算法->哈希表

哈希表算法(闭散列表操作,开散列表操作)创建,查找,插入,删除 #include <stdio.h> #include <malloc.h> #include "stdlib.h" #include <math.h> typedef int Status; typedef int KEYTYPE; typedef struct { KEYTYPE key; }ElemType; typedef struct { ... 阅读详情

1. 两数之和 - 力扣(LeetCode)

给定一个整数数组 nums 和一个整数目标值 target,请你在该数组中找出 和为目标值 target  的那 两个 整数,并返回它们的数组下标。

你可以假设每种输入只会对应一个答案。但是,数组中同一个元素在答案里不能重复出现。

你可以按任意顺序返回答案。

示例 1:

输入: nums = [2,7,11,15], target = 9
输出: [0,1]
解释: 因为 nums[0] + nums[1] == 9 ,返回 [0, 1] 。

示例 2:

输入: nums = [3,2,4], target = 6
输出: [1,2]

示例 3:

输入: nums = [3,3], target = 6
输出: [0,1]

解题思路

  • 暴力 O(n^2)
  • 哈希表优化
    建立nums[i] 和 i 的映射关系。
    遍历数组nums。将已经遍历过的元素存放到哈希表中,在哈希表中查找target-nums[i]即可。找说明存在,返回元素所在位置的实值即可。O(n)
class Solution 
{
public:
    vector<int> twoSum(vector<int>& nums, int target) 
    {

       //暴力求解 O(n^2) 
        // for(int i = 1; i < nums.size(); ++i)
        // {
        //     int j = i-1;
        //     while(j >= 0)
        //     {
        //         if(nums[j] == target - nums[i])
        //         {
        //             return {j,i};
        //         }
        //         j--;
        //     }
        // }
        // return {-1,-1};

        //哈希表优化
        unordered_map<int,int> hash;
        for(int i =0 ; i < nums.size();i++)
        {
            int x = target - nums[i];
            if(hash.count(x))
            {
                return {hash[x],i};
            }
            hash.insert(make_pair(nums[i],i));   
        }
        return {-1,-1};
    }
};

判定是否互为字符重排 - 力扣(LeetCode)

给定两个由小写字母组成的字符串 s1 和 s2,请编写一个程序,确定其中一个字符串的字符重新排列后,能否变成另一个字符串。

示例 1:

输入: s1 = "abc", s2 = "bca"
输出: true 

示例 2:

输入: s1 = "abc", s2 = "bad"
输出: false

说明:

  • 0 <= len(s1) <= 100
  • 0 <= len(s2) <= 100

算法原理

使用数组模拟哈希表,遍历s1映射到哈希表中,在遍历s2在哈希表中确定是否出现。

实现

class Solution 
{
public:
    bool CheckPermutation(string s1, string s2) 
    {
        if(s1.size() != s2.size())
        {
            return false;
        }
        
        int hash[26] = {0};
        for(auto& e : s1)
        {
            hash[e - 'a']++;
        }
        for(auto& e : s2)
        {
            hash[e - 'a']--;
            if(hash[e - 'a'] < 0)
            {
                return false;
            }

        }
        return true;
    }
};

217. 存在重复元素 - 力扣(LeetCode)

给你一个整数数组 nums 。如果任一值在数组中出现 至少两次 ,返回 true ;如果数组中每个元素互不相同,返回 false 。

示例 1:

输入: nums = [1,2,3,1]
输出: true

示例 2:

输入: nums = [1,2,3,4]
输出: false

示例 3:

输入: nums = [1,1,1,3,3,4,3,2,4,2]
输出: true

解题思路

使用STL容器unordered_map,统计数组中每个元素出现的次数。
遍历u_map判断是否有超过两次的即可

代码实现

class Solution 
{
public:
    bool containsDuplicate(vector<int>& nums) 
    {
        unordered_map<int,int> hash;
        for(auto& e: nums)
        {
            hash[e]++;
        }
        
        for(auto& e: hash)
        {
            if(e.second >= 2)
            {
                return true;
            }
        }
        return false;
    }
};

