力扣128. 最长连续序列

Problem: 128. 最长连续序列

题目描述

在这里插入图片描述

思路

1.先将数组中的元素存入到一个set集合中(去除重复的元素)
2.欲找出最长连续序列(先定义两个int变量longestSequence和currentSequence用于记录最长连续序列和当前最长序列),我们可以在遍历给定数组时(当前遍历到的元素为nums[i])去set集合中查找nums[i] - 1,是否存在;若存在,直接遍历下一个nums中的元素;若不存在则持续查找nums[i] + 1,是否存在于set集合中,若存在则更新currentSequence和longestSequence

复杂度

时间复杂度:

O ( n ) O(n) O(n);其中 n n n为数组nums的长度

空间复杂度:

O ( n ) O(n) O(n)

Code

class Solution {
    /**
     * Hash
     *
     * @param nums Given array
     * @return int
     */
    public int longestConsecutive(int[] nums) {
        Set<Integer> set = new HashSet<>();
        // 将数据保存到set中以实现去重
        for (int num : nums) {
            set.add(num);
        }
        int longestSequence = 0;
        for (int num : set) {
            // 如果num-1不存在于set中
            if (!set.contains(num - 1)) {
                int currentNum = num;
                int currentSequence = 1;
                // 找到num + 1......
                while (set.contains(currentNum + 1)) {
                    currentNum += 1;
                    // 将当前currentSequence加1
                    currentSequence += 1;
                }
                longestSequence = Math.max(currentSequence, longestSequence);
            }
        }
        return longestSequence;
    }
}
### LeetCode 最长连续序列 Python 解法 #### 方法一:基于集合的线性时间复杂度算法 通过将输入数组转换为集合 `num_set`,可以快速判断某个数字是否存在。对于每个数字 `n`,如果其前驱 `n-1` 不在集合中,则尝试从当前数字向右扩展,直到找不到下一个连续数字为止。 以下是实现该方法的具体代码: ```python class Solution: def longestConsecutive(self, nums): num_set = set(nums) max_length = 0 for n in num_set: if n - 1 not in num_set: # 只有当不存在前驱时才开始计算 current_num = n current_streak = 1 while current_num + 1 in num_set: # 向右扩展 current_num += 1 current_streak += 1 max_length = max(max_length, current_streak) # 更新最大长度 return max_length ``` 这种方法的时间复杂度为 O(n),因为每个数字最多被访问两次(一次用于检查起点,另一次用于扩展)。空间复杂度也为 O(n)[^3]。 --- #### 方法二:动态规划与并查集优化 另一种思路是利用并查集来维护连通分量之间的关系。具体来说,可以通过查找父节点的方式合并相邻的区间,并记录每组的最大长度。 虽然此方法较为复杂,但在某些特定场景下可能更高效。以下是伪代码框架: ```python def union_find_longest_consecutive(nums): parent = {} def find(x): if parent[x] != x: parent[x] = find(parent[x]) return parent[x] def union(x, y): rootX = find(x) rootY = find(y) if rootX != rootY: parent[rootY] = rootX for num in nums: parent[num] = num if num - 1 in parent: union(num, num - 1) if num + 1 in parent: union(num, num + 1) count = collections.defaultdict(int) for num in parent.keys(): root = find(num) count[root] += 1 return max(count.values(), default=0) ``` 上述代码实现了基于并查集的方法,适合处理大规模数据集[^4]。 --- #### 测试案例分析 考虑测试用例 `[100, 4, 200, 1, 3, 2]` 的执行过程: 1. 将所有数字存入集合 `{100, 4, 200, 1, 3, 2}`。 2. 遍历集合中的每一个数字: - 对于 `100` 和 `200`,由于它们没有前驱,分别形成独立子序列 `[100]` 和 `[200]`。 - 对于 `1`,发现它可以扩展到 `[1, 2, 3, 4]`,因此更新最大长度为 4。 3. 返回最终结果 `4`。 这一逻辑完全符合题目描述的要求。 --- ### 结论 综上所述,最常用的解决方案是基于集合的操作方式,因为它简单易懂且性能优越。而并查集则适用于更加复杂的场景或者需要额外功能支持的情况。
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