小工具知识网

当前位置: 首页 > 行业知识 > 代码训练LeetCode(5)最长连续序列

行业知识

代码训练LeetCode(5)最长连续序列

2026-11-16 14:37:48 来源:互联网转载

代码训练(5)LeetCode之最长连续序列

Author: Once Day Date: 2024年3月9日

漫漫长路,才刚刚开始…

全系列文章可参考专栏: 十年代码训练_Once-Day的博客-CSDN博客

参考文章:

  • 128. 最长连续序列 - 力扣(LeetCode)
  • 力扣 (LeetCode) 全球极客挚爱的技术成长平台

    文章目录

        • 代码训练(5)LeetCode之最长连续序列
          • 1. 原题
          • 2. 分析
          • 3. 代码实现
            • 3.1 排序实现
            • 3.2 Hash表实现
            • 4. 总结
              1. 原题

              给定一个未排序的整数数组 nums ,找出数字连续的最长序列(不要求序列元素在原数组中连续)的长度。

              请你设计并实现时间复杂度为 O(n) 的算法解决此问题。

              例如,nums = [4, 2, 4, 3, 5],其最长连续数字序列为2, 3, 4, 5,长度为4。

              2. 分析

              这个问题是在寻找最长连续序列的长度,但不要求这些序列在原数组中是连续的。要在 O(n) 时间复杂度内解决这个问题,我们可以利用哈希表(在 C 中通常使用散列表或字典类型的数据结构)。

              解题思路如下:

              1. 使用哈希表来存储每个数字是否已经被访问过,这可以用来避免重复计算。
              2. 遍历数组中每个数字:
                • 如果该数字已在哈希表中,跳过它(因为它已经被计算过了)。
                • 如果该数字不在哈希表中,检查数字前后是否有连续的数字,即检查 num-1 和 num+1 是否在数组中。
                • 如果有,继续向前后检测,直到找不到连续数字为止,同时更新哈希表。
                • 在此过程中,计算并更新最长连续序列的长度。

              实例处理时,可以按照下面步骤:

              1. 创建一个哈希表 hash。
              2. 遍历 nums,将每个元素作为键存入 hash,值为 false 表示该元素还未被访问。
              3. 再次遍历nums,对于每个元素,若其值为false,则进行以下操作:
                • 初始化当前长度为 1。
                • 向上查找 num + 1, num + 2, ...,直到找不到为止,每找到一个数,长度加 1。
                • 向下查找 num - 1, num - 2, ...,直到找不到为止,每找到一个数,长度加 1。
                • 更新结果为当前长度和已有结果的较大值。
                • 返回最长连续序列的长度。

              需要注意,其实这里把Hash表过于理想化了,实际上Hash表查询时间并非一定是O(1)。这个地方先存入nums的原因,是为了减少遍历次数,最差的情况下,是每个元素都查询一次,这样就是n次查询。

              查询时判断是否n-1存在,就是判断当前这个值是否是一个序列的开始,这样对于长序列,也只有一个序列的开始值会完整查询所有值,这又是n次,所以整体复杂度维持在3n左右。

              假设 nums = [100, 4, 200, 1, 3, 2]。

              • 创建哈希表 hash,存入所有数字。
              • 遍历 nums,当我们到达 1 时,查找 0(不在 hash 中),然后查找 2(在 hash 中,更新长度),继续查找 3 和 4,到 5 时停止。序列长度为 4。
              • 以此类推,我们找到最长的序列长度为 4。

                性能优化关键点:

                • 使用哈希表来达到平均 O(1) 时间复杂度的查询。
                • 只在数字为序列起点时(即 num-1 不在数组中时)进行序列长度计算,以避免重复计算。
                  3. 代码实现
                  3.1 排序实现
                  int cmp(const void *a, const void *b) {    return *(int *)a  max_count) {                max_count = count;            }            count = 1;            last = nums[i] - 1;        }    }        if (count > max_count) {        max_count = count;    }    return max_count;}

                  这段代码实现了寻找最长连续序列的功能。主要逻辑如下:

                  1. cmp函数是用于qsort的比较函数,比较两个整数的大小。
                  2. longestConsecutive函数接收一个整数数组nums和数组大小numsSize,返回最长连续序列的长度。
                  3. 首先判断数组是否为空,如果为空则返回0。
                  4. 使用qsort函数对数组进行升序排序。
                  5. 初始化变量last为第一个元素减1,count为1,表示当前连续序列的长度。
                  6. 遍历排序后的数组,从第二个元素开始:
                    • 如果当前元素与last相等,说明是重复元素,count加1,last减1。
                    • 如果当前元素不等于last+1,说明连续序列中断,更新max_count为count和max_count的最大值,重置count为1,更新last为当前元素减1。
                    • 如果当前元素等于last+1,说明连续序列继续,不需要进行操作。
                    • 遍历结束后,再次比较count和max_count,更新max_count。
                    • 返回max_count,即最长连续序列的长度。

