🎈个人主页:算法诗人
✨收录专栏:算法诗人Leetcode揭秘之旅
🎉欢迎 👍点赞✍评论⭐收藏
🤝希望我的文章能对你们有所帮助,有不足的地方请在评论区留言指正,大家一起学习交流!🤗
文章目录
Leetcode题目链接
一、题目描述
给你一个整数数组 nums ,判断是否存在三元组 [nums[i], nums[j], nums[k]] 满足 i != j、i != k 且 j != k ,同时还满足 nums[i] + nums[j] + nums[k] == 0 。
请你返回所有和为 0 且不重复的三元组。
注意:答案中不可以包含重复的三元组。
示例 1:
输入:nums = [-1,0,1,2,-1,-4]
输出:[[-1,-1,2],[-1,0,1]]
解释:
nums[0] + nums[1] + nums[2] = (-1) + 0 + 1 = 0 。
nums[1] + nums[2] + nums[4] = 0 + 1 + (-1) = 0 。
nums[0] + nums[3] + nums[4] = (-1) + 2 + (-1) = 0 。
不同的三元组是 [-1,0,1] 和 [-1,-1,2] 。
注意,输出的顺序和三元组的顺序并不重要。
示例 2:
输入:nums = [0,1,1]
输出:[]
解释:唯一可能的三元组和不为 0 。
示例 3:
输入:nums = [0,0,0]
输出:[[0,0,0]]
解释:唯一可能的三元组和为 0 。
提示:
3 <= nums.length <= 3000
-105 <= nums[i] <= 105
二、解题思路
如果这道题使用哈希表去解决会比较难,其中的去重操作非常容易出错,感兴趣的朋友可以自己去写一下感受它的难度,我这里给出一个示例代码以供参考。
class Solution {
public:
vector<vector<int>> threeSum(vector<int>& nums) {
vector<vector<int>> result;
sort(nums.begin(), nums.end());
// 找出a + b + c = 0
// a = nums[i], b = nums[j], c = -(a + b)
for (int i = 0; i < nums.size(); i++) {
// 排序之后如果第一个元素已经大于零,那么不可能凑成三元组
if (nums[i] > 0) {
break;
}
if (i > 0 && nums[i] == nums[i - 1]) { //三元组元素a去重
continue;
}
unordered_set<int> set;
for (int j = i + 1; j < nums.size(); j++) {
if (j > i + 2
&& nums[j] == nums[j-1]
&& nums[j-1] == nums[j-2]) { // 三元组元素b去重
continue;
}
int c = 0 - (nums[i] + nums[j]);
if (set.find(c) != set.end()) {
result.push_back({nums[i], nums[j], c});
set.erase(c);// 三元组元素c去重
} else {
set.insert(nums[j]);
}
}
}
return result;
}
};
时间复杂度:O(n log n) + O(n^2),其中主要的贡献来自排序和双层循环。在大 O 表示法中,通常我们会忽略常数因子,因此这段代码的时间复杂度可以近似表示为 O(n^2)。
空间复杂度:O(n)。这是因为哈希集合的空间复杂度是 O(n),并且结果向量的空间复杂度也是 O(n)。其他的变量和数据结构使用的空间是常数级别的,因此对于输入规模为 n 的情况,总的空间复杂度为 O(n)。
本道题我们采用双指针的方法会比较简单明了,整体思路是通过固定一个元素,使用双指针在剩余数组中找到满足条件的两个数,得到所有不重复的三元组。在处理过程中,利用排序和去重操作避免了重复计算。
完整的思路如下,有点烧脑,可以配合下面的示例代码一起来思考:
- 排序数组: 首先对输入的数组 nums 进行升序排序,这是为了方便后续的双指针遍历。
- 外层循环固定一个元素: 使用 for 循环遍历排序后的数组,将当前元素固定为 nums[i]。
- 提前结束条件: 如果当前固定的元素 nums[i] 大于零,由于数组已经排序,后续的元素必然也大于零,因此不可能存在三个数的和为零,可以直接返回结果。
- 去重: 在循环中,如果 i 大于零且当前元素与前一个元素相同,说明已经处理过相同的元素,为了避免重复计算,跳过当前循环。
- 双指针遍历剩余数组: 使用左右两个指针,left 初始化为 i + 1,right 初始化为数组末尾。
- 内层循环找到三数之和: 在内层循环中,通过 while 循环遍历左右指针,计算当前三个数的和 sum = nums[i] + nums[left] + nums[right]。
- 判断和的大小:
如果 sum > 0,说明右边的数太大,需要将右指针左移。
如果 sum < 0,说明左边的数太小,需要将左指针右移。
如果 sum == 0,说明找到一个三元组,将其加入结果集,并进行去重操作。 - 返回结果: 最终返回找到的所有三元组。
三、示例代码
class Solution {
public:
vector<vector<int>> threeSum(vector<int>& nums) {
vector<vector<int>> result;
sort(nums.begin(), nums.end());
for(int i = 0; i < nums.size(); i++)
{
if(nums[i] > 0)
{
return result;
}
if(i > 0 && nums[i] == nums[i-1])
{
continue;
}
int left = i + 1;
int right = nums.size() - 1;
while(left < right)
{
if(nums[i] + nums[left] + nums[right] > 0)
right--;
else if(nums[i] + nums[left] + nums[right] < 0)
left++;
else
{
result.push_back({nums[i], nums[left], nums[right]});
while(left < right && nums[left] == nums[left + 1])
left++;
while(left < right && nums[right] == nums[right - 1])
right--;
left++;
right--;
}
}
}
return result;
}
};
时间复杂度:O(n log n) + O(n^2),其中主要的贡献来自排序和双层循环。在大 O 表示法中,通常我们会忽略常数因子,因此这段代码的时间复杂度可以近似表示为 O(n^2)。
空间复杂度:O(n)。这是因为哈希集合的空间复杂度是 O(n),并且结果向量的空间复杂度也是 O(n)。其他的变量和数据结构使用的空间是常数级别的,因此对于输入规模为 n 的情况,总的空间复杂度为 O(n)。
去重极容易出错的点!!!(让我崩溃破防)
1. 错误去重a方法,将会漏掉 {-1,-1,2} 这种情况
//极容易出现的错误方法
if (nums[i] == nums[i + 1]) {
continue;
}
这是一种极容易出现的错误去重方法,提前判断下一个 a,导致{-1,-1,2} 这种情况被漏掉,其实这是因为我们把b当成了下一个a去去重了。正确的方法应该是通过与上一个a进行比较来判断现在的a是否需要去重。
//正确的方法
if (i > 0 && nums[i] == nums[i - 1]) {
continue;
}
2. b, c 的去重时机也很重要
b, c 的去重一定要放在把符合条件的组合放入result之后,不然会漏掉了 0,0,0 这种三元组。
结尾碎碎念
“这次的算法解析只是冰山一角,未来我将持续分享更多有趣的算法问题,并提供更深入的解析。如果你对这个系列感兴趣,不要错过即将到来的更新!点赞、关注、收藏,如果有不同的解法欢迎留下你的评论,你们的支持就是我更新的最大动力。让我们一起探索更多算法的奇妙世界,这不仅是为了迎接面试挑战,更是为了成为在编程领域中游刃有余的专家。感谢大家的支持,期待未来更多的相遇和共同成长!”