nlogn) O(nlogn)
这道题目主要应用了抽屉原理和分治的思想。
抽屉原理:n+1 个苹果放在 n 个抽屉里,那么至少有一个抽屉中会放两个苹果。
用在这个题目中就是,一共有 n+1 个数,每个数的取值范围是1到n,所以至少会有一个数出现两次。
然后我们采用分治的思想,将每个数的取值的区间[1, n]划分成[1, n/2]和[n/2+1, n]两个子区间,然后分别统计两个区间中数的个数。
注意这里的区间是指 数的取值范围,而不是 数组下标。
划分之后,左右两个区间里一定至少存在一个区间,区间中数的个数大于区间长度。
这个可以用反证法来说明:如果两个区间中数的个数都小于等于区间长度,那么整个区间中数的个数就小于等于n,和有n+1个数矛盾。
因此我们可以把问题划归到左右两个子区间中的一个,而且由于区间中数的个数大于区间长度,根据抽屉原理,在这个子区间中一定存在某个数出现了两次。
依次类推,每次我们可以把区间长度缩小一半,直到区间长度为1时,我们就找到了答案。
图示
如果左区间的数的个数大于区间长度,说明左区间有重复元素,我们让r = mid
,缩小区间范围。
复杂度分析
- 时间复杂度:每次会将区间长度缩小一半,一共会缩小 O ( l o g n ) O(logn) O(logn)次。每次统计两个子区间中的数时需要遍历整个数组,时间复杂度是 O ( n ) O(n) O(n)。所以总时间复杂度是 O ( n l o g n ) O(nlogn) O(nlogn)。
- 空间复杂度:代码中没有用到额外的数组,所以额外的空间复杂度是 O ( 1 ) O(1) O(1)。
代码1
class Solution {
public:
int duplicateInArray(vector<int>& nums) {
int l = 1, r = nums.size() - 1;
while (l < r) {
int mid = l + r >> 1; // 划分的区间:[l, mid], [mid + 1, r]
int s = 0;
for (auto x : nums) s += x >= l && x <= mid;
if (s > mid - l + 1) r = mid;
else l = mid + 1;
}
return r;
}
};
代码2
class Solution {
public:
int duplicateInArray(vector<int>& nums) {
int l = 1,r = nums.size()-1; //二分数的取值范围
while( l < r)
{
int mid = (l + r)/2;
int s = 0;
for(int i = 0; i < nums.size(); i++)
{
if(nums[i] >= l&&nums[i] <= mid) s++; //统计左区间的元素个数
}
if(s > mid - l + 1) r = mid; //说明左区间有重复元素,我们让r = mid,缩小区间范围
else l = mid + 1; //否则右区间有重复元素
}
return r;
}
};