LeetCode【0016】最接近的三数之和

本文目录

  • [1 中文题目](#1 中文题目)
  • [2 求解方法1:二分查找法](#2 求解方法1:二分查找法)
    • [2.1 思路说明](#2.1 思路说明)
    • [2.2 Python代码](#2.2 Python代码)
    • [2.3 复杂度分析](#2.3 复杂度分析)
  • [3 求解方法2:排序 + 双指针法](#3 求解方法2:排序 + 双指针法)
    • [3.1 思路说明](#3.1 思路说明)
    • [3.2 Python代码](#3.2 Python代码)
    • [3.3 复杂度分析](#3.3 复杂度分析)
  • [4 题目总结](#4 题目总结)

1 中文题目

给一个长度为 n 的整数数组 nums 和 一个目标值 target。请从 nums 中选出三个整数,使它们的和与 target 最接近。返回这三个数的和。假定每组输入只存在恰好一个解。

示例 :

python 复制代码
输入:nums = [-1,2,1,-4], target = 1
输出:2
解释:与 target 最接近的和是 2 (-1 + 2 + 1 = 2)。
输入:nums = [0,0,0], target = 1
输出:0
解释:与 target 最接近的和是 0(0 + 0 + 0 = 0)。

提示:

  • 3 ≤ n u m s . l e n g t h ≤ 1000 3 \leq nums.length \leq 1000 3≤nums.length≤1000
  • − 1000 ≤ n u m s [ i ] ≤ 1000 -1000 \leq nums[i] \leq 1000 −1000≤nums[i]≤1000
  • − 1 0 4 ≤ t a r g e t ≤ 1 0 4 -10^4 \leq target \leq 10^4 −104≤target≤104

2 求解方法1:二分查找法

2.1 思路说明

排序保证有序性,固定两个数,用二分查找找第三个数,维护一个全局最小差值,记录最接近的和。

具体思路

  • 预处理阶段:
    • 对数组进行排序,保证有序性
    • 初始化最接近和为前三个数的和
  • 外层固定处理:
    • 第一层循环固定第一个数nums[i]
    • 第二层循环固定第二个数nums[j]
    • 计算当前已固定两数之和sum_two = nums[i] + nums[j]
    • 计算需要寻找的目标值need = target - sum_two
  • 二分查找阶段:
    • 在区间[j+1, n-1]内寻找第三个数
    • 比较中间位置的值nums[mid]与need的关系
    • 根据nums[mid]与need的大小关系调整区间
    • 每次更新时计算当前三数之和与target的差值
  • 更新策略:
    • 维护全局最小差值min_diff
    • 维护最接近的和closest_sum
    • 当找到完全相等的和时直接返回
    • 当找到更小的差值时更新结果

2.2 Python代码

python 复制代码
class Solution:
    def threeSumClosest(self, nums: List[int], target: int) -> int:
        """
        使用二分查找求解最接近的三数之和
        :param nums: 输入数组
        :param target: 目标值
        :return: 最接近目标值的三数之和
        """
        # 数组排序
        nums.sort()
        n = len(nums)
        # 初始化最接近的和
        closest_sum = nums[0] + nums[1] + nums[2]
        
        # 特判:如果target小于最小三数和或大于最大三数和
        min_sum = nums[0] + nums[1] + nums[2]
        max_sum = nums[-1] + nums[-2] + nums[-3]
        if target <= min_sum:
            return min_sum
        if target >= max_sum:
            return max_sum
            
        # 固定第一个数
        for i in range(n-2):
            # 去重
            if i > 0 and nums[i] == nums[i-1]:
                continue
                
            # 固定第二个数
            for j in range(i+1, n-1):
                # 去重
                if j > i+1 and nums[j] == nums[j-1]:
                    continue
                    
                # 二分查找第三个数
                # 计算需要找的目标值
                need = target - nums[i] - nums[j]
                
                # 在[j+1, n-1]范围内二分查找
                left = j + 1
                right = n - 1
                
                # 如果范围内只有一个数,直接判断
                if left == right:
                    curr_sum = nums[i] + nums[j] + nums[left]
                    if abs(curr_sum - target) < abs(closest_sum - target):
                        closest_sum = curr_sum
                    continue
                    
                # 二分查找过程
                while left < right - 1:  # 保留两个相邻的数
                    mid = left + (right - left) // 2
                    curr_sum = nums[i] + nums[j] + nums[mid]
                    
                    # 更新最接近的和
                    if abs(curr_sum - target) < abs(closest_sum - target):
                        closest_sum = curr_sum
                        
                    # 根据大小关系调整区间
                    if curr_sum == target:
                        return target
                    elif curr_sum > target:
                        right = mid
                    else:
                        left = mid
                        
                # 检查区间内剩余的数
                # 检查left位置
                curr_sum = nums[i] + nums[j] + nums[left]
                if abs(curr_sum - target) < abs(closest_sum - target):
                    closest_sum = curr_sum
                    
