给定一个包含 [0, n] 中 n 个数的数组 nums ,找出 [0, n] 这个范围内没有出现在数组中的那个数。
进阶:你能否实现线性时间复杂度、仅使用额外常数空间的算法解决此问题?
示例 1:
输入:nums = [3,0,1]
输出:2
解释:n = 3,因为有 3 个数字,所以所有的数字都在范围 [0,3] 内。2 是丢失的数字,因为它没有出现在 nums 中。
示例 2:
输入:nums = [0,1]
输出:2
解释:n = 2,因为有 2 个数字,所以所有的数字都在范围 [0,2] 内。2 是丢失的数字,因为它没有出现在 nums 中。
示例 3:
输入:nums = [9,6,4,2,3,5,7,0,1]
输出:8
解释:n = 9,因为有 9 个数字,所以所有的数字都在范围 [0,9] 内。8 是丢失的数字,因为它没有出现在 nums 中。
示例 4:
输入:nums = [0]
输出:1
解释:n = 1,因为有 1 个数字,所以所有的数字都在范围 [0,1] 内。1 是丢失的数字,因为它没有出现在 nums 中。
提示:
- n == nums.length
- 1 <= n <= 104
- 0 <= nums[i] <= n
- nums 中的所有数字都 独一无二
哈希表法
public int missingNumber(int[] nums) {
HashSet<Integer> hashSet = new HashSet<>();
for (int num : nums) {
hashSet.add(num);
}
for (int i = 0; i < nums.length + 1; i++) {
if (!hashSet.contains(i)) {
return i;
}
}
return -1;
}
复杂度分析
时间复杂度:O(n)。集合的插入操作的时间复杂度都是 O(1),一共插入了 n 个数,时间复杂度为 O(n)。集合的查询操作的时间复杂度同样是 O(1),最多查询 n+1 次,时间复杂度为 O(n)。因此总的时间复杂度为 O(n)。
空间复杂度:O(n)。集合中会存储 n 个数,因此空间复杂度为 O(n)。
官方进阶算法:数学公式
高斯公式:[0…n] 求和 = n*(n+1)/2; 可以先求和,然后依次减去数组中的数字,最终结果即目标数字
public int missingNumber(int[] nums) {
int sum = nums.length*(nums.length + 1)/2;
for (int num : nums) {
sum = sum - num;
}
return sum;
}
复杂度分析
时间复杂度:O(n)。求出数组中所有数的和的时间复杂度为 O(n),高斯求和公式的时间复杂度为 O(1),因此总的时间复杂度为 O(n)。
空间复杂度:O(1)。算法中只用到了 O(1) 的额外空间,用来存储答案。
官方进阶算法:位运算
运算规则:
0^0 = 0
0^1 = 1
1^0 = 1
1^1 = 0
总结:相同为0,不同为1
例如下面这个例子:
可以将结果的初始值设为 nn,再对数组中的每一个数以及它的下标进行一个异或运算,即:
下标 | 0 | 1 | 2 | 3 |
---|---|---|---|---|
数字 | 0 | 1 | 3 | 4 |
将结果的初始值设为 n,再对数组中的每一个数以及它的下标进行一个异或运算,即:
missing = 4∧(0∧0)∧(1∧1)∧(2∧3)∧(3∧4)
= (4∧4)∧(0∧0)∧(1∧1)∧(3∧3)∧2
= 0∧0∧0∧0∧2
= 2
一共有n个数,下标一定是从0到n-1,而数字也一定在[0, n]范围内。 如果n是缺失的数,那么下标和数字都为[0, n-1],异或完就是0,所以剩下的初始值n就是缺失的值; 如果n不是缺失的数,那么数字中的n就能和初始值n异或得到0,然后在下标和数字能匹配的都异或变成0了,除了只在下标中有而数字中没有的那个数,就是我们要的答案
public int missingNumber(int[] nums) {
int missing = nums.length;
for (int i = 0; i < nums.length; i++) {
missing ^= i ^ nums[i];
}
return missing;
}
复杂度分析
时间复杂度:O(n)。这里假设异或运算的时间复杂度是常数的,总共会进行 O(n) 次异或运算,因此总的时间复杂度为 O(n)。
空间复杂度:O(1)。算法中只用到了 O(1) 的额外空间,用来存储答案。
进阶算法不容易想到