最长连续序列

文章介绍了如何使用优化过的算法,通过检查每个数的前一个数是否在数组中,以O(n)的时间复杂度寻找给定未排序整数数组中数字连续的最长序列。
摘要由CSDN通过智能技术生成

给定一个未排序的整数数组 nums ,找出数字连续的最长序列(不要求序列元素在原数组中连续)的长度。

请你设计并实现时间复杂度为 O(n) 的算法解决此问题。

最直观的想法就是遍历整个数组,找到第一个数据后接着找到他的下一个数据,一直找到没有下一个为止。

class Solution(object):
    def longestConsecutive(self, nums):
        longest_length=0
        length=len(nums)
        num_set=set(nums)
        for num in num_set:
            current_num=num
            current_length=1
            for i in range(length):
                if current_num+1 in num_set:
                    current_num=current_num+1
                    current_length=current_length+1
                else:
                    break             
            longest_length=max(longest_length,current_length)
        return longest_length

但是运行时间不尽人意。故需要进行一定的优化。

我们可以先判断这个数n的前一个数(n-1)是不是在数组中,如果在则跳过该数据,如果不在,就代表他是一整个序列的最开始的部分,对他进行遍历查找序列。

class Solution(object):
    def longestConsecutive(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        longest_length=0
        num_set = set(nums)
        for num in num_set:
            if num-1 not in num_set:
                current_num=num
                current_length=1
                while current_num+1 in num_set:
                    current_length=current_length+1
                    current_num=current_num+1
                longest_length=max(longest_length,current_length)

        return longest_length

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
在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 1
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