                  这个算法的时间复杂度是O(n log n),主要是排序的时间复杂度。空间复杂度是O(1)。在正常的情况下,排序做法其实也不错,比较节约内存。

                  测试结果如下(仅供参考):

                  3.2 Hash表实现
                  #include #include #include #include #define HASH_SIZE 65536typedef struct hash_node {    bool              flag;    int               value;    struct hash_node *next;} hash_node;hash_node *hash_table[HASH_SIZE];static inline int hash(int value){    return value & (HASH_SIZE - 1);}hash_node hash_table_cache[100000];int       hash_table_cache_index = 0;void hash_insert(int value){    int        index    = hash(value);    hash_node *node     = hash_table[index];    if (node != NULL) {        do {            if (node->value == value) {                return;            }            if (node->next == NULL) {                break;            }            node = node->next;        } while (1);    }    hash_node *new_node = &hash_table_cache[hash_table_cache_index++];    new_node->value     = value;    new_node->next      = NULL;    new_node->flag      = false;    if (node == NULL) {        hash_table[index] = new_node;    } else {        node->next = new_node;    }}hash_node *hash_find(int value){    int        index = hash(value);    hash_node *node  = hash_table[index];    while (node != NULL) {        if (node->value == value) {            return node;        }        node = node->next;    }    return NULL;}bool is_visited(int value){    hash_node *node = hash_find(value);    if (!node->flag) {        node->flag = true;        return false;    }    return true;}void free_hash(void){    memset(hash_table, 0, sizeof(hash_table));    hash_table_cache_index = 0;}int longestConsecutive(int *nums, int numsSize){    if (numsSize == 0 || numsSize > 100000) {        return 0;    }    for (int i = 0; i  currentStreak ? longestStreak : currentStreak;        }    }    free_hash();    return longestStreak;}

                  这段代码实现了一个哈希表,用于解决最长连续序列的问题。下面是对代码的简要解释:

                  1. #define HASH_SIZE 65536:定义了哈希表的大小为65536。
                  2. typedef struct hash_node { ... }:定义了哈希表节点的结构体,包含一个标志位flag、一个整数值value和指向下一个节点的指针next。
                  3. hash_node *hash_table[HASH_SIZE];:定义了一个哈希表数组,每个元素是指向哈希节点的指针。
                  4. static inline int hash(int value):哈希函数,用于将整数值映射到哈希表的索引。这里使用了简单的按位与运算。
                  5. hash_node hash_table_cache[100000];:定义了一个缓存数组,用于存储哈希节点,避免频繁的内存分配和释放。
                  6. void hash_insert(int value):插入操作,将整数值插入到哈希表中。如果哈希表中已经存在该值,则不进行插入;否则,从缓存数组中取出一个新的节点,设置其值和指针,并将其插入到哈希表的对应位置。
                  7. hash_node *hash_find(int value):查找操作,在哈希表中查找给定的整数值,并返回对应的节点指针。如果找不到,则返回NULL。
                  8. bool is_visited(int value):判断一个整数值是否已经被访问过。如果对应的节点的flag为false,则将其设置为true并返回false,表示第一次访问;否则返回true,表示已经访问过。
                  9. void free_hash(void):释放哈希表的内存,将哈希表数组清零,并将缓存数组的索引重置为0。
                  10. int longestConsecutive(int *nums, int numsSize):求最长连续序列的长度的函数。首先将所有的整数值插入到哈希表中,然后遍历数组,对于每个整数值,如果它的前一个数不存在于哈希表中,则从该数开始向后搜索连续的数,直到无法继续为止,记录最长的连续序列长度。最后释放哈希表的内存并返回最长连续序列的长度。

                  这段代码使用哈希表来优化最长连续序列的查找过程,通过哈希表的快速插入和查找操作,可以在线性时间复杂度内解决问题。同时,使用缓存数组来避免频繁的内存分配和释放,提高了代码的性能。

                  下面是测试结果(仅供参考),可以看到执行效率很高,主要由Hash大小和元素分配缓存因素影响,减少无用的处理流程。

                  4. 总结

                  这个问题考察了对哈希表的使用,以及如何在不排序的情况下进行有效的搜索。这是一个对时间复杂度要求较高的问题,因此学习如何利用数据结构进行优化是非常重要的。要提升这方面的能力,建议多练习类似的问题,熟悉各种数据结构的性能特点,并学会根据问题的特点选择合适的数据结构。

                  对于哈希表的使用,需要注意的是如何处理冲突,以及如何设计一个好的哈希函数以减少冲突的发生。此外,在实际编码中,还需要考虑内存管理,确保所有分配的内存在不再使用时被正确释放,避免内存泄漏。

                  Once Day

                  也信美人终作土,不堪幽梦太匆匆......

                  如果这篇文章为您带来了帮助或启发,不妨点个赞和关注,再加上一个小小的收藏⭐!

                  (。◕‿◕。)感谢您的阅读与支持~~~

上一篇:怎么查小区真实成交备案金额信息

下一篇:揭秘内部错误真相,真相究竟如何?