博客
关于我
16 最接近的三数之和(排序、双指针)
阅读量:361 次
发布时间:2019-03-04

本文共 1947 字,大约阅读时间需要 6 分钟。

为了找到数组中三个整数,使其和与目标值最接近,我们可以采用以下步骤:

  • 排序数组:首先对数组进行排序,这有助于使用双指针技巧高效地找到最接近的和。
  • 检查边界情况:如果目标值小于或等于前三个元素的和,或者大于或等于后三个元素的和,可以直接返回对应的和,因为这两个和是可能的最接近值。
  • 初始化变量:设置一个变量来记录当前找到的最接近和,初始值为最大整数。
  • 使用双指针技巧:从数组的第四个元素开始,设左指针在该位置,右指针在数组末尾。根据当前和与目标值的比较,移动指针以缩小差距。
  • 更新最接近值:每次计算当前和时,检查其与目标值的差距,如果比已记录的最接近值更小,则更新最接近值。
  • 返回结果:在遍历结束后,返回最接近值。
  • 以下是具体的实现代码:

    import java.util.Arrays;class Solution {    public int threeSumClosest(int[] nums, int target) {        Arrays.sort(nums);        int len = nums.length;        int closest = Integer.MAX_VALUE;        // 检查前三个和后三个的和        int firstSum = nums[0] + nums[1] + nums[2];        if (target <= firstSum) {            return firstSum;        }        int lastSum = nums[len - 3] + nums[len - 2] + nums[len - 1];        if (target >= lastSum) {            return lastSum;        }        // 遍历数组,使用双指针技巧        for (int a = 0; a <= len - 3; a++) {            // 跳过重复的元素            if (a > 0 && nums[a] == nums[a - 1]) {                continue;            }            int b = a + 1;            int c = len - 1;            while (b < c) {                int currentSum = nums[a] + nums[b] + nums[c];                if (currentSum == target) {                    return target;                }                int diffCurrent = Math.abs(target - currentSum);                int diffClosest = Math.abs(target - closest);                if (diffCurrent < diffClosest) {                    closest = currentSum;                } else if (diffCurrent == diffClosest) {                    // 保持和为正数的顺序,避免不必要的重复                    if (currentSum > closest) {                        closest = currentSum;                    }                }                // 根据当前和与目标的比较,移动指针                if (currentSum < target) {                    b++;                } else {                    c--;                }            }        }        return closest;    }}

    这个代码首先对数组进行排序,然后使用双指针技巧来找到三个数的和与目标值最接近的情况。通过这种方法,我们能够高效地解决问题,避免了暴力枚举所有可能的三元组,显著提高了性能。

    转载地址:http://xjgr.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
    查看>>
    OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
    查看>>
    OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
    查看>>
    Opencv中KNN背景分割器
    查看>>