907.子数组的最小值之和

单调栈 + 贡献法

  • 每个子数组的最小值的和,即对于每个元素,包含该元素的所有子数组的个数与该元素值的乘积即为所求值
  • 每个元素贡献的次数:以该元素为最小值的所有子数组的个数
  • 区间法求符合条件的包含某元素的子数组个数:左右边界均为最靠近该元素的并且小于(等于)该元素的元素所处的位置
  • 左右边界:leftBound, rightBound, 子数组个数:(i - leftBound) * (rightBound - i)
  • (1) 使用枚举查找最靠近该元素的并且小于(等于)该元素的元素所处的位置,超时。。。
  • (2) 使用单调栈,栈中保存下标,对应的元素值由小到大,以当前元素为最大值,pop掉栈中比当前元素大的值的下标,栈顶即为所要位置(边界)
class Solution {
public:
    int sumSubarrayMins(vector<int>& arr) {
        stack<int> s;
        int n = arr.size();
        vector<int> leftBound(n, -1);
        vector<int> rightBound(n, n);
        for(int i = 0; i < n; i++)
        {
            while(s.size() && arr[i] <= arr[s.top()])
                s.pop();
            leftBound[i] = s.empty() ? -1 : s.top();
            s.push(i);
        }
        s = {};
        for(int i = n - 1; i >= 0; i--)
        {
            while(s.size() && arr[i] < arr[s.top()])
                s.pop();
            rightBound[i] = s.empty() ? n : s.top();
            s.push(i);
        }
        long long ret = 0, mod = 1e9 + 7;
        for(int i = 0; i < n; i++)
        {
            ret = ( ret + 
            (long long)arr[i] * (i - leftBound[i]) * (rightBound[i] - i) ) % mod; 
        }
        return ret;
    }
};
  • 8
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
分治策略是一种经典的算法设计思想,其基本思想是将问题分解成若干个小问题,然后递归求解,最后将问题的解合并起来得到原问题的解。对于求解数组最大值和最小值问题,可以采用分治策略,具体步骤如下: 1. 将数组平均分成两个数组,分别求出两个数组的最大值和最小值。 2. 将两个数组的最大值和最小值进行比较,得出整个数组的最大值和最小值。 3. 递归地执行上述步骤,直到数组的长度为1时,即可得到数组的最大值和最小值。 4. 最后将所有数组的最大值和最小值进行比较,得出整个数组的最大值和最小值。 下面是使用 Python 代码实现该算法: ```python def find_max_min(arr, l, r): # 当数组长度为1时,返回该元素作为最大值和最小值 if l == r: return arr[l], arr[l] # 当数组长度为2时,直接比较两个元素得出最大值和最小值 elif r - l == 1: return max(arr[l], arr[r]), min(arr[l], arr[r]) # 当数组长度大于2时,使用分治法求解 else: mid = (l + r) // 2 max_left, min_left = find_max_min(arr, l, mid) max_right, min_right = find_max_min(arr, mid+1, r) return max(max_left, max_right), min(min_left, min_right) # 测试代码 arr = [3, 5, 1, 7, 9, 2, 8, 4, 6] max_num, min_num = find_max_min(arr, 0, len(arr) - 1) print("Max number:", max_num) print("Min number:", min_num) ``` 该算法的时间复杂度为 $O(n\log n)$,其中 $n$ 为数组的长度。

“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
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