一、问题描述
在 LeetCode 上有这样一道经典的算法题,题目要求给定一个整数数组 nums
,找出所有不重复的三元组 [nums[i], nums[j], nums[k]]
,需要满足以下两个条件:
-
三个元素的索引互不相同,即
i != j
,i != k
,j != k
。 -
这三个元素的和为 0,也就是
nums[i] + nums[j] + nums[k] == 0
。
示例展示
-
示例 1:
-
输入:
nums = [-1, 0, 1, 2, -1, -4]
-
输出:
[[-1, -1, 2], [-1, 0, 1]]
-
解释:
-
nums[0] + nums[1] + nums[2] = (-1) + 0 + 1 = 0
。 -
nums[0] + nums[3] + nums[4] = (-1) + 2 + (-1) = 0
。 -
不同的三元组是
[-1, 0, 1]
和[-1, -1, 2]
,而且输出的顺序和三元组内元素的顺序并不重要。
-
-
-
示例 2:
-
输入:
nums = [0, 1, 1]
-
输出:
[]
-
解释:所有可能的三元组的和都不为 0。
-
-
示例 3:
-
输入:
nums = [0, 0, 0]
-
输出:
[[0, 0, 0]]
-
解释:唯一可能的三元组的和为 0。
-
二、思路分析
暴力法(不可取)
暴力法的思路是尝试数组中所有可能的三元组组合。对于一个长度为 n
的数组,需要三层嵌套循环来遍历所有组合,其时间复杂度为 O(n3)。当数组规模较大时,这种方法的效率极低,会导致程序运行时间过长,因此在实际应用中不可行。
哈希表法(有优化空间但较复杂)
此方法的思路是先遍历数组中的每个元素 nums[i]
,将问题转化为在剩余元素中寻找两数之和为 -nums[i]
的问题。可以使用哈希表来记录元素及其出现的位置,这样在查找互补元素时可以将时间复杂度从 O(n) 降低到 O(1)。整体时间复杂度为 O(n2)。不过,使用哈希表法需要处理重复元素的问题,实现起来相对复杂。
排序 + 双指针法(最优解)
这是解决该问题的最优方案,步骤如下:
-
排序数组:对数组进行排序,排序后相同的元素会相邻排列,这便于后续跳过重复元素,减少不必要的计算。
-
固定第一个数:依次选取数组中的每个元素作为三元组的第一个数。
-
双指针查找:在剩余的元素中使用双指针,一个指针从第一个数的下一个元素开始向右移动,另一个指针从数组的最后一个元素开始向左移动,通过移动指针来寻找满足和为 0 的另外两个数。
-
时间复杂度:排序的时间复杂度为 O(nlogn),双指针查找的时间复杂度为 O(n2),因此总的时间复杂度为 O(n2),该方法适合处理较大规模的数据。
三、详细解题代码
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;public class ThreeSum {public static List<List<Integer>> threeSum(int[] nums) {// 用于存储最终结果的列表List<List<Integer>> result = new ArrayList<>();// 首先检查数组长度,如果小于 3,直接返回空列表if (nums == null || nums.length < 3) {return result;}// 对数组进行排序,方便后续去重和双指针操作Arrays.sort(nums);int n = nums.length;// 遍历数组,固定第一个数for (int i = 0; i < n; i++) {// 如果当前数大于 0,由于数组已排序,后面的数都大于 0,不可能找到和为 0 的三元组,直接跳出循环if (nums[i] > 0) {break;}// 跳过重复的第一个数if (i > 0 && nums[i] == nums[i - 1]) {continue;}// 初始化双指针,j 指向 i 的下一个元素,k 指向数组末尾int j = i + 1;int k = n - 1;// 双指针查找满足条件的另外两个数while (j < k) {int total = nums[i] + nums[j] + nums[k];if (total == 0) {// 找到满足条件的三元组,添加到结果列表中result.add(Arrays.asList(nums[i], nums[j], nums[k]));// 跳过重复的第二个数while (j < k && nums[j] == nums[j + 1]) {j++;}// 跳过重复的第三个数while (j < k && nums[k] == nums[k - 1]) {k--;}// 移动指针继续寻找j++;k--;} else if (total < 0) {// 总和小于 0,说明需要增大和,将左指针右移j++;} else {// 总和大于 0,说明需要减小和,将右指针左移k--;}}}return result;}public static void main(String[] args) {int[] nums = {-1, 0, 1, 2, -1, -4};List<List<Integer>> result = threeSum(nums);for (List<Integer> triplet : result) {System.out.println(triplet);}}
}
代码解释
1、输入检查:首先检查数组是否为空或者长度是否小于 3,如果是则直接返回空列表。
2、数组排序:使用 Arrays.sort(nums)
对数组进行排序,为后续的双指针操作和去重做准备。
3、遍历第一个数:使用 for
循环遍历数组,固定第一个数 nums[i]
。如果 nums[i]
大于 0,由于数组已排序,后面的数都大于 0,不可能找到和为 0 的三元组,直接跳出循环。同时,跳过重复的第一个数。
4、双指针查找:初始化双指针 j
和 k
,分别指向 i
的下一个元素和数组末尾。计算三个数的和 total
,根据 total
的值进行不同的操作:
-
如果
total
等于 0,说明找到了一个满足条件的三元组,将其添加到结果列表中,并跳过重复的第二个数和第三个数,然后移动指针继续寻找。 -
如果
total
小于 0,说明需要增大和,将左指针j
右移。 -
如果
total
大于 0,说明需要减小和,将右指针k
左移。
5、返回结果:遍历结束后,返回存储结果的列表。
四、复杂度分析
-
时间复杂度:排序操作的时间复杂度为 O(nlogn),双指针查找的时间复杂度为 O(n2),因此总的时间复杂度为 O(n2)。
-
空间复杂度:排序所需的栈空间为 O(logn),因此空间复杂度为 O(logn)。
五、常见问题解答
1. 为什么排序后可以去重?
排序后相同的元素会相邻排列,通过比较相邻元素是否相等,可以很方便地判断是否为重复元素。例如,在遍历第一个数时,如果当前数和前一个数相同,就跳过当前数,避免重复计算。
2. 如何处理全零数组?
当数组为 [0, 0, 0]
时,排序后第一个数为 0,双指针 j = 1
和 k = 2
,计算 nums[i] + nums[j] + nums[k]
的和为 0,满足条件,将 [0, 0, 0]
添加到结果集中。
3. 能否用哈希表优化?
可以使用哈希表来优化,但需要处理大量的边界条件,例如重复元素的处理、元素自身为零的情况等。使用哈希表实现的代码复杂度较高,不如排序 + 双指针法简洁高效。
六、总结
-
核心思想:先对数组进行排序,然后通过双指针法在剩余元素中寻找满足条件的三元组,同时利用排序后相邻元素相同的特性进行去重。
-
关键点:正确处理指针的移动和重复元素的跳过逻辑,确保结果集中不包含重复的三元组。
-
适用场景:该算法适用于需要高效处理大规模数据,并且要求结果唯一的场景。
感谢各位的阅读,后续将持续给大家讲解力扣中的算法题,如果觉得这篇内容对你有帮助,别忘了点赞和关注,后续还有更多精彩的算法解析与你分享!