LeetCode 268. 丢失的数字 Missing Number

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