Missing Number

Given an array containing n distinct numbers taken from 0, 1, 2, ..., n, find the one that is missing from the array.

For example,
Given nums = [0, 1, 3] return 2.

Note:
Your algorithm should run in linear runtime complexity. Could you implement it using only constant extra space complexity?

Credits:
Special thanks to @jianchao.li.fighter for adding this problem and creating all test cases.

解题思路：

题意为找出0~n中缺少的那个数。要求O(n)的时间复杂度和O(1)的空间复杂度。

若采用排序查找的办法，则需要O(nlogn)的时间。

若采用hash的办法，则需要O(n)的空间复杂度。

采用位操作的办法。对数组中数的二进制位的1进行计数。然后对0~n中的二进制位的1进行计数。则两次计数的差则是missing number贡献的。

class Solution {
public:
    int missingNumber(vector& nums) {
        vector bitCount(sizeof(int) * 8, 0);           //n + 1个数中的bit计数
        vector missingBitCount(sizeof(int) * 8, 0);    //n个数中的bit计数
        
        int len = nums.size();
        for(int i=0; i> 1;
            }
        }
        
        for(int i = 0; i<=len; i++){
            int j = 0;
            int num = i;
            while(num){
                if(num & 1){
                    bitCount[j]++;
                }
                j++;
                num = num >> 1;
            }
        }
        
        int result = 0;
        for(int i = sizeof(int) * 8 - 1; i>=0; i--){
            result = result << 1;
            result += bitCount[i] - missingBitCount[i];
        }
        return result;
    }
};

利用异或的思想更加简单：

class Solution {
public:
    int missingNumber(vector& nums) {
        int num = 0;
        int len = nums.size();
        for(int i = 0; i

 
转载请注明： » [LeetCode] Missing Number

<!--
                    

                    	

                        	

                            	
                            
                        
                        

                        	

                            	
相关博文：
                                

                                	
                                    	
                                        	
                                        
                                        
定制桌面成功案例
                                    
                                    
                                    	
                                        	
                                        
                                        
海量文档查同或聚类问题 -- Locality Sensitive Hash 算法 （转）
                                    
                                    
                                    	
                                        	
                                        
                                        
汉字转拼音c/c++源码，支持gb2312和utf8
                                    
                                    
                                    	
                                        	
                                        
                                        
数据库顶级会议——SIGMOD介绍
                                    
                                
                            
                        
                    
                    -->