第一想法:暴力求解(双层for循环)
使用双层for循环实现,(外层循环)指针 i 遍历下标为 0 ~ numbers.size() - 2 的元素,(内层循环)指针 j 遍历下标为 i + 1 ~ numbers.size() - 1 的元素。
因时间复杂度为 ,运行结果超时。
class Solution {
public:
vector<int> twoSum(vector<int>& numbers, int target) {
int i, j, flag = 0;
for (i = 0; i < numbers.size() - 1; i++) {
for (j = i + 1; j < numbers.size(); j++) {
if (numbers[i] + numbers[j] == target) {
flag = 1;
break;
}
}
if (flag)
break;
}
return {i + 1, j + 1};
}
};
进一步地:
与其遍历求解所有满足要求的两数之和,不如在确定 numbers[ i ] 之后查找下标为 i 的元素后是否存在元素的值等于 target - numbers[ i ]。又因为数组有序,因而可以采用二分法等方法查找以降低时间复杂度。
class Solution {
public:
vector<int> twoSum(vector<int>& numbers, int target) {
int i, j;
for (i = 0; i < numbers.size() - 1; i++) {
int temp = target - numbers[i];
// binary_search() 二分查找函数,找到返回true,否则返回false
if(binary_search(numbers.begin() + i + 1, numbers.end(), temp)) {
break;
}
}
// 使j指向值为 target - numbers[i] 的元素
for(j = i + 1; j < numbers.size() && numbers[j] != target - numbers[i]; j++) ;
return {i + 1, j + 1};
}
};
上述算法时间复杂度为 ,可改其时间复杂度为线性级别:
易知,在有序序列中两数之和最小值为 numbers[ 0 ] + numbers[ 1 ],记为MIN;两数之和最大值为 numbers[ length - 2 ] + numbers[ length - 1 ],记为MAX。
因而我们不妨令双指针 l 和 r 分别指向第一个元素和最后一个元素,其对应元素之和 sum 介于 MIN 和 MAX 之间,再根据当前 sum 的值选择向 MIN 或者 MAX 靠拢直到 sum = target 为止。
因为每次循环均是令 l 和 r 两者大小更接近而永远不会相等(除非无解),那么最坏情况下时间复杂度为O(n) 。
class Solution {
public:
vector<int> twoSum(vector<int>& numbers, int target) {
// l 指向第一个元素, r 指向最后一个元素
int l = 0, r = numbers.size() - 1;
while(l < r) {
int sum = numbers[l] + numbers[r];
if(sum == target) return {l + 1, r + 1};
else if(sum < target) ++l;
else --r;
}
return {};
}
};