219. 存在重复元素 II

给你一个整数数组 nums 和一个整数 k ,判断数组中是否存在两个 不同的索引 **i 和 **j ,满足 nums[i] == nums[j] 且 abs(i - j) <= k 。如果存在,返回 true ;否则,返回 false 。

示例 1:

输入: nums = [1,2,3,1], k = 3
输出: true

示例 2:

输入: nums = [1,0,1,1], k = 1
输出: true

示例 3:

输入: nums = [1,2,3,1,2,3], k = 2
输出: false

解题思路

使用哈希表建立nums[i] 和 i 的映射关系,遍历数组,如果nums[i]在哈希表中确定索引位置进行做差判罚。
不在哈希表中,就插入到哈希表中,如果abs(i - j) > k 就更新nums[i] 和 i 的映射关系

代码实现

class Solution 
{
public:
    bool containsNearbyDuplicate(vector<int>& nums, int k) 
    {
        if(nums.size() <= 1)
        {
            return false;
        }
        //num[i] 和 i的映射关系
        unordered_map<int,int> hash;
        for(size_t i = 0; i < nums.size(); ++i)
        {
            int num = nums[i];
            //nums[i]在哈希表中就进行判断
            if(hash.count(num) && i - hash[num] <= k)
            {
                return true;
            }
            //不在哈希表中  更新nums[i] 和i 的映射关系
            hash[num] = i;
            //不能使用insert 无法更新
            //hash.insert(make_pair(num,i));
        }
        return false;  
    }
};

LCR 033. 字母异位词分组 - 力扣(LeetCode)

给定一个字符串数组 strs ,将 变位词 组合在一起。 可以按任意顺序返回结果列表。

注意: 若两个字符串中每个字符出现的次数都相同,则称它们互为变位词。

示例 1:

输入: strs = ["eat", "tea", "tan", "ate", "nat", "bat"]
输出: [["bat"],["nat","tan"],["ate","eat","tea"]]

示例 2:

输入: strs = [""]
输出: [[""]]

示例 3:

输入: strs = ["a"]
输出: [["a"]]

解题思路

遍历strs判断是否为异位词,使用sort排序后,一样就是异位词。如果一样是异位词,就更新映射关系(映射关系为<string,vector<string>>),不是就插入到哈希表中。
利用unordered_map的[]操作符即可完成。

然后遍历哈希表,将结果提取出来(哈希表中的实值),返回即可。

代码实现

class Solution 
{
public:
    vector<vector<string>> groupAnagrams(vector<string>& strs) 
    {
       unordered_map<string,vector<string>> hash;
       //利用排序判断是否为异位词
       //是异位词更新映射关系,不是插入到哈希表中(利用[[])。
       for(auto &e : strs)
       {
           string tmp = e;
           sort(tmp.begin(),tmp.end());
           hash[tmp].push_back(e);
       }
       //遍历哈希表,将实值提取出来返回
       vector<vector<string>> ret;
       for(auto e :hash)
       {
           ret.push_back(e.second);
       }
       return ret;
    }
};
基于DSP28335的Matlab/Simulink代码生成实验七:A/D采样 实验七:讲解如何使用DSP的ADC模块,通过代码生成技术控制DSP进行电流采样,是后续实现电机闭环控制的重要环节。通过简单的实验来熟悉代码生成的过程。最终实现复杂算法代码自动生成,进行高性能电机控制! 阅读详情

相关推荐

Vertx之Grpc消息发送

介绍 Vert.x gRPC 模块,它将 Google gRPC 的编程风格与 Vert.x 风格保持一致. gRPC 是一个高性能、开源、通用的RPC框架,是一种进程间通讯技术,由Google推出,基于HTTP2协议标准设计开发,默认采用Protocol Buffers数据序列化协议,支持多种开发语言。gRPC提供了一种简单的方法来精确的定义服务,并且为客户端和服务端自动生成可靠的功能库。 在gRPC客户端可以直接调用不同服务器上的远程程序,使用姿势看起来就像调用本地程序一样,轻松的实现远端服务的连接、

