LeetCode 1.两数之和 | 从暴力枚举到线性优化

📋 题目基础信息

📝 题目描述

给定一个整数数组 nums 和一个整数目标值 target,请你在该数组中找出 和为目标值 的那两个 整数,并返回它们的数组下标。

✅ 题目约束:

  • 每种输入 只会对应一个有效答案
  • 不能重复使用同一个元素
  • 可以按任意顺序返回最终结果下标

🚀 题目进阶要求 :尝试设计一个时间复杂度优于 O(n²) 的算法

🖼️ 题目示例:

  • 示例1 :输入 nums = [2,7,11,15], target = 9,输出 [0,1], 解释:nums[0] + nums[1] = 2 + 7 = 9
  • 示例2 :输入 nums = [3,2,4], target = 6,输出 [1,2]
  • 示例3 :输入 nums = [3,3], target = 6,输出 [0,1]

📌 数据范围提示

  • 数组长度:2 <= nums.length <= 10^4
  • 数值范围:-10^9 <= nums[i] <= 10^9
  • 目标值范围:-10^9 <= target <= 10^9

💡 解题总览

本篇收录 三种完整解法,由浅入深,覆盖新手学习、刷题、面试全场景:

  1. Java 双层暴力循环:零门槛理解,适合入门算法思维
  2. JS 原生 Object 哈希表:通俗"小本本"写法,新手友好,易懂易学
  3. JS Map 哈希表(最优解) :规范标准写法,面试、刷题首选,效率最高

🔧 解法一:暴力枚举(双层循环)

1. 🧠 解题思路

暴力解法是新手最容易理解的基础解法,核心思路是枚举所有两数组合,具体步骤如下:

  • 第一层循环:固定数组中当前遍历的元素 nums[i]
  • 第二层循环:从 i + 1 位置开始遍历后续元素,避免重复使用同一个元素、避免重复比对组合
  • 判断两数之和是否等于目标值,匹配成功直接返回双下标 [i, j]
  • 题目保证唯一解,找到结果即可直接终止遍历

2. 💻 完整代码

java 复制代码
public class Solution {
    public int[] twoSum(int[] nums, int target) {
        // 固定第一个数
        for (int i = 0; i < nums.length; i++) {
            // 第二个数从 i+1 开始遍历,避免重复使用同一元素、避免重复组合
            for (int j = i + 1; j < nums.length; j++) {
                // 匹配目标值,直接返回双下标
                if (nums[i] + nums[j] == target) {
                    return new int[]{i, j};
                }
            }
        }
        // 题目保证有唯一解,兜底返回空数组
        return new int[]{};
    }
}

3. ⏱️ 复杂度分析

时间复杂度O(n²),双层嵌套循环,数据量较大时会超时

空间复杂度O(1),仅使用常数级临时变量,无额外内存开销

4. ✅ 优缺点总结

优点:逻辑直白、零算法门槛、无需额外数据结构,新手极易理解

缺点:时间效率差,无法通过大数据测试用例,仅适合入门学习,面试不推荐


⚡ 解法二:JS 原生 Object 哈希表

1. 🧠 解题思路

暴力解法效率低的核心原因是重复遍历,哈希解法采用 空间换时间 的经典算法思想,只用一次遍历即可解题,新手友好的"小本本"逻辑如下:

  • 定义空对象作为备忘录,记录 已遍历数字 : 对应下标
  • 通过公式 搭档数 = target - 当前数字,反向求解需要匹配的数值
  • 优先在备忘录中查找搭档数,存在则直接返回双下标
  • 未找到则将当前数字和下标存入备忘录,继续遍历

核心关键:先查找、后存储,从根源避免元素重复使用,符合题目规则。

核心顺序:先查找,后存储,完美避免自己和自己匹配,满足题目不能重复使用同一元素的要求。

2. 💻 完整代码

javascript 复制代码
function twoSum(nums, target) {
  const prevNums = {}; // 👉 准备一个空白小本本,记录走过的数字和下标

  for (let i = 0; i < nums.length; i++) { // 👉 逐个走数组里的数字
    const curNum = nums[i]; // 👉 拿到当前这个数字
    const targetNum = target - curNum; // 👉 算:还缺哪个数才能凑目标
    const targetNumIndex = prevNums[targetNum]; // 👉 翻本本找这个"缺的数"

    if (targetNumIndex !== undefined) { 
      // 👉 本本里找到了缺的数 → 答案出现,返回两个下标
      return [targetNumIndex, i];
    } else {
      // 👉 本本里没找到 → 把当前数字+位置记进本本
      prevNums[curNum] = i;
    }
  }

  return [];
}

3. ⏱️ 复杂度与特点

时间复杂度O(n),仅遍历数组一次,效率极高

空间复杂度O(n),需要额外空间存储遍历过的数值下标

特点:代码拟人化、通俗易懂,非常适合新手理解哈希表"记录-查找"的核心原理


🏆 解法三:JS Map 哈希表(面试最优版)

