leetcode128.最长连续序列

本文介绍了一种使用哈希表求解最长连续整数序列的算法。通过存储每个数字及其连续序列长度,实现高效查找与更新。以[100,4,200,1,3,2]为例,详细解析了遍历和更新哈希表的过程。

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

参考:
https://blog.youkuaiyun.com/qq_26410101/article/details/88538744

用哈希表做,键为数字,值为遍历到该数字时它所在连续序列的长度。
在新遍历一个数字n时,如果该数字在哈希表中不存在,那么此时如果哈希表中有n-1或者n+1,那么n-1或者n+1一定是一个连续序列的边界点,因此再加入n元素后,可以将n-1所在序列(如果存在的话),n以及n+1所在的序列(如果存在的话)连成一个新序列,此时需要将新序列的两端边界的哈希值进行修改为新序列的长度。

class Solution {
public:
    int longestConsecutive(vector<int>& nums) {
        int res = 0;
        unordered_map<int, int> m;
        for (int n : nums) {
            if (m.find(n) == m.end()) {  //如果n已经存在哈希表中则什么也不做
                int left = m.find(n-1)==m.end()?0:m[n - 1];  //找到数字n-1所在序列的长度,也是哈希表中n左边元素(连续的)的个数
                int right = m.find(n+1)==m.end()?0:m[n + 1]; //找到数字n+1所在序列的长度,n右边元素的个数
                res = max(res, left + right + 1);     //更新最大值res,加入n后,n所在序列的长度为left+right+1
                m[n] = left + right + 1;   //加入n元素对应的值,更新n对应值的原因是下次当相同数字n到来时,查找哈希表已经存在就直接跳过
                m[n - left] = left + right + 1;    //n左边有left个元素,且是连续的,因此左边界元素就是n-left
                m[n + right] = left + right + 1;   //n右边有right个元素且连续,因此右边界元素为n+riught
            }
        }
        return res;
    }
};
[100, 4, 200, 1, 3, 2]为例,遍历过程如下:
括号里的为值,前面的数字为键
10011001),411001),41),20011001),41),2001),111001),42),2001),11),32//3的left为0,right为1,因此3的值为1+1=2,3的右边界4更新为2
1001),44),2001),14),32),24//2的left为m[1]=1,right为m[3]=2,因此2的值为1+2+1=4,左边界m[2-1]更新为4,右边界m[2+2]更新为4,即更新了4,1,2为4,而3未更新,因为他不是边界不需要更新

### 解题思路 LeetCode 第 674 题的目标是找到给定数组中的最长连续递增子序列的长度。此问题可以通过一次线性扫描来解决,时间复杂度为 O(n),空间复杂度可以优化到 O(1)[^1]。 #### 关键点分析 - **连续性**:题目强调的是“连续”,因此只需要比较相邻两个元素即可判断是否构成递增关系。 - **动态规划 vs 贪心算法**:虽然可以用动态规划的思想解决问题,但由于只需记录当前的最大而无需回溯历史状态,贪心策略更为高效[^3]。 --- ### Python 实现 以下是基于贪心算法的 Python 实现: ```python class Solution: def findLengthOfLCIS(self, nums): if not nums: # 如果输入为空,则返回0 return 0 max_len = 1 # 至少有一个元素时,最小长度为1 current_len = 1 # 当前连续递增序列的长度初始化为1 for i in range(1, len(nums)): # 从第二个元素开始遍历 if nums[i] > nums[i - 1]: # 判断当前元素是否大于前一个元素 current_len += 1 # 是则增加当前长度 max_len = max(max_len, current_len) # 更新全局最大长度 else: current_len = 1 # 否则重置当前长度 return max_len # 返回最终结果 ``` 上述代码通过维护 `current_len` 和 `max_len` 来跟踪当前连续递增序列的长度以及整体的最大长度。 --- ### Java 实现 下面是等效的 Java 版本实现: ```java public class Solution { public int findLengthOfLCIS(int[] nums) { if (nums.length == 0) { // 处理边界情况 return 0; } int maxLength = 1; // 初始化最大长度 int currentLength = 1; // 初始化当前长度 for (int i = 1; i < nums.length; i++) { if (nums[i] > nums[i - 1]) { // 若满足递增条件 currentLength++; // 增加当前长度 maxLength = Math.max(maxLength, currentLength); // 更新最大长度 } else { currentLength = 1; // 不满足递增条件时重新计数 } } return maxLength; // 返回结果 } } ``` 该版本逻辑与 Python 类似,但在语法上更贴近 Java 的特性[^4]。 --- ### C++ 实现 对于 C++ 用户,下面是一个高效的解决方案: ```cpp #include <vector> #include <algorithm> // 使用 std::max 函数 using namespace std; class Solution { public: int findLengthOfLCIS(vector<int>& nums) { if (nums.empty()) { // 边界处理 return 0; } int result = 1; // 结果变量 int count = 1; // 当前连续递增序列长度 for (size_t i = 1; i < nums.size(); ++i) { if (nums[i] > nums[i - 1]) { // 检查递增条件 count++; result = max(result, count); } else { count = 1; // 重置计数器 } } return result; // 返回最终结果 } }; ``` 这段代码同样遵循了单次遍历的原则,并利用标准库函数简化了一些操作。 --- ### 小结 三种语言的核心思想一致,均采用了一种简单的线性扫描方式完成任务。这种方法不仅易于理解,而且性能优越,在实际应用中非常实用[^2]。 ---
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