题目介绍
给定一个整数数组 nums 和一个整数目标值 target,请你在该数组中找出 和为目标值 的那 两个 整数,并返回它们的数组下标。
你可以假设每种输入只会对应一个答案。但是,数组中同一个元素在答案里不能重复出现。
你可以按任意顺序返回答案。
题目链接:https://leetcode-cn.com/problems/two-sum/
示例 1:
输入:nums = [2,7,11,15], target = 9
输出:[0,1]
解释:因为 nums[0] + nums[1] == 9 ,返回 [0, 1] 。
示例 2:
输入:nums = [3,3], target = 6
输出:[0,1]
提示:
只会存在一个有效答案
方法一:暴力法
暴力法其实非常简单:把所有数,两两组合在一起,计算出它们的和,如果是target,就输出。
代码实现如下:
// 方法一:暴力法,穷举所有两数组合 ,时间复杂度为O(n*n)
public int[] twoSum(int[] nums, int target){
int n = nums.length;
// 双重for循环
for (int i = 0; i < n - 1; i++){
for (int j = i + 1; j < n; j++){
if (nums[i] + nums[j] == target){
return new int[]{i, j};
}
}
}
// 如果找不到,抛出异常
throw new IllegalArgumentException("no solution");
}
复杂度分析
- 时间复杂度:O(n^2),对于每个元素,我们试图通过遍历数组的其余部分来寻找它所对应的目标元素,这将耗费 O(n)。
- 空间复杂度:O(1)。
方法二:两遍哈希表
为了对运行时间复杂度进行优化,我们需要一种更有效的方法来检查数组中是否存在目标元素。如果存在,我们需要找出它的索引。这可以使用哈希表来实现。
具体实现方法,最简单就是使用两次迭代。在第一次迭代中,我们将每个元素的值和它的索引添加到表中;然后,在第二次迭代中,我们将检查每个元素所对应的目标元素 (target-nums[i]) 是否存在于表中。
代码如下:
// 方法二:哈希表保存所有数的信息
public int[] twoSum(int[] nums, int target){
int n = nums.length;
// 定义一个哈希表
HashMap<Integer, Integer> map = new HashMap<>();
// 1. 遍历数组,将数据全部保存入hash表
for (int i = 0; i < n; i++){
map.put(nums[i], i);//HashMap中的put()方法执行额时间复杂度为O(1)
}
// 2. 再次遍历数组,寻找每个数对应的那个数是否存在
for (int i = 0; i < n; i++){
int thatNum = target - nums[i];
// 如果那个数存在,并且不是当前数自身,就直接返回结果
/**
* 注意:HashMap要判断对应的key是否存在,只需要计算key的hash值,然后就能一下定位到存储的位置
* 所以containsKey()方法执行的时间为O(1),同样get()方法执行的时间也是O(1)
*/
if (map.containsKey(thatNum) && map.get(thatNum) != i )
return new int[]{i, map.get(thatNum)};
}
// 如果找不到,抛出异常
throw new IllegalArgumentException("no solution");
}
复杂度分析
- 时间复杂度:O(N),我们把包含有 N 个元素的列表遍历两次。由于哈希表将查找时间缩短到 O(1),所以时间复杂度为 O(N)。
- 空间复杂度:O(N),所需的额外空间取决于哈希表中存储的元素数量,该表中存储了 N 个元素。
方法三:一遍哈希表
在上述算法中,我们对哈希表进行了两次扫描,这其实是不必要的。在进行迭代并将元素插入到表中的同时,我们可以直接检查表中是否已经存在当前元素所对应的目标元素。如果它存在,那我们已经找到了对应解,并立即将其返回。这样,只需要扫描一次哈希表,就可以完成算法了。
代码实现:
// 方法三:改进,遍历一次哈希表
public int[] twoSum(int[] nums, int target){
int n = nums.length;
// 定义一个哈希表
HashMap<Integer, Integer> map = new HashMap<>();
// 遍历数组,寻找每个数对应的那个数是否存在(只向前寻找)
for (int i = 0; i < n; i++){
int thatNum = target - nums[i];
// 如果那个数存在,并且不是当前数自身,就直接返回结果
if (map.containsKey(thatNum) )
return new int[]{map.get(thatNum), i};
map.put(nums[i], i);
}
// 如果找不到,抛出异常
throw new IllegalArgumentException("no solution");
}
复杂度分析
- 时间复杂度:O(N),我们只遍历了包含有 N 个元素的列表一次。在哈希表中进行的每次查找只花费 O(1)
的时间。其实这个过程中,我们也借鉴了动态规划的思想、把子问题解保存起来,后面用到就直接查询。 - 空间复杂度:O(N),所需的额外空间取决于哈希表中存储的元素数量,该表最多需要存储 N 个元素。