[LeetCode] 41. First Missing Positive

博客围绕找出数组中缺失的最小正整数展开,要求算法时间复杂度为O(n),空间复杂度为O(1)。介绍了两种思路,一是用set记录已出现正整数再遍历查找,空间复杂度O(n);二是用数组下标作hash映射,空间复杂度为O(1)。

题:https://leetcode.com/problems/first-missing-positive/

题目大意

对于一个数组,找出数组中缺失的最小正整数,且 算法的时间复杂度为O(n),空间复杂度为O(1)。

思路

空间复杂度 O(n)

对于这种问题,最简单的方法就是使用 set 记录 数组中已经出现的正整数,然后从1向上遍历找出最小没有出现的正整数。
该方法的时间复杂度O(n),但空间复杂度为O(n)

class Solution {
    public int firstMissingPositive(int[] nums) {
        Set<Integer> set = new HashSet();
        int MAX = 0;
        for(int a : nums)
            if(a>0){
                set.add(a);
                MAX = Math.max(MAX,a);
            }
        int i = 1;
        while(i <= MAX){
            if(!set.contains(i))
                return i;
            i++;
        }
        return MAX+1;
    }
}

使用数组下标作为hash ,空间复杂度为 O(1)

HashSet 是 对 数组元素做了hash映射,从而达到了 快速查找的功能。
这里可以使用下标本身作为 hash映射,将 元素映射到 数组的相应下标位置,作为Hash。这样我们只用 根据下标就可以判断出 数组的元素 是否 出现在 数组中。

class Solution {
    public void swap(int[] nums,int a,int b){
        nums[a] = nums[a] ^ nums[b];
        nums[b] = nums[a] ^ nums[b];
        nums[a] = nums[a] ^ nums[b];
    }
    public int firstMissingPositive(int[] nums) {
        int n = nums.length;
        for(int i = 0 ; i < n ; i++){
            while(nums[i]> 0 && nums[i]<n && nums[nums[i]-1] != nums[i]){
                swap(nums,i,nums[i]-1);
            }
        }
        for(int i = 0 ;i < n ; i++)
            if(nums[i]!=i+1)
                return i+1;
        return n+1;
    }
}
内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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