                # 检查right位置
                curr_sum = nums[i] + nums[j] + nums[right]
                if abs(curr_sum - target) < abs(closest_sum - target):
                    closest_sum = curr_sum
                    
        return closest_sum

2.3 复杂度分析

  • 时间复杂度:O(n²logn)
    • 排序:O(nlogn)
    • 第一层循环:O(n)
    • 第二层循环:O(n)
    • 内层二分查找:O(logn)
  • 空间复杂度:O(logn)或O(n)
    • 排序空间:O(logn)或O(n)
    • 其他变量:O(1)

3 求解方法2:排序 + 双指针法

3.1 思路说明

先将数组排序,以便使用双指针。固定一个数,用双指针在剩余部分寻找最接近的两个数。通过比较三数之和与目标值的差值,不断更新最接近的结果

详细算法步骤:

  • 首先对数组排序,便于使用双指针和去重
  • 固定第一个数nums[i],然后使用双指针(left, right)在剩余数组中寻找最接近的两个数
  • 在遍历过程中:
    • 计算当前三数之和sum = nums[i] + nums[left] + nums[right]
    • 比较sum与target的差值,更新最接近的结果
    • 如果sum > target,right左移
    • 如果sum < target,left右移
    • 如果sum == target,直接返回target

优化策略:

  • 去重:跳过重复的第一个数
  • 剪枝:根据排序后的特性提前结束

3.2 Python代码

python 复制代码
class Solution:
    def threeSumClosest(self, nums: List[int], target: int) -> int:
        """
        最接近的三数之和
        :param nums: 输入数组
        :param target: 目标值
        :return: 最接近目标值的三数之和
        """
        n = len(nums)
        # 先对数组排序,便于使用双指针和剪枝
        nums.sort()
        # 初始化最接近和为前三个数的和
        closest_sum = nums[0] + nums[1] + nums[2]
        
        # 优化1:先判断边界情况
        # 如果target小于数组中最小的三数之和
        min_sum = nums[0] + nums[1] + nums[2]
        if target <= min_sum:
            return min_sum
            
        # 如果target大于数组中最大的三数之和
        max_sum = nums[-1] + nums[-2] + nums[-3]
        if target >= max_sum:
            return max_sum
            
        # 固定第一个数,遍历数组
        for i in range(n-2):
            # 去重:跳过重复的第一个数
            if i > 0 and nums[i] == nums[i-1]:
                continue
                
            # 优化2:当前最小和已经大于target
            # 由于数组已排序,后面的和只会更大,可以提前结束
            curr_min = nums[i] + nums[i+1] + nums[i+2]
            if curr_min > target:
                # 更新closest_sum(如果当前的最小和更接近target)
                if abs(curr_min - target) < abs(closest_sum - target):
                    closest_sum = curr_min
                break
                
            # 优化3:当前最大和小于target
            # 说明以当前数字为第一个数时,找不到比当前closest_sum更接近的和
            curr_max = nums[i] + nums[-1] + nums[-2]
            if curr_max < target:
                # 更新closest_sum(如果当前的最大和更接近target)
                if abs(curr_max - target) < abs(closest_sum - target):
                    closest_sum = curr_max
                continue
                
            # 使用双指针在剩余数组中寻找最接近的两个数
            left = i + 1  # 左指针
            right = n - 1  # 右指针
            
            while left < right:
                # 计算当前三数之和
                curr_sum = nums[i] + nums[left] + nums[right]
                
                # 如果恰好等于target,直接返回
                if curr_sum == target:
                    return target
                    
                # 更新最接近的和
                if abs(curr_sum - target) < abs(closest_sum - target):
                    closest_sum = curr_sum
                    
                # 根据curr_sum与target的关系移动指针
                if curr_sum > target:
                    # 和太大,右指针左移
                    right -= 1
                else:
                    # 和太小,左指针右移
                    left += 1
                    
        return closest_sum

3.3 复杂度分析

  • 时间复杂度:O(n²)
    • 排序:O(nlogn)
    • 主循环:O(n)
    • 双指针循环:O(n)
  • 空间复杂度分析:O(logn)或O(n)
    • 排序空间:O(logn)或O(n)
    • 其他变量:O(1)

4 题目总结

题目难度:中等
数据结构:数组
应用算法:双指针、分治法

相关推荐
菌菌的快乐生活4 分钟前
理解支持向量机
算法·机器学习·支持向量机
大山同学8 分钟前
第三章线性判别函数(二)
线性代数·算法·机器学习
天天要nx10 分钟前
D102【python 接口自动化学习】- pytest进阶之fixture用法
python·pytest
minstbe10 分钟前
AI开发:使用支持向量机(SVM)进行文本情感分析训练 - Python
人工智能·python·支持向量机
axxy200027 分钟前
leetcode之hot100---240搜索二维矩阵II(C++)
数据结构·算法
落魄实习生28 分钟前
AI应用-本地模型实现AI生成PPT(简易版)
python·ai·vue·ppt
苏言の狗30 分钟前
Pytorch中关于Tensor的操作
人工智能·pytorch·python·深度学习·机器学习
黑客Ash39 分钟前
安全算法基础(一)
算法·安全
用余生去守护1 小时前
python报错系列(16)--pyinstaller ????????
开发语言·python
数据小爬虫@1 小时前
利用Python爬虫快速获取商品历史价格信息
开发语言·爬虫·python