本文涉及知识点
有序集合 树状树状 二分查找 队列
二分查找算法合集
LeetCode1825. 求出 MK 平均值
给你两个整数 m 和 k ,以及数据流形式的若干整数。你需要实现一个数据结构,计算这个数据流的 MK 平均值 。
MK 平均值 按照如下步骤计算:
如果数据流中的整数少于 m 个,MK 平均值 为 -1 ,否则将数据流中最后 m 个元素拷贝到一个独立的容器中。
从这个容器中删除最小的 k 个数和最大的 k 个数。
计算剩余元素的平均值,并 向下取整到最近的整数 。
请你实现 MKAverage 类:
MKAverage(int m, int k) 用一个空的数据流和两个整数 m 和 k 初始化 MKAverage 对象。
void addElement(int num) 往数据流中插入一个新的元素 num 。
int calculateMKAverage() 对当前的数据流计算并返回 MK 平均数 ,结果需 向下取整到最近的整数 。
示例 1:
输入:
[“MKAverage”, “addElement”, “addElement”, “calculateMKAverage”, “addElement”, “calculateMKAverage”, “addElement”, “addElement”, “addElement”, “calculateMKAverage”]
[[3, 1], [3], [1], [], [10], [], [5], [5], [5], []]
输出:
[null, null, null, -1, null, 3, null, null, null, 5]
解释:
MKAverage obj = new MKAverage(3, 1);
obj.addElement(3); // 当前元素为 [3]
obj.addElement(1); // 当前元素为 [3,1]
obj.calculateMKAverage(); // 返回 -1 ,因为 m = 3 ,但数据流中只有 2 个元素
obj.addElement(10); // 当前元素为 [3,1,10]
obj.calculateMKAverage(); // 最后 3 个元素为 [3,1,10]
// 删除最小以及最大的 1 个元素后,容器为 [3]
// [3] 的平均值等于 3/1 = 3 ,故返回 3
obj.addElement(5); // 当前元素为 [3,1,10,5]
obj.addElement(5); // 当前元素为 [3,1,10,5,5]
obj.addElement(5); // 当前元素为 [3,1,10,5,5,5]
obj.calculateMKAverage(); // 最后 3 个元素为 [5,5,5]
// 删除最小以及最大的 1 个元素后,容器为 [5]
// [5] 的平均值等于 5/1 = 5 ,故返回 5
提示:
3 <= m <= 105
1 <= k*2 < m
1 <= num <= 105
addElement 与 calculateMKAverage 总操作次数不超过 105 次。
有序集合
有个有序集合,分别记录:最小k个元素,中间的m-k × \times × 2个元素, 最大的k个元素。这个容易想到,但细节颇多。
树状数组 + 二分查找
int 型树状数组数组cnt记录,num的数量。
long long型树状数组sum记录其和。
增加元素:
num加到队列que中。
cnt.updata(num,1);
sum.updata(nun,num);
如果que.size() > m
cnt.updata(que.front(),-1)
sum.update(que.front(),-que.front());
que.pop()
求平均值:
如果cnt的总数量 小于m,直接返回-1。
二分查找第一个i1,使得cnt.sum(i1) >= k
最小k个数的和s1为:sum.sum(i1) - (cnt.sum(i1) -k)*i1
同理求得最小m-k个数的和s2。
返回:(s2-s1)/(m-2
×
\times
×k)
代码
核心代码
template<class ELE = int >
class CTreeArr
{
public:
CTreeArr(int iSize) :m_vData(iSize + 1)
{
}
void Add(int index, ELE value)
{
index++;
while (index < m_vData.size())
{
m_vData[index] += value;
index += index & (-index);
}
}
ELE Sum(int index)//[0...index]之和
{
index++;
ELE ret = 0;
while (index)
{
ret += m_vData[index];
index -= index & (-index);
}
return ret;
}
ELE Sum() { return Sum(m_vData.size() - 2); }
ELE Get(int index)
{
return Sum(index) - Sum(index - 1);
}
private:
vector<ELE> m_vData;
};
template<class INDEX_TYPE>
class CBinarySearch
{
public:
CBinarySearch(INDEX_TYPE iMinIndex, INDEX_TYPE iMaxIndex):m_iMin(iMinIndex),m_iMax(iMaxIndex) {}
template<class _Pr>
INDEX_TYPE FindFrist( _Pr pr)
{
auto left = m_iMin - 1;
auto rightInclue = m_iMax;
while (rightInclue - left > 1)
{
const auto mid = left + (rightInclue - left) / 2;
if (pr(mid))
{
rightInclue = mid;
}
else
{
left = mid;
}
}
return rightInclue;
}
protected:
const INDEX_TYPE m_iMin, m_iMax;
};
class MKAverage {
