一开始用了最简单的遍历循环法,时间复杂度为O(N^2),然后被提醒超时,上网查了之后做了一个小改动,用一个sum数组存储num[0]到num[i]的总和,这样算num[i]到num[j] 只要算sum[j]-sum[i]就好了。
这个想法的代码如下:
class Solution {
public:
/**
* @param nums an array with positive and negative numbers
* @param k an integer
* @return the maximum average
*/
double maxAverage(vector<int>& nums, int k){
double result;
int i,j,num;
int vectorLength=nums.size();
double tmp[vectorLength];
tmp[0]=0;
for(i=1;i<vectorLength+1;i++){
tmp[i]=tmp[i-1]+nums[i-1];
}
result=tmp[vectorLength]/vectorLength;
for(j=vectorLength;j>=k;j--){
for(i=0;i<vectorLength-k+1;i++){
if(j-i>=k&&(tmp[j]-tmp[i])/(j-i)>result)
result=(tmp[j]-tmp[i])/(j-i);
else if(j-i<k)
break;
}
}
return result;
}
};
但是lintcode还是提醒超时,网上继续找找到了这个。提示用二分搜索法做。
http://stackoverflow.com/questions/13093602/finding-subarray-with-maximum-sum-number-of-elements
实现代码在这里:
http://www.jiuzhang.com/solutions/maximum-average-subarray/
个人理解:
1、一个数组的子数组的最大平均数一定在数组的最大值和最小值之间,所以二分法的第一步限定average位于[min,max]之中。
2、接下去要做的就是不断的缩小范围,直至max-min足够小(如1e-6),那我们就得到了想要的结果。
缩小范围的思想如下:
每一轮设置mid=(min+max)/2,然后将原数组中的每一个数减去这个mid,如果能找到(经过提醒,改正为:大于等于)k个相邻数的总和大于0的情况,那么说明最终结果一定比这个mid要更大,限定下一轮寻找范围在[mid,max]之中。反之在限定在[min,mid]之中。
那么在实际算法中我们需要解决的关键一步就是,如何判断“有(大于等于)k个相邻数的总和大于0的情况存在”。
首先,我们可以用sum数组来存储减掉mid值的原数组的各总和(sum[i]存储num[0]-mid到num[i-1]-mid的总和),当sum[i]存储的总和个数超过k时(即i>k),也就是说我们保证了这个子数组的长度达到k后,可以砍掉之前一些拖后腿的数。这些拖后腿的数在上述链接的代码中是用min_pre来实现的。当之前拖后腿的数值小于min_pre时,更新min_pre=sum[i - k + 1]。sum[i]存储的是num[0]~num[i-1]减去mid的总和,而min_pre存储的是num[0]~num[k]减掉mid的总和,这样sum[i]-min_pre得到的是sum[k+1]~sum[i-1],它所记录的总和个数也就是到num[i]为止能够找到的最大平均数 子数组的长度。