1. 🧠 解题思路

整体逻辑和 Object 哈希解法完全一致,同样遵循 一次遍历、先查后存 的规则,唯一区别是使用 JS 标准 Map 结构存储数据,优势如下:

  • Map 是专业键值对存储结构,无隐式类型转换问题
  • API 语义清晰(has/get/set),代码更规范
  • 适配所有特殊测试用例,刷题、面试通用

2. 💻 完整代码

javascript 复制代码
const twoSum = (nums, target) => {
  // 新建空 Map,用来记录:数字 → 对应下标
  const map = new Map();

  // 遍历数组每一个元素
  for (let i = 0; i < nums.length; i++) {
    // 计算需要凑数的另一半(搭档数)
    const diff = target - nums[i];

    // 如果 Map 里已经有这个搭档数,说明找到答案
    if (map.has(diff)) {
      // 返回 [搭档数下标, 当前下标]
      return [map.get(diff), i];
    }
    // 没找到,就把当前数字和下标存进 Map
    map.set(nums[i], i);
  }

  return [];
};

3. ✨ 特点优势

  • 性能稳定,不丢失精度,适配全部 LeetCode 测试用例
  • 写法专业规范,是前端面试、算法刷题的 首选最优解
  • 相比原生 Object 写法,容错率更高,工程性更强

📊 三种解法全面对比

解法 时间复杂度 空间复杂度 适用场景
Java 暴力双层循环 O(n²) O(1) 新手入门理解遍历逻辑
JS Object 哈希表 O(n) O(n) 新手学习哈希思想原理
JS Map 哈希表 O(n) O(n) 刷题、面试、正式提交首选

⚠️ 核心易错点总结

刷题过程中极易踩坑的核心要点,务必牢记:

  • 遍历顺序不能颠倒:必须先查找、后存储,否则会匹配到自身元素,违反题目规则
  • 返回值区分 :题目要求返回 数组下标,不是数组数值,切忌混淆
  • 两种哈希区别:Object 和 Map 逻辑完全一致,仅语法差异,新手学 Object 理解原理,面试写 Map 保证规范
  • 复杂度取舍:哈希解法牺牲少量内存,将时间复杂度从 O(n²) 优化至 O(n),是算法「空间换时间」的经典示范
相关推荐
Urbano1 小时前
工装标准缝纫流程及自动化升级提质增产方案
大数据·人工智能·算法
酉鬼女又兒1 小时前
零基础入门计算机网络网际层核心:IP数据报发送与转发完整流程、静态路由配置方法、路由环路成因与解决方案及历年考研经典例题深度解析
网络·tcp/ip·计算机网络·考研·职场和发展
KaMeidebaby2 小时前
卡梅德生物技术快报|biotin 生物素标记抗体全流程
前端·人工智能·算法·数据挖掘·数据分析
阳明山水2 小时前
自下而上 vs 自上而下 vs 最优组合预测策略解析
大数据·人工智能·深度学习·算法·机器学习
keykey6.2 小时前
从逻辑回归到 SVM:不仅仅是“分开“
算法·机器学习·支持向量机
QN1幻化引擎2 小时前
RingBuffer:用"循环缓冲区"干掉KV Cache的O(n)显存膨胀
算法·github
sheeta19982 小时前
LeetCode 每日一题笔记 日期:2026.06.14 题目:2130. 链表最大孪生和
笔记·leetcode·链表
papership2 小时前
【入门级-算法-8、图论算法:泛洪算法 (Flood Fill)】
算法·图论
MartinYeung52 小时前
[论文学习]LLM 情境学习资料的快速精确遗忘技术:基于 In-Context Learning 与量化 K-Means 的 ERASE 方法
学习·算法·kmeans