leetcode之最长连续子串之set和unordered_set.

本文介绍了一种寻找最长连续整数序列的算法实现,通过两种不同的数据结构——有序集合(set)与哈希表(unordered_set),对比了它们的时间复杂度与实现细节。使用哈希表的方法能够达到O(n)的时间复杂度,适用于大数据量场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这题说是O(n)算法,我自己用的set集合,按道理来说时间复杂度是O(nlogn),但是也能AC。

看别人都是用hash即unordered_set,这个我不太清楚,可能时间复杂度是O(n)吧:

set代码:

class Solution {
public:
    int longestConsecutive(vector<int> &num) {
        if(num.size()==0)
            return 0;
        set<int> s;
        for(int i=0;i<num.size();i++){
            s.insert(num[i]);
        }
        int sum=1;
        int Max=1;
        set<int>::iterator it,ik;
        for(it=s.begin(),ik=it,ik++;ik!=s.end();it++,ik++){
            if(*ik==*it+1){
                sum++;
                Max=max(sum,Max);
            }
            else
                sum=1;
        }
        return Max;
    }
};


hash表来解决这个问题,先初始化一个hash表, 存储所有数组元素, 然后遍历这个数组, 对找到的数组元素, 去搜索其相连的上下两个元素是否在hash表中, 如果在, 删除相应元素并增加此次查找的数据长度, 如果不在, 从下一个元素出发查找。已经访问过的元素记录下来或者删除,因为访问过的长度已经知道了
unordered_set代码:


class Solution {
public:
    int longestConsecutive(vector<int> &num) {
       unordered_set<int> myset(num.begin(),num.end());
        int res=1;
        for(int current:num){
            if(myset.find(current)==myset.end())
                continue;
            myset.erase(current);
            int prev=current-1,post=current+1;
            while(myset.find(prev)!=myset.end()){
                myset.erase(prev--);
            }
            while(myset.find(post)!=myset.end()){
                myset.erase(post++);
            }
            res=max(res,post-prev-1);
        }
        return res;
    }
};


### 如何在 LeetCode 中使用 C++ STL 示例代码片段 #### 使用 `std::unordered_map` `std::priority_queue` 在解决前 K 个高频元素的问题时,可以利用 `std::unordered_map` 来统计频率,并通过 `std::priority_queue` 实现最小堆来获取前 K 个最高频的元素。 ```cpp class Solution { public: vector<int> topKFrequent(vector<int>& nums, int k) { unordered_map<int, int> counts; for (auto& num : nums) ++counts[num]; priority_queue<pair<int, int>, vector<pair<int, int>>, greater<pair<int, int>>> min_heap; for (auto& it : counts) { min_heap.push({it.second, it.first}); if (min_heap.size() > k) { min_heap.pop(); } } vector<int> result(k); while (!min_heap.empty()) { result[--k] = min_heap.top().second; min_heap.pop(); } return result; } }; ``` 此段代码展示了如何借助哈希表快速定位并记录每个数出现次数[^5]。 接着采用优先队列维护一个大小不超过 k 的小根堆结构,在遍历过程中动态调整以确保最终得到的就是所求解集的一部分。 对于其他类型的题目也可以考虑如下几种常见场景: - **字符串处理**:当遇到涉及子串匹配、模式识别等问题时常会用到正则表达式引擎如 regex 或者更高效的算法比如 Boyer-Moore 字符串搜索算法。 - **图论问题**:针对最短路径计算可选用 Dijkstra 算法配合 set 容器优化;而对于连通分量查询,则推荐基于并查集的数据结构 Union-Find 进行高效管理。 - **组合排列生成**:面对此类需求时不妨尝试 next_permutation 函数来自动生成下一个字典序更大的序列直至穷举完毕为止。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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