18. 4Sum(四数之和)4种解法(C++ & 注释)

1. 题目描述

给定一个包含 n 个整数的数组 nums 和一个目标值 target,判断 nums 中是否存在四个元素 a,b,c 和 d ,使得 a + b + c + d 的值与 target 相等?找出所有满足条件且不重复的四元组。

注意:
答案中不可以包含重复的四元组。

示例:

给定数组 nums = [1, 0, -1, 0, -2, 2],和 target = 0。
满足要求的四元组集合为:
[ [-1, 0, 0, 1], [-2, -1, 1, 2], [-2, 0, 0, 2] ]

题目链接:中文题目英文题目

2. 暴力解法(Brute Force, Time Limit Exceeded)

直接三个for循环检查所有三元组是否符合题意,这种方法和3Sum题目的暴力解法差不多思路,代码可以参考一下,就不单独列举代码了。

3. 哈希表法(Hash Table, Time Limit Exceeded)

3.1 解题思路

哈希表法(Hash Table)的解题思路可以参考3Sum题目的解法。不幸的是,这种方法超时了。

3.2 实例代码

class Solution {
public:
    vector<vector<int>> fourSum(vector<int>& nums, int target) {
        vector<vector<int>> ans;
        sort(nums.begin(), nums.end());

        int len = nums.size();
        for (int i = 0; i < len; i++) {
            if (i != 0 && nums[i] == nums[i - 1]) continue; // 跳过i代表的重复数字
            for (int j = i + 1; j < len; j++) {
                if (j != i + 1 && nums[j] == nums[j - 1]) continue; // 跳过j代表的重复数字
                unordered_map<int, int> m;
                for (int k = j + 1; k < len; k++) {
                    int complement = target - nums[i] - nums[j] - nums[k];
                    if (m.count(complement)) {
                        ans.push_back({ nums[i], nums[j], nums[k], complement });
                        while (k + 1 < len && nums[k] == nums[k + 1]) k++; // 有一个答案以后,跳过k代表的重复数字
                    }
                    else m.insert(pair<int, int>(nums[k], k)); // 需要保存k涉及到的所有数字,方便后面查找
                }
            }
        }

        return ans;
    }
};

4. 双指针法(Two Pointers)

4.1 解题思路

双指针法(Two Pointers)的解题思路可以参考3Sum题目的解法。

4.2 实例代码

class Solution {
public:
    vector<vector<int>> fourSum(vector<int>& nums, int target) {
        vector<vector<int>> ans;
        sort(nums.begin(), nums.end());

        int len = nums.size();
        for (int i = 0; i < len; i++) {
            if (i != 0 && nums[i] == nums[i - 1]) continue; // 跳过i代表的重复数字
            for (int j = i + 1; j < len; j++) {
                if (j != i + 1 && nums[j] == nums[j - 1]) continue; // 跳过j代表的重复数字
                int left = j + 1, right = len - 1;
                while (left < right) {
                    if (nums[i] + nums[j] + nums[left] + nums[right] == target) {
                        ans.push_back({ nums[i], nums[j], nums[left], nums[right] });
                        left++;
                        right--;
                        while (left < right && nums[left] == nums[left - 1]) left++; // 跳过左边界重复数字
                        while (left < right && nums[right] == nums[right + 1]) right--; // 跳过右边界重复数字
                    }
                    else if (nums[i] + nums[j] + nums[left] + nums[right] > target) right--;
                    else left++;
                }
            }
        }

        return ans;
    }
};

5. 二分查找(Binary Search)

5.1 解题思路

二分查找(Binary Search)的解题思路可以参考3Sum Closest题目的解法。

只是这里用到了二分精确查找某个数:binary_search(first, last, target)是二分查找函数需要引入头文件#include ,查找范围为[first, last),找到返回true,否则返回false。

5.2 实例代码

class Solution {
public:
    vector<vector<int>> fourSum(vector<int>& nums, int target) {
        vector<vector<int>> ans;
        sort(nums.begin(), nums.end());

        int len = nums.size();
        for (int i = 0; i < len; i++) {
            if (i != 0 && nums[i] == nums[i - 1]) continue; // 跳过i代表的重复数字
            for (int j = i + 1; j < len; j++) {
                if (j != i + 1 && nums[j] == nums[j - 1]) continue; // 跳过j代表的重复数字
                for (int k = j + 1; k < len; k++) {
                    if (k != j + 1 && nums[k] == nums[k - 1]) continue; // 跳过k代表的重复数字
                    int complement = target - nums[i] - nums[j] - nums[k]; 
                    if (binary_search(nums.begin() + k +1, nums.end(), complement))) ans.push_back({ nums[i], nums[j], nums[k], complement });
                }
            }
        }

        return ans;
    }
};

