【leetcode】两数之和

最新推荐文章于 2025-08-17 23:50:11 发布

原创最新推荐文章于 2025-08-17 23:50:11 发布 · 187 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#leetcode #两数之和

leetcode 专栏收录该内容

1 篇文章

订阅专栏

本文详细解析了LeetCode经典题目“两数之和”的三种解法：暴力法、两遍哈希表和一遍哈希表。通过对比不同算法的时间和空间复杂度，帮助读者理解并选择最优解决方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

工作之余，感觉还是要加强基础知识的掌握，于是再次进行leetcode的刷题之旅了，go！

原题链接：https://leetcode-cn.com/problems/two-sum/

方法一：暴力法

暴力法很简单，遍历每个元素x，并查找是否存在一个值与target-x相等的目标元素。

public int[] twoSum(int[] nums, int target) {
    for (int i = 0; i < nums.length; i++) {
        for (int j = i + 1; j < nums.length; j++) {
            if (nums[j] == target - nums[i]) {
                return new int[] { i, j };
            }
        }
    }
    return null;
}

复杂度分析：

时间复杂度：O(n^2)，对于每个元素，我们试图通过遍历数组的其余部分来寻找它所对应的目标元素，这将耗费 O(n) 的时间。因此时间复杂度为 O(n^2)。

空间复杂度：O(1)。

方法二：两遍哈希表

一个简单的实现使用了两次迭代。在第一次迭代中，我们将每个元素的值和它的索引添加到表中。然后，在第二次迭代中，我们将检查每个元素所对应的目标元素（target - nums[i]target−nums[i]）是否存在于表中。注意，该目标元素不能是 nums[i]nums[i] 本身！

class Solution {
    public int[] twoSum(int[] nums, int target) {
        Map<Integer,Integer> map = new HashMap<>();
        for(int i=0; i<nums.length; i++) {
            map.put(nums[i],i);
        }
        for(int i=0; i<nums.length;i++) {
            int complement = target - nums[i];
            if(map.containsKey(complement) && map.get(complement) != i) {
                return new int[]{i,map.get(complement)};
            }
        }
        return null;
    }
}

复杂度分析：

时间复杂度：时间复杂度：O(n)，我们只遍历了包含有 n 个元素的列表一次。在表中进行的每次查找只花费 O(1) 的时间。

空间复杂度：空间复杂度：O(n)，所需的额外空间取决于哈希表中存储的元素数量，该表最多需要存储 n 个元素。

方法三：一遍哈希表

在进行迭代并将元素插入到表中的同时，我们还会回过头来检查表中是否已经存在当前元素所对应的目标元素。如果它存在，那我们已经找到了对应解，并立即将其返回。

class Solution {
    public int[] twoSum(int[] nums, int target) {
        Map<Integer,Integer> map = new HashMap<>();
        for(int i=0; i<nums.length; i++) {
            int complement = target - nums[i];
            if (map.containsKey(complement)) {
                return new int[]{i,map.get(complement)};
            }
            map.put(nums[i],i);
        }
        return null;
    }
}

复杂度分析：

时间复杂度：O(n)，我们只遍历了包含有 n 个元素的列表一次。在表中进行的每次查找只花费O(1) 的时间。

空间复杂度：O(n)，所需的额外空间取决于哈希表中存储的元素数量，该表最多需要存储 n 个元素。

参考链接：https://leetcode-cn.com/problems/two-sum/solution/liang-shu-zhi-he-by-leetcode-2/