【优选算法】Pointer-Slice:双指针的算法切片(下)

本篇接上一篇双指针算法,继续处理剩下的经典题目

1.有效三角形的个数

✏️题目描述:

在这里插入图片描述

✏️示例:

在这里插入图片描述

传送门:有效三角形的个数

题解:
💻第一步:

一般针对三元的变量,优先想到的是三层 for 循环暴力枚举所有的组合,此时的时间复杂度为O(n³),明显是超时了。争取遍历一遍就能找出所有组合,那么就要减少无效的枚举

根据数学知识可知,假设三角形最大边为c,那么其余两边a、b之和大于c,就能确定一个三角形

在这里插入图片描述

为了减少无效的枚举,通常需要利用数列的单调性,就用sort函数迭代器对数组升序排序

💻第二步:

由于是三元,且依据数学知识,我们先固定其中一个数(从最大的开始)剩下两个数就可以利用双指针求组合

在这里插入图片描述

假设两数之和大于c,那么可以减小和,寻找是否还有符合要求的组合,即right--;假设两数之和小于c,那么需要增加和,寻找有符合要求的组合,即left++和相等时就返回组合,然后继续left++,因为减小和仍然有可能找到符合大于c的组合每判断一次和,就要执行一次移动,当left >= right就停止,此时最大数的组合情况已经全部找完,接下来c就减小一位,继续循环上述操作

在这里插入图片描述

注意c最多减小到索引为2的位置,保证依然为三元组合

💻代码实现:

#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;

class Solution 
{
public:
    int triangleNumber(vector<int>& nums) 
    {
        sort(nums.begin(), nums.end());
        int ret = 0, n = nums.size();
        for (int i = n - 1; i >= 2; --i)
        {
            int left = 0, right = i - 1;
            while (left < right)
            {
                if (nums[left] + nums[right] > nums[i])
                {
                    ret += right - left;
                    right--;
                }
                else
                {
                    left++;
                }
            }
        }
        return ret;
    }
};

2.查找总价格为目标值的两个商品

✏️题目描述:

在这里插入图片描述

✏️示例:

在这里插入图片描述

传送门:查找总价格为目标值的两个商品

题解:
💻细节问题:

该题是上一题的简化版,显然是使用双指针找符合的组数

在这里插入图片描述

唯一不同的是上题要寻找所有符合的情况,该题找到一个符合的即可

💻代码实现:

#include <iostream>
#include <vector>
using namespace std;

class Solution {
public:
    vector<int> twoSum(vector<int>& price, int target)
    {
        int left = 0, right = price.size() - 1;
        while (left < right)
        {
            int sum = price[left] + price[right];
            if (sum < target)
            {
                left++;
            }
            else if (sum > target)
            {
                right--;
            }
            else return { price[left], price[right] };
        }
        return{ -1,-1 };
    }
};

3.三数之和

✏️题目描述:

在这里插入图片描述

✏️示例:

在这里插入图片描述

传送门:三数之和

题解:

本题也是三元组合的问题,与有效三角形的个数那题的思路也是一样的,做到不漏情况是很简单的,但是本题要求不重复,那么这是本题要处理的难点,细节问题特别多

💻第一步: 不漏

或许可以通过暴力枚举+set容器去重,但仍然涉及时间复杂度高的问题,所以还是排序+双指针的方法减小时间复杂度

在这里插入图片描述

💻第二步: 不重

🚩left、right不重复
在这里插入图片描述
🚩固定的数不重复
在这里插入图片描述
因为此时其余两个数都是不变的,移动到下一个一样的数重复了之前的情况,为了减少不必要的枚举,当遇到重复的数时两种情况都需要跳过

💻细节问题:

注意不要在处理重复数的情况时移动越界,要考虑如果都是重复数的情况

在这里插入图片描述

💻代码实现:

