寻找数组中缺失数字：多种算法详解与比较

int missingNumber(int* nums, int numsSize) 
{
    int result = numsSize; // 初始化为n
    for (int i = 0; i < numsSize; i++) 
    {
        result ^= i;        // 异或所有索引值
        result ^= nums[i];  // 异或所有数组元素
    }
    return result;
}

算法分析

时间复杂度：O(n) - 只需遍历数组一次
空间复杂度：O(1) - 只使用常数级别的额外空间
优点：高效，不会出现整数溢出问题
缺点：原理相对复杂，需要理解异或运算

工作原理

通过将索引值(0到n-1)和数组元素进行异或，所有成对出现的数字都会相互抵消为0，最终只剩下缺失的数字。

示例演示（nums = $3,0,1$ , n=3）：

复制代码

初始: result = 3
i=0: 3 ^ 0 ^ 3 = 0
i=1: 0 ^ 1 ^ 0 = 1  
i=2: 1 ^ 2 ^ 1 = 2
结果: 2

方法二：排序法（直观但低效）

算法原理

先对数组进行排序，然后遍历数组找到第一个索引与数值不匹配的位置。

代码实现

复制代码

// 冒泡排序函数
void bubbleSort(int* arr, int n) 
{
    for (int i = 0; i < n - 1; i++) 
    {
        for (int j = 0; j < n - i - 1; j++) 
        {
            if (arr[j] > arr[j + 1]) 
            {
                int temp = arr[j];
                arr[j] = arr[j + 1];
                arr[j + 1] = temp;
            }
        }
    }
}

int missingNumber(int* nums, int numsSize) 
{
    // 使用冒泡排序对数组进行排序
    bubbleSort(nums, numsSize);
    
    // 遍历查找缺失的数字
    for (int i = 0; i < numsSize; i++) 
    {
        if (nums[i] != i) 
        {
            return i;
        }
    }
    
    return numsSize;
}

算法分析

时间复杂度：O(n²) - 冒泡排序的时间复杂度
空间复杂度：O(1) - 原地排序，不需要额外空间
优点：思路直观，容易理解
缺点：时间复杂度高，不适合大数据集

工作原理

示例演示（nums = $3,0,1$ ）：

排序后数组： $0,1,3$
遍历比较：
- i=0: nums $0$ =0 ✓
- i=1: nums $1$ =1 ✓
- i=2: nums $2$ =3 ≠ 2 → 返回2

其他可行方法

数学求和法

复制代码

int missingNumber(int* nums, int numsSize) {
    int total_sum = numsSize * (numsSize + 1) / 2;
    int actual_sum = 0;
    for (int i = 0; i < numsSize; i++) {
        actual_sum += nums[i];
    }
    return total_sum - actual_sum;
}

时间复杂度：O(n)
空间复杂度：O(1)
注意：可能发生整数溢出

哈希表法

使用哈希表记录出现的数字，然后遍历0到n查找缺失值。

时间复杂度：O(n)
空间复杂度：O(n)

方法比较

方法	时间复杂度	空间复杂度	优点	缺点
异或法	O(n)	O(1)	最高效，无溢出风险	理解难度稍高
数学求和	O(n)	O(1)	直观易懂	可能整数溢出
哈希表	O(n)	O(n)	思路清晰	需要额外空间
排序法	O(n²)	O(1)	最直观	效率低

总结

对于"寻找缺失数字"问题，我们有多种解决方案：

异或法是最优选择，兼具高效性和安全性，特别适合面试场景
数学求和法在数据量不大时是不错的备选方案，思路简单明了
排序法虽然直观，但由于时间复杂度高，在实际应用中应避免使用
哈希表法在需要保持原数组不变时可以考虑

在面试中，建议先提出数学求和法展示基础思路，然后指出可能的溢出问题，最后给出异或法作为优化方案，这样能全面展示问题分析能力和算法知识。

选择算法时，应根据具体场景权衡时间效率、空间开销和代码可读性，异或法在大多数情况下都是最佳选择。