//循环数组
for (int i = 0; i < nums.length; i++) {
//获取第一个索引
index1 = i;
for (int j = i + 1; j < nums.length; j++) {
//判断当前数组数的后每一位有无相加等于target的值，
if (nums[i] + nums[j] == target) {
//如果满足条件，获取第二个索引
index2 = j;
//设置i的值，用于结束外层循环
i = nums.length;
break;
}
}
}
//新数组赋值
nums1[0] = index1;
nums1[1] = index2;
//返回数组
return nums1;
}
官方解答
//官方给的最优解,时间复杂度：O(N)
public static int[] twoSum1(int[] nums, int target) {
Map<Integer, Integer> hashtable = new HashMap<Integer, Integer>();
//循环数组
for (int i = 0; i < nums.length; ++i) {
//判断集合是否包含指定的键，包含的话就返回该值，不包含就添加到集合
if (hashtable.containsKey(target - nums[i])) {
//返回这两个索引的值
return new int[]{hashtable.get(target - nums[i]), i};
}
//向集合中添加元素，数组元素为键，索引为值
hashtable.put(nums[i], i);
}
return new int[0];
}
总结
自己写的代码能够成功运行，但是相对于效率而言，官方的解答时间复杂度更低，执行效率更高。原本以为能够做出来就行了，才发现差别还是蛮大的，一个效率高的算法真的是太考究了，立志今后解题尽量将效率达到极致！
双倍快乐
====
力扣第三题
题目描述：无重复字符的最长子串(中等)
给定一个字符串
s，请你找出其中不含有重复字符的最长子串的长度。
示例：
输入：s = "abcabcbb"
输出：3
解释：因为无重复字符的最长子串是 “abc”，所以其长度为 3。
输入：s = "bbbbb"
输出：1
解释：因为无重复字符的最长子串是 “b”，所以其长度为 1。
输入：s = "pwwkew"
输出：3
解释：因为无重复字符的最长子串是 “wke”，所以其长度为 3。
输入：s = ""
输出：0
解题思路
刚开始是想用数组存放字符，然后循环进行比较，判断字符是否存在，最后返回最长的子串，然后发现难以实现，有一个问题解决起来太过于麻烦。。然后就果断换一种方式，想起来使用去重的集合，定义一个HashSet集合，该集合可以自动去重，用于循环将字符依次存放到该集合，再用循环进行判断集合中是否有该字符 (此处的判断是写在另一个方法内的，这里调用该方法进行判断)，然后再记录集合的长度，重置集合，最后获取最大的长度并返回。
代码实现
//自己做的最优解，时间复杂度：O(N^2)
//用时：一个小时。。
public static int lengthOfLongestSubstring2(String s) {
//计长度
int k = 1;
//最大的长度
int max = 0;
//设置Set集合
HashSet<Character> hashSet = new HashSet<Character>();
//判断字符串是否为空
if (s.length() != 0) {
//循环字符串
for (int i = 0; i < s.length(); i++) {
//赋值给集合
hashSet.add(s.charAt(i));
//循环字符的后一位
for (int j = i + 1; j < s.length(); j++) {
//判断集合中是否存在字符
if (!ifTrue(hashSet, s.charAt(j))) {
//不存在就添加到集合
hashSet.add(s.charAt(j));
} else break;
//记录集合长度
k = hashSet.size();
}
//集合重置
hashSet.clear();
//判断并赋值
if (k > max) {
max = k;
}
}
}
return max;
}
//判断集合中是否有字符c
public static boolean ifTrue(HashSet<Character> hashSet, char c) {
boolean b = false;
for (Character s : hashSet) {
if (s == c) {
return true;
}
}
return b;
}
波仔的解答
//波仔的解答，时间复杂度：O(N)
public static int lengthOfLongestSubstring1(String s) {
int n = s.length(), ans = 0;
//定义一个hash表，字符串和长度
Map<Character, Integer> map = new HashMap<>();
for (int end = 0, start = 0; end < n; end++) {
//获取单个字符
char alpha = s.charAt(end);
//如果查找到有数据
if (map.containsKey(alpha)) {
//更新start
start = Math.max(map.get(alpha), start);
}
//不管存进来没更新一下ans，就是我们得结果
//end-start+1就是我们统计出来字符串得长度
ans = Math.max(ans, end - start + 1);
//存入数据，有重复得在上面已经查找过了，所以一定能找出来
map.put(s.charAt(end), end + 1);
}
return ans;
}
评论区大哥解答
//评论区大哥的解答，时间复杂度：O(N)