Lance 1188

哈希算法以及哈希表(Hash table,也叫散列表)

hash 英 [hæʃ] 美 [hæʃ] n. 剁碎的食物;混杂,拼凑;重新表述 vt. 搞糟,把…弄乱;切碎;推敲 n. (Hash)人名;(阿拉伯、保、英)哈什;(西)阿什

weixin_59966683的博客 895

保姆级教程:在SIwave 2024 R2中搞定TDR仿真,手把手教你分析USB 3.0差分线阻抗

本文提供了一份详细的SIwave 2024 R2 TDR仿真教程,重点讲解如何分析USB 3.0差分线阻抗。从项目准备、参数配置到结果分析,逐步指导工程师完成完整的仿真流程,并分享实战经验和高级技巧,帮助提升信号完整性分析能力。

weixin_33670786的博客 493

【算法】哈希表

本次为大家带来的是哈希表在算法中的应用与实践,主要讲解哈希表的思路以及在算法题中的应用,本篇文章由于是面向算法党的,对于工程实现部分讲解较为粗糙,以后会在STL中详细讲解工程实现。当然,本篇文章会给出哈希表的两种快速实现,希望大家能将这两个模板理解记忆,方便面试中或者算法竞赛中快速实现。散列表(Hash table,也叫哈希表),是根据关键码值(Key value)而直接进行访问的数据结构。

白晨的博客 3344

gem5 prefetcher

最近在gem5上做预取实验,添加自己的预取算法,这里采用hardware stream prefetcher , 修改了几个bug才给实验调试通过,发文记录下实验过程。 gem5上添加自己的预取算法步骤: (1)路径gem5-master/configs/common/Caches.py下,开启预取:class L1Cache(Cache): assoc = 2 tag_late

编程邦 3843

4、高级认证解决方案:Active Directory、LDAP、RADIUS和TACACS+深度解析

本文深入解析了多种高级认证解决方案,包括Active Directory、标准LDAP、RADIUS和TACACS+,涵盖其技术优势、配置步骤及适用场景。同时介绍了如何实现通用用户管理,包括使用第三方认证解决方案和ADSI自助用户管理。通过实际案例部署,展示了如何高效、安全地管理大规模用户认证与权限控制,为企业安全架构提供参考。

o4p5q6r7s的博客 302

查找算法之散列表查找(哈希表)

查找算法之散列表查找(哈希表)简介哈希表查找步骤哈希函数构造方法处理冲突代码实现性能分析 之前介绍的几种查找算法,无论是有序表查找还是平衡二叉树(二叉查找树),都需要进行元素间的比较或遍历,因此效率最高也只是O(logn),那有没有不需要进行元素间的比较或遍历直接就能查找到所需数据的算法呢?还真有!那就是通过关键字key进行查找的算法——散列表查找,我们通常称为哈希表。 简介 查找算法的效率在很大...

横扫天下的博客 786

Dify 实战:使用 Firecrawl 插件高效爬取微信公众号文章

本文介绍了如何利用Dify平台和Firecrawl插件构建微信公众号文章自动化采集系统。Dify作为开源LLM应用开发平台,结合Firecrawl的智能网页爬取能力,可轻松实现文章爬取、清洗和结构化存储。文章详细讲解了环境部署、插件安装以及工作流创建过程,通过可视化节点操作即可完成从URL输入到Markdown格式输出的全流程。该方案无需复杂代码,能有效解决反爬、动态渲染等问题,适用于知识库构建、模型训练等场景,显著提升开发效率。

SmartSi 1820

算法设计与分析——散列表/哈希表(Hash Table)(三):散列表原理

直接寻址技术的缺点是非常明显的:如果全域U很大,则在一台标准的计算机可用内存容量中,要存储大小为∣U∣|U|∣U∣的一张表TTT也许不太实际,甚至是不可能的。还有,实际存储的关键字集合KKK相对UUU来说可能很小,使得分配给TTT的大部分空间都将浪费掉。 当存储在字典中的关键字集合KKK比所有可能的关键字的全域UUU要小许多时,散列表需要的存储空间要比直接寻址表少得多。特别地,我们能将散列表的存储需求降至Θ(∣K∣)\Theta(|K|)Θ(∣K∣),同时散列表中查找一个元素的优势仍得到保持,只需要O(1)

