int longestLen = 0;
int start = 0;
int end;
// 遍历一遍时间复杂度O(n)
for (end = 1; end < nums_distinct.length; end++) {
if (nums_distinct[end] != nums_distinct[end - 1] + 1) {
start = end;
}
longestLen = Math.max((end - start + 1), longestLen);
}
longestLen = Math.max((end - start), longestLen);
return longestLen;
}
哈希表遍历：时间复杂度O(n)
/** * 哈希表遍历 * 耗时17ms，内存消耗56.3MB * * @param nums 集合 * @return 最长序列 */ private static int longestConsecutive(int[] nums) { if (nums.length <= 1) { return nums.length; } // 直接转成HashSet，add、delete、remove、contains时间复杂度O(1) Set set = Arrays.stream(nums).boxed().collect(Collectors.toSet()); int longestLen = 0; for (Integer element : set) { // 即从[element, x]开始遍历到x if (!set.contains(element - 1)) { int currentElement = element; int currentLen = 1; while (set.contains(currentElement + 1)) { currentElement += 1; currentLen += 1; } longestLen = Math.max(longestLen, currentLen); } } return longestLen; }
哈希表+并查集：时间复杂度O(n logn)
/** * 图论——并查集（Union-find Set）是一种精巧的数据结构，主要用于处理一些不相交集合的合并问题 * 一些常见的用途有求连通子图、求最小生成树的Kruskal算法和求最近公共祖先（LCA）等 * 主要操作： * 1、初始化 init * 2、查找 find * 3、合并 union */ static class UnionFind { private Map<Integer, Integer> parents; // 有参构造函数初始化哈希表，相当于用fa[]来存储每个元素的父节点。 UnionFind(int[] nums) { this.parents = new HashMap<>(); // 初始化时父节点设置为自己 Arrays.stream(nums).boxed().forEach(element -> parents.put(element, element)); }
// 通过哈希表查询时间复杂度O(1)
int find(int x) {
// 递归出口，当到达了祖先位置，就返回祖先
if (parents.get(x) == x) {
return x;
}
// find(parents.get(x))不断往上查找祖先，也进行了路径压缩
parents.put(x, find(parents.get(x)));
return parents.get(x);
}
// 合并，把y作为x的parents
void union(int x, int y) {
if (parents.containsKey(y)) {
parents.put(x, y);
}
}
}
/**
* 哈希表 + 并查集 (「单向链表」转换成了「树」)
* 耗时47ms，内存消耗61.3MB
* @param nums 集合
* @return 最长序列
*/
private static int longestConsecutive(int[] nums) {
if (nums.length <= 1) {
return nums.length;
}
int longestLen = 0;
UnionFind uf = new UnionFind(nums);
for (int i = 0; i < nums.length; i++) {
uf.union(nums[i], nums[i] + 1);
}
for (int i = 0; i < nums.length; i++) {
longestLen = Math.max(longestLen, uf.find(nums[i]) - nums[i] + 1);
}
return longestLen;
}
并查集的步骤主要有：初始化 ——> 查找 ——> 合并
1、初始化如下图，fa[]存储每个元素的父节点，初始化时每个父节点设置为自己。
2、查找如下图，找到i的祖先；
3、合并如下图，i的祖先指向j的祖先
最后将一些不相干的集合进行了合并。另外如果要进行路径压缩，则find函数查找祖先元素进行了路径压缩。
>
> 备注：如果觉得写的有问题敬请指出，请大家以自己的判断力来了解并查集算法，毕竟我也是初步了解阶段，在此记录一下学习过程。
>
>
>
并查集参考文献：
1、[并查集算法详解 - 知乎](https://gitee.com/vip204888)
2、[并查集从入门到出门 - 力扣（LeetCode）](https://gitee.com/vip204888)
3、[图论——并查集(详细版)\_哔哩哔哩\_bilibili](https://gitee.com/vip204888)_哔哩哔哩_bilibili")
**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**
**[需要这份系统化的资料的朋友，可以添加戳这里获取](https://gitee.com/vip204888)**
**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