public:
MKAverage(int m, int k) :m_cnt(100'000 + 1), m_sum(100'000 + 1) {
this->m = m;
this->k = k;
}
void addElement(int num) {
m_que.emplace(num);
m_cnt.Add(num, 1);
m_sum.Add(num, num);
if (m_que.size() > m) {
m_cnt.Add(m_que.front(), -1);
m_sum.Add(m_que.front(), -m_que.front());
m_que.pop();
}
}
int calculateMKAverage() {
if (m_cnt.Sum() < m) { return -1; }
long long i1 = MoreEqualCnt(k);
long long i2 = MoreEqualCnt(m - k);
long long s2 = m_sum.Sum(i2) - (m_cnt.Sum(i2) - (m - k)) * i2;
long long s1 = m_sum.Sum(i1) - (m_cnt.Sum(i1) - k) * i1;
return (s2 - s1) / (m - 2 * k);
}
int MoreEqualCnt(int cnt) {
CBinarySearch bs(0, 100'000);
return bs.FindFrist([&](int inx) {return m_cnt.Sum(inx) >= cnt; });
}
queue<int> m_que;
CTreeArr<int> m_cnt;
CTreeArr<long long> m_sum;
int m, k;
};
单元测试
template<class T1, class T2>
void AssertEx(const T1& t1, const T2& t2)
{
Assert::AreEqual(t1, t2);
}
template<class T>
void AssertEx(const vector<T>& v1, const vector<T>& v2)
{
Assert::AreEqual(v1.size(), v2.size());
for (int i = 0; i < v1.size(); i++)
{
Assert::AreEqual(v1[i], v2[i]);
}
}
template<class T>
void AssertV2(vector<vector<T>> vv1, vector<vector<T>> vv2)
{
sort(vv1.begin(), vv1.end());
sort(vv2.begin(), vv2.end());
Assert::AreEqual(vv1.size(), vv2.size());
for (int i = 0; i < vv1.size(); i++)
{
AssertEx(vv1[i], vv2[i]);
}
}
namespace UnitTest
{
int k;
vector<int> arrival,load;
TEST_CLASS(UnitTest)
{
public:
TEST_METHOD(TestMethod00)
{
MKAverage MK(3, 1);
MK.addElement(3);
MK.addElement(1);
MK.addElement(10);
MK.addElement(5);
MK.addElement(5);
MK.addElement(5);
}
TEST_METHOD(TestMethod01)
{
k = 3, arrival = { 1,2,3,4 }, load = { 1,2,1,2 };
auto res = Solution().busiestServers(k, arrival, load);
AssertEx({ 0 }, res);
}
TEST_METHOD(TestMethod02)
{
k = 3, arrival = { 1,2,3 }, load = { 10,12,11 };
auto res = Solution().busiestServers(k, arrival, load);
AssertEx({ 0 ,1,2}, res);
}
TEST_METHOD(TestMethod03)
{
k = 3, arrival = { 1,2,3,4,8,9,10 }, load = { 5,2,10,3,1,2,2 };
auto res = Solution().busiestServers(k, arrival, load);
AssertEx({1 }, res);
}
TEST_METHOD(TestMethod04)
{
k = 1, arrival = { 1 }, load = { 1 };
auto res = Solution().busiestServers(k, arrival, load);
AssertEx({ 0 }, res);
}
};
}
扩展阅读
视频课程
先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。
https://edu.csdn.net/course/detail/38771
如何你想快速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程
https://edu.csdn.net/lecturer/6176
相关推荐
我想对大家说的话 |
---|
《喜缺全书算法册》以原理、正确性证明、总结为主。 |
按类别查阅鄙人的算法文章,请点击《算法与数据汇总》。 |
有效学习:明确的目标 及时的反馈 拉伸区(难度合适) 专注 |
闻缺陷则喜(喜缺)是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。 |
子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。 |
如果程序是一条龙,那算法就是他的是睛 |
测试环境
操作系统:win7 开发环境: VS2019 C++17
或者 操作系统:win10 开发环境: VS2022 C++17
如无特殊说明,本算法用**C++**实现。