☆打卡算法☆LeetCode 41、缺失的第一个正数 算法解析

简介: “找到数组中,没有出现过的最小正整数。”

一、题目


1、算法题目

“找到数组中,没有出现过的最小正整数。”

题目链接:

来源:力扣(LeetCode)

链接:41. 缺失的第一个正数 - 力扣(LeetCode) (leetcode-cn.com)


2、题目描述

给你一个未排序的整数数组 nums ,请你找出其中没有出现的最小的正整数。

请你实现时间复杂度为 O(n) 并且只使用常数级别额外空间的解决方案。

示例 1:
输入: nums = [1,2,0]
输出: 3
复制代码
示例 2:
输入: nums = [3,4,-1,1]
输出: 2
复制代码


二、解题


1、思路分析

这道题需要找到数组中不存在最小正整数,这个还是很容易实现的。

第一种方法用哈希表,将数组中所有的数字存到哈希表中,然后从1开始枚举正整数,判断是否在数组中,时间复杂度O(N),空间复杂度O(N)。

第二种方法遍历枚举,从1开始枚举正整数,然后遍历数组,判断这个数字是否在数组中,时间复杂度O(N2),空间复杂度O(1)。

但是,题目要求是时间复杂度O(N),空间复杂度O(1),解题容易,但是满足题意还是很难的。

只能修改算法,利用数组中的空间来存储一些状态。


2、代码实现

代码参考:

public class Solution
{
    public int FirstMissingPositive(int[] nums)
    {
        for (int i = 0; i < nums.Length; i++)
        {
            while(nums[i]>0&&nums[i]<=nums.Length
                 && nums[i] != nums[nums[i] - 1])
            {
                var next = nums[nums[i] - 1];
                nums[nums[i] - 1] = nums[i];
                nums[i] = next;
            }
        }
        for (int i = 0; i < nums.Length; i++)
        {
            if (nums[i] != i + 1)
            {
                return i + 1;
            }
        }
        return nums.Length + 1;
    }
    public int FirstMissingPositive1(int[] nums)
    {
        var add = 0;
        for (int i = 0; i < nums.Length; i++)
        {
            while (nums[i] >= 0 && nums[i] < nums.Length
                 && nums[i] != nums[nums[i]])
            {
                var temp = nums[nums[i]];
                nums[nums[i]] = nums[i];
                nums[i] = temp;
            }
            if (nums[i] == nums.Length)
            {
                add = 1;
            }
        }
        for (int i = 1; i < nums.Length; i++)
        {
            if (nums[i] != i)
            {
                return i;
            }
        }
        return add + nums.Length;
    }
}
复制代码

网络异常,图片无法展示
|


3、时间复杂度

时间复杂度 : O(N)

其中 N 是数组的长度。

空间复杂度: O(1)

只需要常数级别的空间存放变量。


三、总结

本题的难点在:只能使用常数级别的额外空间,在这个限制下本题的思路有一个非正式的名称:原地哈希。

就是将数组视为哈希表,这个思路就相当于我们自己编写哈希表。

哈希表的规则很简单,那就是数值为i的数映射到下标为i-1的位置。



相关文章
|
12天前
|
机器学习/深度学习 存储 算法
动态规划算法深度解析:0-1背包问题
0-1背包问题是经典的组合优化问题,目标是在给定物品重量和价值及背包容量限制下,选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决,通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值,利用状态转移方程避免重复计算子问题,从而高效求解最优解。
198 1
|
12天前
|
算法 搜索推荐 Java
贪心算法:部分背包问题深度解析
该Java代码基于贪心算法求解分数背包问题,通过按单位价值降序排序,优先装入高价值物品,并支持部分装入。核心包括冒泡排序优化、分阶段装入策略及精度控制,体现贪心选择性质,适用于可分割资源的最优化场景。
120 1
贪心算法:部分背包问题深度解析
|
12天前
|
机器学习/深度学习 边缘计算 人工智能
粒子群算法模型深度解析与实战应用
蒋星熠Jaxonic是一位深耕智能优化算法领域多年的技术探索者,专注于粒子群优化(PSO)算法的研究与应用。他深入剖析了PSO的数学模型、核心公式及实现方法,并通过大量实践验证了其在神经网络优化、工程设计等复杂问题上的卓越性能。本文全面展示了PSO的理论基础、改进策略与前沿发展方向,为读者提供了一份详尽的技术指南。
51 0
粒子群算法模型深度解析与实战应用
|
12天前
|
机器学习/深度学习 资源调度 算法
遗传算法模型深度解析与实战应用
摘要 遗传算法(GA)作为一种受生物进化启发的优化算法,在复杂问题求解中展现出独特优势。本文系统介绍了GA的核心理论、实现细节和应用经验。算法通过模拟自然选择机制,利用选择、交叉、变异三大操作在解空间中进行全局搜索。与梯度下降等传统方法相比,GA不依赖目标函数的连续性或可微性,特别适合处理离散优化、多目标优化等复杂问题。文中详细阐述了染色体编码、适应度函数设计、遗传操作实现等关键技术,并提供了Python代码实现示例。实践表明,GA的成功应用关键在于平衡探索与开发,通过精心调参维持种群多样性同时确保收敛效率
56 7
机器学习/深度学习 算法 自动驾驶
117 0
|
19天前
|
机器学习/深度学习 人工智能 资源调度
大语言模型的核心算法——简要解析
大语言模型的核心算法基于Transformer架构,以自注意力机制为核心,通过Q、K、V矩阵动态捕捉序列内部关系。多头注意力增强模型表达能力,位置编码(如RoPE)解决顺序信息问题。Flash Attention优化计算效率,GQA平衡性能与资源消耗。训练上,DPO替代RLHF提升效率,MoE架构实现参数扩展,Constitutional AI实现自监督对齐。整体技术推动模型在长序列、低资源下的性能突破。
173 8
|
20天前
|
算法 API 数据安全/隐私保护
深度解析京东图片搜索API:从图像识别到商品匹配的算法实践
京东图片搜索API基于图像识别技术,支持通过上传图片或图片URL搜索相似商品,提供智能匹配、结果筛选、分页查询等功能。适用于比价、竞品分析、推荐系统等场景。支持Python等开发语言,提供详细请求示例与文档。
|
2月前
|
机器学习/深度学习 人工智能 编解码
AI视觉新突破:多角度理解3D世界的算法原理全解析
多视角条件扩散算法通过多张图片输入生成高质量3D模型,克服了单图建模背面细节缺失的问题。该技术模拟人类多角度观察方式,结合跨视图注意力机制与一致性损失优化,大幅提升几何精度与纹理保真度,成为AI 3D生成的重要突破。
179 0
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习模型、算法与应用的全方位解析
深度学习,作为人工智能(AI)的一个重要分支,已经在多个领域产生了革命性的影响。从图像识别到自然语言处理,从语音识别到自动驾驶,深度学习无处不在。本篇博客将深入探讨深度学习的模型、算法及其在各个领域的应用。
457 3
|
2月前
|
算法 区块链 数据安全/隐私保护
加密算法:深度解析Ed25519原理
在 Solana 开发过程中,我一直对 Ed25519 加密算法 如何生成公钥、签名以及验证签名的机制感到困惑。为了弄清这一点,我查阅了大量相关资料,终于对其流程有了更清晰的理解。在此记录实现过程,方便日后查阅。
163 0

热门文章

最新文章

推荐镜像

更多
  • DNS