#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;

class Solution 
{
public:
    vector<vector<int>> threeSum(vector<int>& nums) 
    {
        sort(nums.begin(), nums.end());
        int n = nums.size();
        vector<vector<int>> ret;
        for (int i = 0; i < n; )
        {
            if (nums[i] > 0)
            {
                break;
            }
            int left = i + 1, right = n - 1, target = -nums[i];
            while (left < right)
            {
                int sum = nums[left] + nums[right];
                if (sum < target)
                {
                    left++;
                }
                else if(sum > target)
                {
                    right--;
                }
                else
                {
                    ret.push_back({ nums[i],nums[left],nums[right] });
                    left++, right--;
                    while (left < right && nums[left] == nums[left - 1])
                    {
                        left++;
                    }
                    while (left < right && nums[right] == nums[right + 1])
                    {
                        right--;
                    }
                }
            }
            i++;
            while (i < n && nums[i] == nums[i - 1])
            {
                i++;
            }
        }
        return ret;
    }
};

4.四数之和

✏️题目描述:

在这里插入图片描述

✏️示例:

在这里插入图片描述

传送门:四数之和

💻细节问题:

四数之和三数之和是一个思路,只不过是要固定两个数套用两层 for 循环处理两次边界问题,注意双指针运算过程中,比较的值可能会太大,所以要用 long long

a

💻代码实现:

#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;

class Solution
{
public:
    vector<vector<int>> fourSum(vector<int>& nums, int target)
    {
        sort(nums.begin(), nums.end());
        int n = nums.size();
        vector<vector<int>> ret;
        for (int i = 0; i < n; )
        {
            for (int j = i + 1; j < n; )
            {
                int left = j + 1, right = n - 1;
                long long aim = (long long)target - nums[i] - nums[j];
                while (left < right)
                {
                    int sum = nums[left] + nums[right];
                    if (sum < aim)
                    {
                        left++;
                    }
                    else if (sum > aim)
                    {
                        right--;
                    }
                    else
                    {
                        ret.push_back({ nums[i],nums[j],nums[left],nums[right] });
                        left++,right--;
                        while (left < right && nums[left] == nums[left - 1])
                        {
                            left++;
                        }
                        while (left < right && nums[right] == nums[right + 1])
                        {
                            right--;
                        }
                    }
                }
                j++;
                while (j < n && nums[j] == nums[j - 1])
                {
                    j++;
                }
            }
            i++;
            while (i < n && nums[i] == nums[i - 1])
            {
                i++;
            }
        }
        return ret;
    }
};

寒冷的冬夜里,祝大家圣诞节快乐,平安喜乐!🎅❄️🎄

希望读者们多多三连支持

小编会继续更新

你们的鼓励就是我前进的动力!