冯·诺依曼 1万+

自动化Ai Agent全流程实现【设计+代码】

本文探讨了人工智能代理(AI代理)如何通过自动化复杂的业务流程来帮助企业提高效率和降低成本。AI代理具有适应性、智力、自主性和可扩展性等特点,能够处理非结构化信息、在定义参数范围内做出判断、协调多个系统或利益相关者,以及处理变量输入和异常。文章详细介绍了AI代理在文件处理、客户服务、人才招聘和财务运作等领域的应用,并提供了一个逐步实现发票处理自动化的案例。此外,文章还强调了实施AI代理自动化的优势,包括效率提升、成本降低、准确性和可扩展性的改进,并提出了实施最佳实践,如从高影响力流程开始、设计人机交互、优先

FeelTouch Labs 893

零基础入门生信转录组数据分析——导读

转录组数据分析(上游,下游,数据可视化)专栏的目录,可以直接通过点击各个分析点直接跳转到相关帖子,方便查找和观看

呆猪儿的博客 1万+

07 数据结构和算法——散列表(哈希表)

散列表:(Hash Table,又称为哈希表),是一种线性表的存储结构,是根据关键码和值 (key和value) 直接进行访问的数据结构,通过key和value来映射到集合中的一个位置,这样就可以很快找到集合中的对应元素。哈希表由一个直接寻址表和一个哈希函数组成。哈希函数h(k)将k作为自变量,返回元素的存储下标。 哈希表在应用中也是比较常见的,就如Java中有些集合类就是借鉴了哈希原理构造的,例...

数据知道的博客 3万+

python实现序列比对之Needleman-wunsch算法 (附完整源码)

python实现序列比对之Needleman-wunsch算法 (附完整源码)

希望我的博客,能帮上你解决学习中工作中所遇到的问题 459

算法设计与分析——散列表/哈希表(Hash Table)(一):基础知识

许多应用都需要一种动态集合结构,它至少要支持插入、删除和查找字典操作。 例如,用于程序语言编译的编译器维护了一个符号表,其中元素的关键字为任意字符串,它与程序中的标识符相对应。散列表是实现字典操作的一种有效数据结构。尽管最坏情况下散列表中查找一个元素的时间与链表中查找的时间相同,达到了O(n)O(n)O(n)。然而在实际应用中,散列查找的性能是极好的。在一些合理的假设下,在散列表中查找一个元素的平均时间是O(1)O(1)O(1)。 散列表是普通数组概念的推广。由于对普通数组可以直接寻址,使得能在O(1)O(

冯·诺依曼 1万+

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

算法设计与分析——散列表/哈希表(Hash Table):完全散列

使用散列技术通常是个好的选择,不仅是因为它有优异的平均情况性能,而且当关键字集合是静态时,散列技术也能提供出色的最坏情况性能。所谓静态,就是指一旦各关键字存入表中,关键字集合就不再变化了。一些应用存在着天然的静态关键字集合,如程序设计语言中的保留字集合,或者CD-ROM上的文件名集合。一种散列方法称为完全散列,如果该方法进行查找时,能在最坏情况下用O(1)O(1)O(1)次访存完成。 我们采用两级的散列方法来设计完全散列方案,在每级上都使用全域散列。下图描述了该方法: 第一级与带链接的散列表基本上是一样的

冯·诺依曼 1万+

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

哈希表、算法

在编程和数据结构中,"hash" 通常指的是哈希函数,它是一种算法,用于将数据(通常是字符。将要存储的关键字与要存储的位置建立一种联系,这种联系就叫哈希函数/散列函数。一般用大0表示法:0(n)------>时间复杂度是关于数据n的一个函数。希函数将键映射到表中位置的数据结构,以实现快速的数据插入和检索。3,如果最高阶存在且系数不是1,则去除这个项相乘的常数。随着n的增加,时间复杂度增长较慢的算法时间复杂度低。2,在修改后的运行函数中,只保留最高阶项。便于交流,阅读,理解 高内聚,低耦合。

