【leetcode】128 最长连续序列（动态规划、哈希）

题目链接：https://leetcode-cn.com/problems/longest-consecutive-sequence/submissions/
【hard】

题目描述

给定一个未排序的整数数组，找出最长连续序列的长度。

要求算法的时间复杂度为 O(n)。

示例:

输入: [100, 4, 200, 1, 3, 2]
输出: 4
解释: 最长连续序列是 [1, 2, 3, 4]。它的长度为 4。

思路

1 暴力

遍历每个元素，将该元素作为连续序列的起始元素，枚举比它大的数字，直到有数字在原数组中没有出现过。当枚举到数组中没有的数字时（即 currentNum 是一个数组中没出现过的数字），记录下序列的长度，如果比当前最优解大的话就更新。算法一定能找到最优解，因为它枚举了每一种可能性。

复杂度分析
时间复杂度：O(n^3)
空间复杂度：O(1)

2 排序

（1）先对数组排序
（2）使用动态规划，在排序数字中查找最长的连续子序列
注意：出现与前一元素相同时跳过

复杂度分析
时间复杂度：O(nlogn)
空间复杂度：O(1)

/*
 * 排序+动态规划
 * 时间复杂度O(nlogn)  空间复杂度O(1)
 */
class Solution {
public:
    int longestConsecutive(vector<int>& nums) {
        if(nums.size() < 2) return nums.size();
        sort(nums.begin(),nums.end());

        int maxLen = 1, currentLen =1;
        for (int i = 1; i < nums.size(); ++i) {
            if(nums[i] == nums[i-1]+1)
                currentLen += 1;
            else if(nums[i] == nums[i-1])
                continue;
            else
                currentLen = 1;
            maxLen = max(maxLen,currentLen);
        }
        return maxLen;
    }
};

2 哈希表和线性空间的构造

加粗样式复杂度分析

• 时间复杂度：$O(n)$

尽管在 for 循环中嵌套了一个 while 循环，时间复杂度看起来像是二次方级别的。但其实它是线性的算法。因为只有当 currentNum 遇到了一个序列的开始， while 循环才会被执行（也就是 currentNum-1 不在数组 nums 里）， while 循环在整个运行过程中只会被迭代 n 次。这意味着尽管看起来时间复杂度为 $O(n\cdot n)$ ，实际这个嵌套循环只会运行 $O(n+n)$ 次。因为如上面的例子 [100, 4, 200, 1, 3, 2]中只有1的时候会执行内部while循环。所有的计算都是线性时间的，所以总的时间复杂度是 O(n) 的。

• 空间复杂度：$O(n)$

为了实现 $O(1)$ 的查询，我们对哈希表分配线性空间，以保存 nums 数组中的 $O(n)$个数字。除此以外，所需空间与暴力解法一致。

/*
 *  哈希表和线性空间构造
 *  时间复杂度O(n)   空间复杂度O(n)
 */
class Solution {
public:
    int longestConsecutive(vector<int>& nums) {
        if(nums.size() < 2) return nums.size();
        set<int> s;
        for(auto num:nums) s.insert(num);   // 构建集合

        int maxLen = 0, currentLen = 0;
        for (int num:s) {
            // 只检查num-1不在集合中的元素
            if(s.count(num-1) == 0){
                int currentNum = num;
                currentLen = 1;

                while (s.count(currentNum+1)){  // 往后查找元素是否存在
                    currentLen ++;
                    currentNum ++;
                }
                maxLen = max(maxLen,currentLen);
            }
        }

        return maxLen;
    }
};