请添加图片描述

<think>我们正在讨论Go语言中slice的动态扩容机制。根据用户提供的引用,我们可以总结出以下关键点: 1. **slice底层结构**:slice是一个结构体,包含三个部分:指向底层数组的指针、长度(len)和容量(cap)[^4]。 2. **扩容触发条件**:当使用`append`向slice添加元素时,如果当前长度(len)等于容量(cap),即没有足够的空间容纳新元素,就会触发扩容[^1][^2]。 3. **扩容策略**: - 如果当前容量(cap)小于1024,则新容量(newCap)为旧容量(oldCap)的两倍[^2][^5]。 - 如果当前容量大于等于1024,则新容量为旧容量的1.25倍(即增加25%)[^2][^5]。 - 注意:实际扩容时,还会根据切片元素的大小进行内存对齐调整,因此最终容量可能大于计算值[^3][^5]。 4. **扩容后的内存分配**:扩容后,Go运行时会分配一个新的底层数组,并将原切片的数据复制到新数组中,然后返回指向新数组的切片[^2][^4]。 5. **扩容对原数组的影响**:如果扩容后的切片没有超过原数组的容量,那么切片仍然指向原数组;如果超过,则指向新数组[^2]。 下面我们详细解释slice的动态扩容机制,包括底层原理和具体步骤。 --- ### 一、slice的底层结构 slice在Go语言中由以下结构体表示(简化): ```go type slice struct { array unsafe.Pointer // 指向底层数组的指针 len int // 当前长度 cap int // 总容量 } ``` - `len`:表示切片中当前存储的元素个数。 - `cap`:表示底层数组的总长度,即切片可以容纳的最大元素个数。 - `array`:指向底层数组的指针,该数组实际存储数据[^4]。 --- ### 二、扩容机制详解 #### 1. 扩容触发条件 当使用`append`向切片追加元素时,如果切片的当前长度`len`等于容量`cap`,即`len == cap`,则触发扩容[^1][^2]。 ```go sliceB := make([]int, 3, 3) // len=3, cap=3 sliceB = append(sliceB, 1) // 触发扩容 ``` #### 2. 扩容容量计算 Go语言中的扩容策略如下(以`oldCap`表示旧容量): - **情况1**:当`oldCap < 1024`时,新容量`newCap = oldCap * 2`(双倍扩容)[^2][^5]。 - **情况2**:当`oldCap >= 1024`时,新容量`newCap = oldCap * 1.25`(每次增加25%)[^2][^5]。 **注意**:上述计算得到的`newCap`只是初步值,实际扩容时还会根据切片元素类型的大小进行内存对齐调整,最终容量可能大于计算值[^3][^5]。 #### 3. 内存对齐调整 在确定初步扩容容量后,Go运行时还会根据切片元素类型的大小(`et.size`)进行内存对齐优化,以提高内存访问效率。调整规则如下: 1. 计算扩容后所需的总内存:`capmem = newCap * et.size` 2. 根据内存分配器的大小规格(size class)向上取整,得到实际分配的内存大小`roundup`[^5]。 3. 最终容量:`newCap = roundup / et.size` 例如:假设一个`int`切片(每个元素占8字节),旧容量为5,则: - 初步扩容:`newCap = 5 * 2 = 10` - 所需内存:`10 * 8 = 80`字节 - 内存分配器可能分配96字节(假设size class为96字节) - 最终容量:`96 / 8 = 12` 因此实际扩容后的容量为12,而不是10[^5]。 --- ### 三、扩容过程示例 假设一个初始切片: ```go s := make([]int, 3, 3) // len=3, cap=3 s[0], s[1], s[2] = 1, 2, 3 ``` 当执行`append(s, 4)`时: 1. 检查容量:`len(s) = 3`,`cap(s) = 3`,需要扩容。 2. 计算新容量:`oldCap = 3 < 1024`,所以`newCap = 3 * 2 = 6`。 3. 分配新数组:创建一个长度为6的`int`数组。 4. 复制数据:将原切片`[1,2,3]`复制到新数组。 5. 追加元素:在新数组索引3处添加`4`。 6. 返回新切片:`len=4`,`cap=6`,底层数组指针指向新数组。 --- ### 四、扩容对原数组的影响 - **未扩容时**:多个切片可能共享同一个底层数组,修改数据会影响其他切片[^4]。 - **扩容后**: - 如果扩容后未超过原数组容量,则仍使用原数组(但这种情况不会发生,因为扩容意味着容量不足)。 - 扩容后必然分配新数组,原切片指向新数组,与原数组解耦[^2][^4]。 > 关键结论:**扩容后切片与原底层数组分离,后续修改互不影响**。 --- ### 五、性能优化建议 1. **预分配容量**:如果已知切片最大长度,创建时直接指定容量避免多次扩容: ```go // 推荐:预分配容量 s := make([]int, 0, 1000) ``` 2. **避免小切片频繁扩容**:对小切片连续`append`可能触发多次扩容,影响性能。 --- ### 总结 - **扩容策略**:容量<1024时双倍扩容,≥1024时1.25倍扩容。 - **内存对齐**:实际容量会根据元素大小和内存规格调整[^5]。 - **数据迁移**:扩容后数据复制到新数组,与原数组分离[^2][^4]。 > 理解扩容机制有助于编写高效代码,尤其在处理大规模数据时,预分配容量可显著减少内存分配次数[^3][^5]。 --- §§相关问题§§ 1. 如何通过预分配优化切片性能? 2. 切片扩容后,原底层数组何时被垃圾回收? 3. 切片扩容过程中内存对齐的具体规则是什么? 4. 除了扩容,还有哪些操作会导致切片与底层数组分离?</think>### Go语言Slice动态扩容机制详解 Slice的动态扩容机制是Go语言核心特性之一,其底层实现遵循高效的内存管理策略。以下是详细原理分析: --- #### 一、Slice底层结构(扩容基础) Slice由三个核心字段组成: ```go type slice struct { array unsafe.Pointer // 指向底层数组的指针 len int // 当前元素数量 cap int // 底层数组总容量 } ``` [^4] - **指针**:指向连续内存空间的起始位置 - **长度(len)**:当前存储的元素数量 - **容量(cap)**:底层数组的最大容量 > 关键特性:多个Slice可能共享同一个底层数组,扩容会创建新数组[^4] --- #### 二、扩容触发条件 当以下条件满足时触发扩容: ```go if len(slice) + newElements > cap(slice) { // 执行扩容 } ``` [^1][^2] - 示例:`cap=3`的Slice追加第4个元素时必然扩容 - **特例**:`nil`切片首次追加时创建容量=1的底层数组 --- #### 三、扩容策略(核心算法) 扩容遵循内存效率最优原则: 1. **基础扩容规则**: ```math \text{newCap} = \begin{cases} \text{oldCap} \times 2 & \text{if } \text{oldCap} < 1024 \\ \text{oldCap} \times 1.25 & \text{if } \text{oldCap} \geq 1024 \end{cases} ``` [^2][^5] 2. **内存对齐优化**: - 计算扩容值后,根据CPU缓存行大小向上取整 - 示例:需扩容到1500字节时,实际可能分配1536字节 - 优化目标:减少内存碎片,提高访问速度[^3][^5] 3. **特殊元素类型的处理**: - 元素大小超过特定阈值(如指针大小)时采用保守扩容策略 - 避免大对象频繁复制导致性能下降 --- #### 四、扩容过程详解 1. **内存分配**: ```go // Go运行时伪代码 func growslice(oldPtr *byte, oldLen, oldCap, newLen int) (newPtr *byte, newCap int) { // 1. 计算新容量(应用上述规则) // 2. 内存对齐优化 // 3. 分配新内存空间 // 4. 复制旧数据到新空间 return newPtr, newCap } ``` [^5] 2. **数据迁移**: - 使用`memmove`进行内存块复制(高效系统调用) - 时间复杂度:$O(n)$,$n$为旧Slice长度 3. **旧内存回收**: - 旧底层数组失去引用后被GC自动回收 - 无引用切片扩容后立即成为GC候选对象 --- #### 五、扩容示例分析 ```go s := make([]int, 3, 3) // len=3, cap=3 [^1] s = append(s, 4) // 触发扩容 // 扩容过程: // 1. oldCap=3 < 1024 → newCap = 3*2 = 6 // 2. 分配6个int的新数组 // 3. 复制[0,1,2]到新数组 // 4. 追加4到索引3位置 // 5. 返回新Slice: len=4, cap=6 ``` --- #### 六、性能优化实践 1. **预分配策略**: ```go // 已知最大规模时预分配 data := make([]byte, 0, 1e6) // 提前分配1MB容量 ``` - 避免多次扩容和数据复制[^3] 2. **扩容阈值监控**: ```go // 监控扩容点 if len(slice)+n > cap(slice) { fmt.Printf("扩容发生: %d->%d\n", cap(slice), newCap) } ``` 3. **大切片处理技巧**: - 使用`copy()`替代重切片操作 - 分块处理避免单次超大扩容 --- ### 总结:扩容机制核心要点 | 特性 | 说明 | |---------------------|----------------------------------------------------------------------| | 容量计算 | <1024时2倍扩容,≥1024时1.25倍扩容[^2] | | 内存优化 | 按CPU缓存行对齐分配[^5] | | 时间复杂度 | $O(n)$ 数据复制操作 | | 对原数组影响 | 创建新数组,原数组可被GC回收[^4] | | 最佳实践 | 预分配容量避免运行时扩容 | > 关键结论:**Go的扩容策略在内存效率和操作速度间取得平衡,通过预分配可显著提升性能** [^3][^5]。 ---
评论 183
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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