5种解法的算法面试题 来看看你是青铜仍是王者?

先来详细描述下这道题。在一个全为正整数的数组中找到总和为给定值的子数组，给出子数组的起始下标（闭区间），举个例子：

在[3 2 1 2 3 4 5]这个数组中，和为10的子数组是[1 2 3 4]，因此答案应该是[2,5]。
和为15的子数组是[1 2 3 4 5]，答案为[2,6]。

这是一道很是有意思的题，为何这么说？最简单的解法只要具有基本的编程知识就能写出，更优的解法须要你有数据结构和算法能力，越高效的解法越巧妙，可能你一会儿没法想出全部的解法，但我相信你看完这篇博客必定会感叹算法的神奇。

回到这道题上来，实际上它有着O(n^3) 、O(n^2) 、O(nlogn) 、O(n) 4种时间复杂度的解法，若是算上空间复杂度的差别的话总共5种解法，我以为仍是比较能考察到一我的的算法水平的。接下来让我带领你们由简入难看下从青铜到王者的5种解法，带你们吊打面试官。

这里咱们设输入参数为(arr[],target)，后续代码中我会用s和e来分别表示起始和终止位置。另外为了简化代码思路，咱们假设给定的参数里最多只有一个解（实际上多个解也不难，但会让代码变长，不利于描述思路，多解的状况就留给你当课后做业了）。

青铜-暴力求解

首先固然是最简单的暴力求解了，遍历起始位置s和结束位置e，而后求s和e之间全部数字的和。三层循环简单粗暴，不须要任何的技巧，相信你大一刚学会编程就能解出来。

public int[] find(int[] arr, int target) {
        for (int s = 0; s < arr.length; s++) {
            for (int e = s+1; e < arr.length; e++) {
                int sum = 0;
                for (int k = s; k <= e; k++) { // 求s到e之间的和
                    sum += arr[k];
                }
                if (target == sum) {
                    return new int[]{s, e};
                }
            }
        }
        return null;
    }

咱们来分析下时间复杂度，很明显是O(n^3)，当n超过1000时就会出现肉眼可见的慢，想一想如何优化？

白银-空间换时间

上面代码中，咱们每次都须要算从s到e之间的数组的和sum[s,e]，假设我以前已经求过了[1,10]之间的和sum[1,10]，如今要求[2,10]之间的和sum[2,10]，显然这中间有很大一部分是重叠的(sum[2,10])，能不能把这部分重复扫描给消除掉？这里就须要作下巧妙的变换了。

实际上sum[s, e] = sum[0, e] - sum[0, s-1], sum[0,i]咱们能够预先保存下来，而后重复使用。实际上sum数组咱们能够经过一遍数据预处理获取到。上图中，arr蓝色区域的和正好等于sum数组中红色减去绿色，即sum(arr[3]-arr[7]) = sum[7]-sum[2]。

回到代码上来，编码实现中我用了额外一个数组arrSum来存储0到i(0<=i<n)之间全部的和，为了处理方便sumArr下标从1开始，sumArr[i]表示远数组中sum[0, i-1]。有了sumArr以后，sum[s,e]就能够经过sumArr[e+1]-sumArr[s]间接获取到。完整代码以下：

public int[] find(int[] arr, int target) {
        int[] sumArr = new int[arr.length + 1];
        for (int i = 1; i < sumArr.length; i++) {
            sumArr[i] = sumArr[i-1] + arr[i-1];  // 预处理，获取累计数组
        }
        for (int s = 0; s < arr.length; s++) {
            for (int e = s+1; e < arr.length; e++) {
                if (target == sumArr[e+1] - sumArr[s]) {
                    return new int[]{s, e};
                }
            }
        }
        return null;
    }

经过上述用空间换时间的方式，咱们能够直接将时间复杂度从O(n^3) 下降到O(n^2)。

黄金-二分查找

细心的你可能已经发现了，由于给出的arr都是正整数，因此sumArr必定是递增且有序的，对于有序的数组，咱们能够直接采用二分查找。对于这道题而已，咱们能够遍历起点s，然在sumArr中二分去查找是否有终点e，若是s对于的e存在，那么sumArr[e]必定等于sumArr[s] + target，改造后的代码以下，相比于上面代码，增长了二分查找。

public int[] find(int[] arr, int target) {
        int[] sumArr = new int[arr.length + 1];
        for (int i = 1; i < sumArr.length; i++) {
            sumArr[i] = sumArr[i-1] + arr[i-1];
        }
        for (int s = 0; s < arr.length; s++) {
            int e = bSearch(sumArr, sumArr[s] + target);
            if (e != -1) {
                return new int[]{s, e};
            }
        }
        return null;
    }
    // 二分查找 
    int bSearch(int[] arr, int target) { 
        int l = 1, r = arr.length-1;
        while (l < r) {
            int mid = (l + r) >> 1;
            if (arr[mid] >= target) {
                r = mid;
            } else {
                l = mid + 1;
            }
        }
        if (arr[l] != target) {
            return -1;
        }
        return l - 1;
    }