2301_80338792的博客 953

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

[算法]散列表( Hash Table)

国庆假期在看<算法图解>这本书,感觉很有意思. 结合学到的知识,以及我的理解,来聊聊散列表这部分的内容. 假设你现在在一家超市工作,有顾客来买东西时,需要在一个本子上查找价格.如果记录价格的本子不是按照字母顺序来排列的,为了找一个商品的价格,可能 1 分钟的时间就过去了.如果让顾客等这么长时间,确定这家超市还能存活下去? 为了提高准确找到商品的价格,咱们可以对这个方法进行一个优化.第一...

自由而不独立,仍是奴隶。 463

哈希表 and 算法

哈希表(Hash table),也被称为散列表,是一种根据关键码值(Key value)而直接进行访问的数据结构。它通过把关键码值映射到表中一个位置来访问记录,以加快查找的速度。这个映射函数被称为散列函数或哈希函数,而存放记录的数组则被称为散列表或哈希表。

qq_65747669的博客 1269

【数据结构与算法】哈希表(散列表)问题

哈希表理论

阿泽的成长@ 287

【算法专场】哈希表

当我们想要快速查找某个值是否存在,或者想要对数据进行去重的时候,我们有没有方法可以解决上面这些问题?我们可以用哈希表。

zhyhgx的博客 2031

【优选算法之哈希表】No.11--- 经典哈希表算法

【优选算法之哈希表】No.11--- 经典哈希表算法

小沈.的博客 1332

算法 中的 散列表(哈希表)

散列表又叫做哈希表(Hash Table),是一种提供了键(Key)值(Value)映射关系的一种数据结构。 只要给出一个Key值,就可以快速匹配出Value值。正是因为这个特性,比如有一本词典,它就可以给出一个单词,去快速找出它的解释。 什么是哈希函数? 首先,因为前面说过,数组的查询效率是最快的,数组可以根据数组的下标,直接对元素进行随机访问,所以,散列表想要查询快的话,其本质...

Seas.Su的博客 349

算法导论之散列表(哈希表)详解(hash table)

hash方法

不负热爱 3302

算法思想总结:哈希表

哈希表是我们在解决算法问题时的一个重要容器,值得我们深入去学习。

weixin_51142926的博客 3481

算法设计与分析——散列表/哈希表(Hash Table):散列函数

本文将讨论一些关于如何设计好的散列函数的问题,并介绍三种具体方法。其中的两种方法(用除法进行散列和用乘法进行散列)本质上属于启发式方法,而第三种方法(全域散列)则利用了随机技术来提供可证明的良好性能。 好的散列函数的特点 一个好的散列函数应(近似地)满足简单均匀散列假设:每个关键字都被等可能地散列到mmm个槽位中的任何一个,并与其他关键字已散列到哪个槽位无关。遗憾的是,一般无法检查这一条件是否成立,因为很少能知道关键字散列所满足的概率分布,而且各关键字可能并不是完全独立的。 有时,我们知道关键字的概率分布。

冯·诺依曼 1万+

算法设计与分析——散列表/哈希表(Hash Table)(五):开放寻址法

在开放寻址法中,所有的元素都存放在散列表里。也就是说,每个表项或包含动态集合的一个元素,或包含NoneNoneNone。当查找某个元素时,要系统地检查所有的表项,直到找到所需的元素,或者最终查明该元素不在表中。不像链接法,这里既没有链表,也没有元素存放在散列表外。因此在开放寻址法中,散列表可能会被填满,以至于不能插入任何新的元素。该方法导致的一个结果便是装载因子aaa绝对不会超过1。 开放寻址法的核心思想是,如果出现了散列冲突,我们就重新探测一一个空闲位置,将其插入。比如,我们可以使用线性探测法。当我们往散

冯·诺依曼 1万+
上一篇: VScode连接远端服务器一直输入密码解决方法
下一篇: Linux多线程
C++下等马
博客等级 码龄5年 776粉丝 79原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

C++下等马

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值