面试知识库

128. 最长连续序列#

生活中的算法#

你小时候一定玩过数字积木吧?一堆写着不同数字的积木块散落在地上,你会不自觉地想把连续的数字找出来,按顺序排成一行。比如看到3、4、5,就会把它们放在一起,因为它们是连续的。

这就是我们今天要讲的”最长连续序列”问题的生活原型。不过,这道题更有趣的地方在于:它要求我们在不对数组排序的情况下,找出这样的连续序列。就像是在不整理积木的情况下,用眼睛找出最长的连续数字链。

问题描述#

题目目标#

给定一个未排序的整数数组 nums,请找出数字连续的最长序列长度。这里的“连续”只要求数值连续,不要求这些元素在原数组中的位置连续。

示例 1#

输入: nums = [100,4,200,1,3,2] 输出: 4 序列示意:

原数组: [100, 4, 200, 1, 3, 2]
连续序列: [1, 2, 3, 4]
长度: 4
text

说明: 虽然数组本身是无序的,但数字 1,2,3,4 可以组成最长连续序列,所以答案是 4。

补充说明#

  • 题目强调时间复杂度要达到 O(n)。
  • 重点不是排序,而是快速判断某个数是否是连续序列的起点。

最直观的解法:排序法#

最容易想到的方法就是:先把数组排序,然后找最长的连续序列。就像我们整理积木时,先把所有积木按数字大小排好,然后就能轻松找到最长的连续数字链。

具体步骤是这样的:

  1. 将数组排序
  2. 遍历排序后的数组,记录当前连续序列的长度
  3. 如果下一个数不连续,就重新开始计数
  4. 记录所有连续序列中的最大长度

让我们用一个例子来模拟这个过程:

原数组:[100, 4, 200, 1, 3, 2]
排序后:[1, 2, 3, 4, 100, 200]

遍历过程:
1 -> 当前长度=1
2 -> 连续,长度=2
3 -> 连续,长度=3
4 -> 连续,长度=4
100 -> 不连续,重新开始,长度=1
200 -> 不连续,重新开始,长度=1

最长连续序列的长度 = 4
plaintext

这种思路可以用Java代码这样实现:

但这个解法的时间复杂度是O(nlogn),不满足题目要求的O(n)。我们需要想出更巧妙的方法。

优化解法:哈希集合法#

仔细思考一下,每个连续序列都有一个起点(序列中的最小数字)。如果我们能快速判断一个数字是否是某个连续序列的起点,问题就简化了。

哈希集合法的原理#

  1. 用哈希集合存储所有数字,实现O(1)时间的查找
  2. 对于每个数字x,如果x-1不存在,说明x可能是一个连续序列的起点
  3. 从这个起点开始,不断查找下一个数字,直到连续性破坏
  4. 记录过程中找到的最长序列

算法步骤(伪代码)#

  1. 创建哈希集合,存入所有数字
  2. 遍历数组中的每个数字x:
    • 如果x-1不在集合中(说明是起点)
    • 从x开始,尝试找x+1, x+2, …直到找不到为止
    • 更新最长序列的长度
  3. 返回最长长度

示例运行#

让我们用示例数组[100, 4, 200, 1, 3, 2]模拟运行过程:

Java代码实现#

排序法vs哈希集合法#

让我们比较这两种解法:

排序法的时间复杂度是O(nlogn),空间复杂度是O(1)(如果不考虑排序的空间开销)。它的优点是直观、易于理解,适合处理有序或接近有序的数据。

哈希集合法的时间复杂度是O(n),空间复杂度是O(n)。虽然需要额外的空间来存储哈希集合,但它能满足题目的时间复杂度要求。关键是它通过空间换时间的方式,避免了排序的开销。

题目模式总结#

这道题体现了一个重要的算法思想:通过预处理数据结构来优化查找。

这种思想在很多场景中都很有用,比如:

  • 查找数组中是否存在某个元素的补数
  • 判断数组中是否存在重复元素
  • 检查字符串中的字符是否出现过

解决这类问题的通用思路是:

  1. 观察问题中的查找模式
  2. 选择合适的数据结构来优化查找操作
  3. 在某些情况下,可以用空间换时间来提高效率

小结#

通过这道题,我们不仅学会了如何找最长连续序列,更重要的是理解了”用合适的数据结构优化查找”这一重要思想。有时候,看似复杂的问题,只要换个角度思考,选择合适的数据结构,就能得到优雅的解法。

记住,算法设计不仅是about解决问题,更是about如何优雅高效地解决问题!