题目描述
给定一个长度为 n
的整数数组 nums
。
假设 arrk
是数组 nums
顺时针旋转 k
个位置后的数组,我们定义 nums
的 旋转函数 F
为:
F(k) = 0 * arrk[0] + 1 * arrk[1] + ... + (n - 1) * arrk[n - 1]
返回 F(0), F(1), …, F(n-1)中的最大值 。
生成的测试用例让答案符合 32 位 整数。
示例 1:
输入: nums = [4,3,2,6]
输出: 26
解释:
F(0) = (0 * 4) + (1 * 3) + (2 * 2) + (3 * 6) = 0 + 3 + 4 + 18 = 25
F(1) = (0 * 6) + (1 * 4) + (2 * 3) + (3 * 2) = 0 + 4 + 6 + 6 = 16
F(2) = (0 * 2) + (1 * 6) + (2 * 4) + (3 * 3) = 0 + 6 + 8 + 9 = 23
F(3) = (0 * 3) + (1 * 2) + (2 * 6) + (3 * 4) = 0 + 2 + 12 + 12 = 26
所以 F(0), F(1), F(2), F(3) 中的最大值是 F(3) = 26 。
示例 2:
输入: nums = [100]
输出: 0
提示:
n == nums.length
1 <= n <= 10^5
-100 <= nums[i] <= 100
先展示一下会超时的错误做法
class Solution {
public int maxRotateFunction(int[] nums) {
int ans = -1*(int)Math.pow(2,30);
for (int k=0;k<nums.length;k++){
ans = Math.max(ans,F(k,nums));
}
return ans;
}
public int F(int k,int[] nums){
int n = nums.length;
int res = 0;
for(int i=0;i<k;i++){
res += i*nums[n-k+i];
}
for(int i=k;i<n;i++){
res += i*nums[i-k];
}
return res;
}
}
这里直接O(n2)的时间复杂度,而n到了105 的量级,超时是在所难免的。
借鉴官方的迭代思路后,时间复杂度降低到了O(n),可以通过了。公式如下:
对
于
任
意
的
1
<
=
k
<
n
,
都
有
F
(
k
)
=
F
(
k
−
1
)
+
n
u
m
s
S
u
m
−
n
∗
n
u
m
s
[
n
−
k
]
对于任意的 1<= k < n,都有F(k) = F(k-1) + numsSum - n * nums[n-k]
对于任意的1<=k<n,都有F(k)=F(k−1)+numsSum−n∗nums[n−k]
class Solution {
public int maxRotateFunction(int[] nums) {
int n = nums.length;
int numsSum = 0;
int ans = 0;
for(int i=0;i<n;i++){
numsSum += nums[i];
ans += i*nums[i];
}
int lastSum = ans;
for(int k=1;k<n;k++){
int curSum = lastSum + numsSum - n*nums[n-k];
ans = Math.max(curSum,ans);
lastSum =curSum;
}
return ans;
}
}
我在找规律时找的是如何分段计算的规律,而不是F(k)和F(k-1)之间的规律,所以这个想法从开始就注定是超时的,以后做题前还是得先考虑一下算法效率的问题。