https://leetcode-cn.com/problems/minimum-number-of-k-consecutive-bit-flips/
分析
不难想到这样一种解法:依次遍历数组A,如果A[i] == 0
,第i
个位置就需要翻转。此时若i + K > n
,则无法实现翻转,返回-1;否则手动修改数组A[i: i+K-1]
,再遍历下一个位置。在这个过程中直接统计出总的翻转次数即为答案。
这个解法虽然直观,但是时间复杂度为 O ( n K ) O(nK) O(nK),不是一个好的解法。
优化的思路肯定是针对手动翻转这个过程,直觉告诉我们这个过程可以被优化到 O ( 1 ) O(1) O(1)。在遍历的过程中,我们需要知道此时A[i]
是否等于0,从而判断是否需要翻转。如果限制不能直接修改数组A,那么容易想到新增一个数组count来统计每个位置所需的翻转次数,从而A[i] + count[i]
为偶数时就代表A[i] == 0
。
不过,即使引入了数组count,每次翻转时也需要给count[i: i+K-1]
都加1,时间复杂度并没有被优化,这时候就需要一个新的技巧:差分数组。
差分数组
差分数组的定义十分简单,即diff[i] = arr[i] - arr[i-1]
,diff[0] = arr[0]
。显然我们可以利用差分数组来获取原数组的值,即arr[i]
等于diff
前i
项之和。
差分数组有什么用呢?以上面的这种情况为例,当我们要给count数组的[i, i + K)
这个区间内的子数组都加1时,可以换成去修改差分数组,这样就只用修改diff[i]
和diff[i+K]
这两个值了,分别是diff[i]++
和diff[i+K]--
。这样手动翻转这个过程就只需要 O ( 1 ) O(1) O(1)的时间,而我们又可以在遍历过程中通过差分数组的值来算出此时A[i]
的值,完成了优化。
像这样,当我们需要频繁对数组的某个区间内的值进行修改时,差分数组就是一种很高效的技巧,以空间换时间,从而实现 O ( 1 ) O(1)