一道简单的题，但是发现了各种有趣的算法。题目链接：https://leetcode-cn.com/problems/missing-number/
题目如下：
第一种算法(很普通，效率最低，将nums数组的数存储在list中，然后循环i从1到数组长度，查询list中不存在的i，即为结果)，代码如下：
int numsLen = nums.length; int result = 0; List list = new ArrayList(); for (int i = 0; i < numsLen; i++) { list.add(nums[i]); } for (int i = 0; i <= numsLen; i++) { if (!list.contains(i)) { result = i; break; } } return result;第二种算法：和第一种类似，但用到了搜索元素效率更高的hashset，在测试中运行时间仅仅只占第一种算法的1/20，代码如下：
Set<Integer> numSet = new HashSet<Integer>(); for (int num : nums) numSet.add(num); int expectedNumCount = nums.length + 1; //HashSet的查询效率大大高于list的查询效率 for (int number = 0; number < expectedNumCount; number++) { if (!numSet.contains(number)) { return number; } } return -1;第三种算法：思路~未缺失元素时元素的和=0+1+2+...+数组的长度；缺失元素时元素的和=未缺失元素时元素的和-缺失元素 即缺失元素=未缺失元素时元素的和-缺失元素时元素的和，只涉及简单的加减法，效率高，也是一个取巧的算法，代码如下：
//思路：未缺失元素时元素的和=0+1+2+...+数组的长度；缺失元素时元素的和=未缺失元素时元素的 和-缺失元素 //即缺失元素=未缺失元素时元素的和-缺失元素时元素的和 //allSum：未缺失元素时元素的和，almostSum：缺失元素时元素的和 int allSum = 0, almostSum = 0; //未缺失元素时元素的和 for (int i = 0; i <= nums.length; i++) { allSum += i; } //缺失元素时元素的和 for (int i = 0; i < nums.length; i++) { almostSum += nums[i]; } //缺失元素的值 return allSum - almostSum;第四种算法：类似与第三种算法，只是对未缺失元素时元素的和的计算采用了等差数列通项公式求和，再减去所给数组的值即为缺失元素的值，代码如下：
int numsLen = nums.length; int sum = ((1 + numsLen) * numsLen) / 2; for (int i = 0; i < numsLen; i++) { sum -= nums[i]; } return sum;四种算法的运行结果如图所示：
从中我们可以获得启示：（1）不同的数据结构可以给算法带来高效率（2）换一种思路，或许能看到不一样的天空。