public static int lengthOfLongestSubstring(String s) {
//记录字符上一次出现的位置
int[] last = new int[128];
for (int i = 0; i < 128; i++) {
last[i] = -1;
}
int n = s.length();
int res = 0;
int start = 0; //窗口开始位置
for (int i = 0; i < n; i++) {
//获取当前字符的ASCII码
int index = s.charAt(i); //a --97
//获取字符出现的最大下标值
start = Math.max(start, last[index] + 1);
//获取最大长度的子串
res = Math.max(res, i - start + 1);
//下标值存放到数组
last[index] = i;
}
return res;
}
总结
刚开始的解题思路不对，绕了很久也花了很多时间也没做出来，后面用集合才勉强做出来，先把思路确定好了再行动，写代码的效率应该会高些。后面看了小波波和评论区大哥的解答，才发现是我肤浅了，是我没想到的方法，逻辑性比较强，下次再遇到这种类型的题，我必定将它拿捏！
三倍快乐
====
力扣第四题
题目描述：寻找两个正序数的中位数(困难)
给定两个大小分别为
m和n的正序 (从小到大)数组nums1和nums2。请你找出并返回这两个正序数组的中位数。
示例：
输入：nums1 = [1,3], nums2 = [2]
输出：2.00000
解释：合并数组 = [1,2,3]，中位数 2。
输入：nums1 = [1,2], nums2 = [3,4]
输出：2.50000
解释：合并数组 = [1,2,3,4] ，中位数 (2 + 3) / 2 = 2.5
输入：nums1 = [0,0], nums2 = [0,0]
输出：0.00000
输入：nums1 = [], nums2 = [1]
输出：1.00000
解题思路
刚看到这题目就有一个疑问，这么简单的题咋会定义为困难哦，也没管那么多，先实现了再说，想到的就是把两个数组合并到一个新数组，然后用arrays中的sort方法排序，最后判断数组的长度，算出中位数并返回。
代码实现
//自己所写的最优解，时间复杂度：O(N)
//用时：十五分钟
public static double findMedianSortedArrays(int[] nums1, int[] nums2) {
//定义变量
double num = 0;
//创建一个新数组，用于存放给出的两个数组值
int[] nums3 = new int[nums1.length + nums2.length];
//循环将第一个数组值赋值给新数组
for (int i = 0; i < nums1.length; i++) {
nums3[i] = nums1[i];
}
//循环将第二个数组继续赋值给新数组
for (int i = 0, j = nums1.length; i < nums2.length; i++, j++) {
nums3[j] = nums2[i];
}
//使用Arrays的方法排序
Arrays.sort(nums3);
//判断数组长度是奇数还是偶数
if (nums3.length % 2 != 0) {
//奇数，直接取出中位数
num = nums3[nums3.length / 2];
} else {
//偶数，取出中间那个下标的值，再加上它前面那个值，除以二就是中位数
num = nums3[nums3.length / 2] + nums3[nums3.length / 2 - 1];
num /= 2;
}
return num;
}
官方解答
//官方解答，时间复杂度：O(log (m+n))，m和n分别是数组nums1和nums2的长度
public static double findMedianSortedArrays1(int[] nums1, int[] nums2) {
//比较数组长度，数组长度较短的作为第一个参数
if (nums1.length > nums2.length) {
return findMedianSortedArrays(nums2, nums1);
}
int m = nums1.length;
int n = nums2.length;
int left = 0, right = m;
// median1：前一部分的最大值
// median2：后一部分的最小值
int median1 = 0, median2 = 0;
while (left <= right) {
// 前一部分包含 nums1[0 .. i-1] 和 nums2[0 .. j-1]
// 后一部分包含 nums1[i .. m-1] 和 nums2[j .. n-1]
int i = (left + right) / 2;
int j = (m + n + 1) / 2 - i;
// nums_im1, nums_i, nums_jm1, nums_j 分别表示 nums1[i-1], nums1[i], nums2[j-1], nums2[j]
int nums_im1 = (i == 0 ? Integer.MIN_VALUE : nums1[i - 1]);
int nums_i = (i == m ? Integer.MAX_VALUE : nums1[i]);
int nums_jm1 = (j == 0 ? Integer.MIN_VALUE : nums2[j - 1]);
int nums_j = (j == n ? Integer.MAX_VALUE : nums2[j]);
if (nums_im1 <= nums_j) {
median1 = Math.max(nums_im1, nums_jm1);
median2 = Math.min(nums_i, nums_j);
left = i + 1;
} else {
right = i - 1;
}