在这里插入图片描述

子集和问题可以使用子集树或排列树来解决。下面分别介绍两种解法。 ## 子集树 ### 思路 子集树的思路是将所有可能的子集表示成一棵树,然后在树上搜索符合条件的子集。具体来说,可以使用 DFS 遍历子集树,在遍历到某个节点时,将该节点表示的数加入当前子集中,然后继续搜索其左右子节点,分别表示该数加入和不加入当前子集的情况。当遍历到叶子节点时,判断当前子集的和是否等于目标值,如果相等则找到一个解。 ### 树图 下图是一个大小为 3 的子集树,其中每个节点表示一个子集,节点上的数字表示该子集对应的数的和。其中,红色节点表示一个符合条件的子集。 ``` &empty; / \ 1 &empty; / \ / \ 3 1 3 &empty; / \ / \ 6 4 4 2 ``` ### 代码 下面是使用子集树解决子集和问题的 C++ 代码。其中,`subset_tree()` 函数表示子集树的 DFS 遍历,`cur` 表示当前子集,`sum` 表示当前子集的和,`k` 表示目标值,`idx` 表示当前搜索到的数的下标。 ```cpp #include &lt;iostream&gt; #include &lt;vector&gt; using namespace std; void subset_tree(vector&lt;int&gt;&amp; nums, vector&lt;int&gt;&amp; cur, int sum, int k, int idx) { if (idx == nums.size()) { if (sum == k) { for (int x : cur) { cout &lt;&lt; x &lt;&lt; &quot; &quot;; } cout &lt;&lt; endl; } return; } // 不加入当前数 subset_tree(nums, cur, sum, k, idx + 1); // 加入当前数 cur.push_back(nums[idx]); subset_tree(nums, cur, sum + nums[idx], k, idx + 1); cur.pop_back(); } int main() { vector&lt;int&gt; nums = {1, 3, 4, 6}; int k = 7; vector&lt;int&gt; cur; subset_tree(nums, cur, 0, k, 0); return 0; } ``` ## 排列树 ### 思路 排列树的思路是将所有可能的排列表示成一棵树,然后在树上搜索符合条件的排列。具体来说,可以使用 DFS 遍历排列树,在遍历到某个节点时,将该节点表示的数加入当前排列中,然后继续搜索其左右子节点,分别表示该数加入和不加入当前排列的情况。当遍历到叶子节点时,判断当前排列的和是否等于目标值,如果相等则找到一个解。 ### 树图 下图是一个大小为 4 的排列树,其中每个节点表示一个排列,节点上的数字表示该排列对应的数的和。其中,红色节点表示一个符合条件的排列。 ``` &empty; / | | \ 1 3 4 6 /|\ /| | | 2 5 4 2 5 6 2 4 | / \ 6 10 8 ``` ### 代码 下面是使用排列树解决子集和问题的 C++ 代码。其中,`permutation_tree()` 函数表示排列树的 DFS 遍历,`cur` 表示当前排列,`sum` 表示当前排列的和,`k` 表示目标值,`used` 表示哪些数已经被使用过。 ```cpp #include &lt;iostream&gt; #include &lt;vector&gt; using namespace std; void permutation_tree(vector&lt;int&gt;&amp; nums, vector&lt;int&gt;&amp; cur, int sum, int k, vector&lt;bool&gt;&amp; used) { if (cur.size() == nums.size()) { if (sum == k) { for (int x : cur) { cout &lt;&lt; x &lt;&lt; &quot; &quot;; } cout &lt;&lt; endl; } return; } for (int i = 0; i &lt; nums.size(); i++) { if (!used[i]) { used[i] = true; cur.push_back(nums[i]); permutation_tree(nums, cur, sum + nums[i], k, used); cur.pop_back(); used[i] = false; } } } int main() { vector&lt;int&gt; nums = {1, 3, 4, 6}; int k = 7; vector&lt;int&gt; cur; vector&lt;bool&gt; used(nums.size(), false); permutation_tree(nums, cur, 0, k, used); return 0; } ``` 两种方法的时间复杂度均为 $O(2^n)$,其中 $n$ 是数的个数。实际运行时间取决于目标值是否能够被找到,如果目标值很小或者足够大,可能会找到所有解,此时运行时间会比较长。
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