LeetCode四道经典算法题解析与优化技巧

1. 算法刷题实战指南：四道经典LeetCode热题解析

作为程序员，算法能力是职业发展的基石。LeetCode作为最受欢迎的算法练习平台，其题目覆盖了面试中的高频考点。今天我想分享四道经典热题的解题思路和优化技巧，这些题目分别是：两数之和、字母异位词分组、最长连续序列和移动零。这些题目看似基础，但蕴含着重要的算法思想和优化方法。

2. 两数之和：哈希表的经典应用

2.1 问题描述与暴力解法

两数之和是LeetCode的第一题，题目要求：给定一个整数数组nums和一个目标值target，在数组中找出和为目标值的两个整数，并返回它们的下标。

最直观的解法是暴力枚举：

python复制def twoSum(nums, target):
    for i in range(len(nums)):
        for j in range(i+1, len(nums)):
            if nums[i] + nums[j] == target:
                return [i, j]
    return []

这种方法的时间复杂度是O(n²)，对于大规模数据效率很低。

2.2 哈希表优化解法

更高效的解法是利用哈希表（字典）存储已遍历元素的值和索引：

python复制def twoSum(nums, target):
    hashmap = {}
    for i, num in enumerate(nums):
        complement = target - num
        if complement in hashmap:
            return [hashmap[complement], i]
        hashmap[num] = i
    return []

这个算法的时间复杂度降为O(n)，空间复杂度为O(n)。

注意：使用哈希表时要注意元素重复的情况。题目保证有唯一解，但实际应用中可能需要处理重复元素。

2.3 边界条件与测试用例

完整实现需要考虑多种边界情况：

• 空数组输入
• 无解情况
• 重复元素
• 负数和零

3. 字母异位词分组：哈希与字符串处理的结合

3.1 问题理解与基础思路

字母异位词分组要求将一组字符串按照字母异位词（字符相同但顺序不同的词）分组。例如：
输入: ["eat", "tea", "tan", "ate", "nat", "bat"]
输出: [["ate","eat","tea"], ["nat","tan"], ["bat"]]

3.2 关键解法：排序+哈希

最直接的思路是对每个字符串排序，将排序结果作为哈希表的键：

python复制def groupAnagrams(strs):
    from collections import defaultdict
    ans = defaultdict(list)
    for s in strs:
        key = tuple(sorted(s))
        ans[key].append(s)
    return list(ans.values())

时间复杂度：O(nklogk)，其中n是字符串数量，k是字符串最大长度。

3.3 优化思路：计数法

对于字符集有限的情况（如小写字母），可以用计数作为键：

python复制def groupAnagrams(strs):
    from collections import defaultdict
    ans = defaultdict(list)
    for s in strs:
        count = [0] * 26
        for c in s:
            count[ord(c) - ord('a')] += 1
        ans[tuple(count)].append(s)
    return list(ans.values())

这种方法时间复杂度为O(nk)，适合长字符串。

4. 最长连续序列：哈希集合的巧妙应用

4.1 问题分析与常规思路

最长连续序列要求找出数字序列中最长的连续数字序列的长度。例如：
输入: [100, 4, 200, 1, 3, 2]
输出: 4（因为最长连续序列是[1, 2, 3, 4]）

排序后扫描的解法：

python复制def longestConsecutive(nums):
    if not nums:
        return 0
    nums = sorted(list(set(nums)))
    max_len = current = 1
    for i in range(1, len(nums)):
        if nums[i] == nums[i-1] + 1:
            current += 1
            max_len = max(max_len, current)
        else:
            current = 1
    return max_len

时间复杂度O(nlogn)，不符合题目要求的O(n)。

4.2 最优解：哈希集合法

利用哈希集合实现O(n)时间复杂度的解法：

python复制def longestConsecutive(nums):
    num_set = set(nums)
    max_len = 0
    for num in num_set:
        if num - 1 not in num_set:  # 确保从序列起点开始
            current_num = num
            current_len = 1
            while current_num + 1 in num_set:
                current_num += 1
                current_len += 1
            max_len = max(max_len, current_len)
    return max_len

这个解法巧妙地避免了重复计算，每个数字最多被访问两次。

5. 移动零：双指针的经典应用

5.1 问题描述与简单解法

移动零要求将数组中的所有0移动到末尾，同时保持非零元素的相对顺序。例如：
输入: [0,1,0,3,12]
输出: [1,3,12,0,0]

最简单的解法是新建一个数组：

python复制def moveZeroes(nums):
    non_zeros = [x for x in nums if x != 0]
    zeros = [0] * (len(nums) - len(non_zeros))
    nums[:] = non_zeros + zeros

这种方法空间复杂度为O(n)，不符合原地修改的要求。

5.2 最优解：双指针法

使用快慢双指针实现原地修改：

python复制def moveZeroes(nums):
    slow = 0
    for fast in range(len(nums)):
        if nums[fast] != 0:
            nums[slow], nums[fast] = nums[fast], nums[slow]
            slow += 1

时间复杂度O(n)，空间复杂度O(1)，完美满足要求。

5.3 变种与扩展

类似的双指针技巧可以解决：

• 删除排序数组中的重复项
• 移除指定元素
• 颜色分类（荷兰国旗问题）

6. 算法思想总结与实战技巧

6.1 四道题目背后的核心思想

1. 两数之和：哈希表快速查找
2. 字母异位词分组：哈希表与键的设计
3. 最长连续序列：哈希集合与序列检测
4. 移动零：双指针原地操作

6.2 刷题实用技巧

1. 先理解问题，写出暴力解法
2. 分析时间/空间复杂度瓶颈
3. 思考是否有更优的数据结构可用
4. 考虑边界条件和特殊输入
5. 测试时覆盖各种情况

6.3 常见错误与调试方法

• 哈希表问题：键的设计不当导致碰撞
• 双指针问题：指针移动条件错误
• 边界情况：空输入、单个元素、全部相同元素
• 调试方法：打印中间变量，小规模测试

在实际面试中，解释思路比直接写代码更重要。建议先说明暴力解法，再逐步优化，展示思考过程。这四道题目虽然基础，但涵盖了算法面试中的核心思想，掌握它们对提升算法能力大有裨益。