【2208. 将数组和减半的最少操作次数】

来源:力扣(LeetCode)

描述:

给你一个正整数数组 nums 。每一次操作中,你可以从 nums 中选择 任意 一个数并将它减小到 恰好 一半。(注意,在后续操作中你可以对减半过的数继续执行操作)

请你返回将 nums 数组和 至少 减少一半的 最少 操作数。

示例 1:

输入:nums = [5,19,8,1]
输出:3
解释:初始 nums 的和为 5 + 19 + 8 + 1 = 33 。
以下是将数组和减少至少一半的一种方法:
选择数字 19 并减小为 9.5 。
选择数字 9.5 并减小为 4.75 。
选择数字 8 并减小为 4 。
最终数组为 [5, 4.75, 4, 1] ,和为 5 + 4.75 + 4 + 1 = 14.75 。
nums 的和减小了 33 - 14.75 = 18.25 ,减小的部分超过了初始数组和的一半,18.25 >= 33/2 = 16.5 。
我们需要 3 个操作实现题目要求,所以返回 3 。
可以证明,无法通过少于 3 个操作使数组和减少至少一半。

示例 2:

输入:nums = [3,8,20]
输出:3
解释:初始 nums 的和为 3 + 8 + 20 = 31 。
以下是将数组和减少至少一半的一种方法:
选择数字 20 并减小为 10 。
选择数字 10 并减小为 5 。
选择数字 3 并减小为 1.5 。
最终数组为 [1.5, 8, 5] ,和为 1.5 + 8 + 5 = 14.5 。
nums 的和减小了 31 - 14.5 = 16.5 ,减小的部分超过了初始数组和的一半, 16.5 >= 31/2 = 16.5 。
我们需要 3 个操作实现题目要求,所以返回 3 。
可以证明,无法通过少于 3 个操作使数组和减少至少一半。

提示:

  • 1 <= nums.length <= 105
  • 1 <= nums[i] <= 107

方法:贪心 + 优先队列

基于贪心的思想,将数组和减半的操作次数最小化的做法为:每次操作都选择当前数组的最大值进行减半操作。

证明:假设某一种做法(该做法操作次数最小)的某一步操作没有选择对最大值 x 进行操作,而是选择对 y 进行操作,那么有两种情况

  1. 后续的操作都没有选择对 x 进行操作,那么我们将后续(包括当前操作)所有对 y 的操作替换成对 x 的操作,操作次数不变;
  2. 后续的某一步操作选择对 x 进行操作,那么我们可以交换这两步操作,操作次数不变。

将数组所有元素都放入一个浮点数优先队列(最大堆)中,使用 sum 记录初始数组和,sum2 记录减少和,当 sum2 < s u m 2 sum \over 2 2sum 时,重复以下步骤:

  1. 从优先队列中取出最大元素 x;
  2. 令 sum2 = sum2+ x 2 x \over 2 2x
  3. x 2 x \over 2 2x 放入优先队列中。

返回执行步骤次数即可。

代码:

class Solution {
public:
    int halveArray(vector<int>& nums) {
        priority_queue<double> pq(nums.begin(), nums.end());
        int res = 0;
        double sum = accumulate(nums.begin(), nums.end(), 0.0), sum2 = 0.0;
        while (sum2 < sum / 2) {
            double x = pq.top();
            pq.pop();
            sum2 += x / 2;
            pq.push(x / 2);
            res++;
        }
        return res;
    }
};

执行用时:200 ms, 在所有 C++ 提交中击败了91.59%的用户
内存消耗:78.8 MB, 在所有 C++ 提交中击败了94.39%的用户
复杂度分析
时间复杂度:O(nlogn),其中 n 是数组 nums 的长度。将数组和减半最多不超过 n 次操作,每次操作需要 O(logn)。
空间复杂度:O(n)。保存优先队列需要 O(n) 的空间。
author:LeetCode-Solution

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
下面是一个基于分治思想的求解n元素数组中最大元素的位置的算法的伪代码: ``` def find_max_index(array, start, end): if start == end: return start else: mid = (start + end) // 2 left_max_index = find_max_index(array, start, mid) right_max_index = find_max_index(array, mid+1, end) if array[left_max_index] >= array[right_max_index]: return left_max_index else: return right_max_index ``` 该算法的基本思想是将数组分成两个部分,分别递归求解每个子数组的最大元素,然后将两个子数组的最大元素进行比较,返回较大者的下标作为整个数组的最大元素的下标。 对于问题1,如果数组中的若干个元素都具有最大值,该算法的输出是不确定的,因为在比较过程中可能会选择其中一个最大值,而不是所有最大值。 对于问题2,建立该算法的键值比较次数的递推关系式如下: - 当n=1时,比较次数为0。 - 当n>1时,假设左右子数组的长度分别为n1和n2,则总比较次数为T(n) = T(n1) + T(n2) + 1。因为每次比较都可以将问题规模减半,所以n1和n2的最大值为n/2,因此有n1 + n2 = n,代入上式得到T(n) = T(n/2) + T(n/2) + 1 = 2T(n/2) + 1。 根据主定理,可以得到该算法的时间复杂度为O(nlogn)。 对于问题3,该分治算法的比较次数较蛮力算法要少,因为每次将问题规模减半,因此总比较次数为O(nlogn),而蛮力算法的总比较次数为O(n)。但是,该分治算法需要递归调用函数,因此需要额外的空间来存储每个递归调用的返回值,空间复杂度为O(logn),而蛮力算法的空间复杂度为O(1)。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

千北@

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值