由此，咱们又继续将时间复杂从O(n^2)下降到了O(nlogn)。

钻石-HashMap优化

有序数组的查找除了能够用二分优化，还能够用hashMap来优化，借助HashMap O(1)的查询时间复杂度。咱们又一次用空间来换取了时间。

public int[] find(int[] arr, int target) {
        int[] sumArr = new int[arr.length + 1];
        Map<Integer, Integer> map = new HashMap<>();
        for (int i = 1; i < sumArr.length; i++) {
            sumArr[i] = sumArr[i-1] + arr[i-1];
            map.put(sumArr[i], i-1);
        }

        for (int s = 0; s < arr.length; s++) {
            int e = map.getOrDefault(sumArr[s]+target, -1);
            if (e != -1) {
                return new int[]{s, e};
            }
        }
        return null;
    }

咱们终于将时间复杂度下降到了O(n)，这但是质的飞跃。

王者-尺取法

别急，还没结束，对于这道题还有王者解法。上文中咱们经过不断的优化，将时间复杂度从O(n^3)一步步下降到了，但咱们却一步步增长了存储的使用，从开始新增的sumArr数字，到最后的又增长的HashMap，空间复杂度从O(1)变为了O(n)。有没有办法把空间复杂度也给将下来？我能写到这那必然是有的。

这种算法叫作尺取法。尺取法，这个名字有点难理解。咱们直接举个具体的例子，假设有n调长度不一的绳子并列放在一块儿，你须要找出其中连续的一部分绳子组成一条长度为target的绳子，这里须要注意是连续。这时候你能够找一个长度为target的尺子，而后把绳子一段段往尺子上放，若是发现短了就日后面再接一根，若是发现长了，就把最头上的一根扔掉，直到长度刚好合适。

在使用中咱们并不须要这把尺子，只须要拿target做为标尺便可。提及来可能比较难理解，直接举个例子，下图演示了从数组中找到和为22的子数组的过程。

只要小了就右加，大了就左减，直到找到目标。

为何尺取法是对的？我理解尺取法实际上是解法二白银解法的一种优化，也是遍历了起点s，可是对终点e不作无效的遍历，若是e到某个位置后已经超了，由于数组里都是正数，再日后确定是超的，也就不必继续遍历e了。转而去调整s，若是s右移到某个位置后总和小了，s再往右总和只会更小，也就不必继续调整s了…… 整个过程就像是先固定s去遍历e，而后固定e再去遍历s ……，直到获得结果。

尺取法可用的基础在于e往右移动总和必定是增的，s往右移总和必定是减的，也就是说数组中全部的数必须是正的。 没有完美的算法能够解决任何问题，但对于特定的问题必定有最完美的解法。

说完尺取法，咱们来看下用尺取法是如何解决这道题的，代码比较简单，以下：

public int[] find(int[] arr, int target) {
        int s = 0, e = 0;
        int sum = arr[0];
        while (e < arr.length) {
            if (sum > target) {
                sum -= arr[s++];
            } else if (sum < target) {
                sum += arr[++e];
            } else {
                return new int[]{s, e};
            }
        }
        return null;
    }

只有一层循环，时间复杂度O(n)。没有额外的空间占用，空间复杂度O(1)，这就是最完美的解法。

总结

这道算法题乍看简单，细看其实真的不简单。可能你面试遇到，没办法一会儿想到最优的解，但给出一个可行的解总比没有解强。我以前面试问别人这个题，他一上来就是想着怎么最优解决，反而连最简单的青铜解法都没写出来。记得下次面试，实在是解不出来就先给个60分的答案，而后再想办法把分数提高上去，别最后交了白卷。 给出一个可行解，而后再持续迭代优化，我以为这也是解决一个复杂问题比较好的思路。

最后送你们一句鸡汤，没有人生下来就是王者，只是不断的努力成为了王者罢了。

欢迎关注个人面试专栏 中高级程序猿面试题精选， 持续更新，永久免费，本专栏会持续收录我遇到的中高级程序猿经典面试题，除了提供详尽的解题思路外，还会从面试官的角度提供扩展题，是你们面试进阶的不二之选，但愿能帮助你们找到更好的工做。另外，也征集面试题，若是你遇到了不会的题 私信告诉我，有价值的题我会给你出一篇博客。