哈希——1. 两数之和——有人白天相爱，有人夜里看海，有人力扣第一题都做不出来

待我称王封你为后i 2023-10-08 16:08 8阅读 0赞

## 1 题目描述 ##

1.  两数之和

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 target 的那 两个 整数，并返回它们的数组下标。

你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。

你可以按任意顺序返回答案。

## 2 题目示例 ##

示例 1：  
输入：nums = \[2,7,11,15\], target = 9  
输出：\[0,1\]  
解释：因为 nums\[0\] + nums\[1\] == 9 ，返回 \[0, 1\] 。

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：\[0,1\]

## 3 题目提示 ##

*  2 <= nums.length <= 104
 *  \-109 <= nums\[i\] <= 109
 *  \-109 <= target <= 109
 *  只会存在一个有效答案

## 4 思路 ##

**方法一:暴力枚举思路及算法**  
最容易想到的方法是枚举数组中的每一个数x，寻找数组中是否存在target - X。  
当我们使用遍历整个数组的方式寻找target - x 时，需要注意到每一个位于x之前的元素都已经和x匹配过，因此不需要再进行匹配。而每一个元素不能被使用两次，所以我们只需要在x后面的元素中寻找target - X 。

复杂度分析  
时间复杂度:O(N 2)，其中N是数组中的元素数量。最坏情况下数组中任意两个数都要被匹配─次。  
空间复杂度:O(1)。

**方法二:哈希表思路及算法**  
注意到方法一的时间复杂度较高的原因是寻找target - x的时间复杂度过高。因此，我们需要一种更优秀的方法，能够快速寻找数组中是否存在目标元素。如果存在，我们需要找出它的索引。  
使用哈希表，可以将寻找target - x的时间复杂度降低到从O(N)降低到O(1)。  
这样我们创建一个哈希表，对于每一个x，我们首先查询哈希表中是否存在target - x，然后将x插入到哈希表中，即可保证不会让x和自己匹配。

复杂度分析

*  时间复杂度:o(N)，其中N是数组中的元素数量。对于每一个元素x，我们可以o(1)地寻找target - X 。
 *  空间复杂度:O(N)，其中N是数组中的元素数量。主要为哈希表的开销。

## 5 我的答案 ##

方法一:暴力枚举思路及算法

class Solution {
        
        public int[] twoSum(int[] nums, int target) {
        
            int n = nums.length;
            for (int i = 0; i < n; ++i) {
        
                for (int j = i + 1; j < n; ++j) {
        
                    if (nums[i] + nums[j] == target) {
        
                        return new int[]{
        i, j};
                    }
                }
            }
            return new int[0];
        }
    }

方法二：哈希表

class Solution {
        
        public int[] twoSum(int[] nums, int target) {
        
            Map<Integer, Integer> hashtable = new HashMap<Integer, Integer>();
            for (int i = 0; i < nums.length; ++i) {
        
                if (hashtable.containsKey(target - nums[i])) {
        
                    return new int[]{
        hashtable.get(target - nums[i]), i};
                }
                hashtable.put(nums[i], i);
            }
            return new int[0];
        }
    }