方法一：暴力求解

该方法非常简单，就是两层for循环，遍历所有组合获取有效解，代码如下：

/** * 暴力求解法 * @param nums 源数组 * @param target 目标值 * @return */ public int forceFind(int nums, int target) { for(int i=0; inums.length; ++i) { for(int j=i+1; jnums.length; ++j) { if(target == (nums + nums)) { return new int {i, j}; } } } throw new IllegalArgumentException(No Answer!); }

运行效果如图示。

时间复杂度 : O(n²)

空间负责度 : O(1) ，即在算法运行过程中，只额外使用了常量级的存储空间

方法二： 哈希求解法

对于该问题而言，其本质上是一个精确查找问题，而对于精确查找问题来说，时间复杂度最好的数据结构就是哈希表（或散列表），其时间复杂度为 O(1)，那这个问题能否引入哈希表来解决呢？答案是可以的，代码如下：

/** * 通过使用hashmap+一次遍历获取结果 * @param nums 源数组 * @param target 目标值 * @return */ public int hashFind(int nums, int target) { MapInteger, Integer num2IndexMap = new HashMapInteger, Integer(); for(int i=0; inums.length; i++) { // 计算当前数值和目标值之间的差距 int complement = target-nums; // 确认这个差值是否就是我们数组的中一员，如果是，则找到结果 if(num2IndexMap.containsKey(complement)) { return new int {i, num2IndexMap.get(complement)}; } // 如果没有找到匹配值，则将自己加入到map中，等待其他数值进行匹配 num2IndexMap.put(nums, i); } throw new IllegalArgumentException(No Answer!); }

运行效果图示。

时间复杂度 : O(n) , 我们只遍历了一遍数据源

空间负责度 : O(n) ，哈希表在最差情况需要将数据源所有数据全部存储一遍