图解 LeetCode 难题:「和至少为 K 的最短子数组」

点击蓝色“五分钟学算法”关注我哟

加个“星标”,天天中午 12:15,一起学算法

640?wx_fmt=jpeg

作者 | P.yh

来源 | 五分钟学算法

今天分享的题目来源于 LeetCode 上第 862 号问题:和至少为 K 的最短子数组。题目难度为 Hard 。

题目描述

返回 A 的最短的非空连续子数组的长度,该子数组的和至少为 K

如果没有和至少为 K 的非空子数组,返回 -1

示例 1:

输入:A = [1], K = 1
输出:1

示例 2:

输入:A = [1,2], K = 4
输出:-1

示例 3:

输入:A = [2,-1,2], K = 3
输出:3

提示:

1 <= A.length <= 50000-10 ^ 5 <= A[i] <= 10 ^ 51 <= K <= 10 ^ 9

题目解析

在给定的一个数组中,找出一个最短的子数组,子数组中所有元素的和必须不小于 K。

刚拿到这道题的时候感觉貌似很简单,用两个指针同向而行,这两个指针之间确定了一个子数组,先移动右指针,每当满足条件,我们就试着移动左指针,到条件不满足就停止,就好像一个 滑动窗口 一样,但是这个做法其实是错误的!

比如测试样例为 [1,-100,1,2] 3,如果按上述方法来做,会找不到答案。

改进一下?

在这基础之上改变后,用两个嵌套循环,当我们右指针每移动到一个点,不管是否满足条件,左指针就从 0 开始移动缩小数组的距离,一直将数组的大小缩减为 0,再继续循环。

这个思路是 work 的,但是对于这道题来说时间过高,报了 TLE。

一开始还真不知道怎样优化,这次总结经验,感觉 以后实在想不出来的题可以先尝试换换数据结构,就是一开始试着确定数据结构,而不是算法,因为数据结构是算法成功运作的前提

对于这道题来说,如果不借助数据结构,我能想到的就只有前面提到的暴力解法。如果仔细看这道题,其实是求数组的区间的值,如果我们能够快速获得区间的值就更好了,常规的暴力求解就是将所求解的区间遍历一遍,这种方法在频繁请求获取区间值的需求下会存在大量的重复计算,有一个巧妙的方法是保存数组的 前缀和数组,就是 sum[i] = array[0] + array[1] + array[2] + ... + array[i - 1],有了这个数组,我们就可以很方便地求解任意区间的和。

比如说我们要求区间 [3, 5] 的和, 那么就可以用 sum[6] - sum[3],注意这里的前缀和数组为了计算方便,增加了一位,sum[0] = 0,前缀和数组的长度是原数组的长度加 1。

有了这个数组,你可能对这道题还是一头雾水,别急,这时就是我们前面提到的数据结构登场的时候,我们每遍历到数组当中的一个位置,往回看怎样才能清楚前面哪个区间是符合条件的呢?把前面的位置再重新遍历一遍?那这就又回到了我们前面的暴力方法,肯定不是。

换句话说我们要根据条件考虑前面的位置,这个考虑是在遍历的时候就考虑,而不用我们从头再去重复劳动,一开始我想到了队列,但是这个其实不准确,严格来说是 单调双端队列,也就是说这个队列头尾都可以出,而且里面存的元素是单调递增或者递减的,这有个什么好处呢?

假如说我们当前考虑位置 i,这时区间 [0, i] 的值比区间 [0, i - 1] 的还要小,那么对于后面的位置,我们其实就不需要考虑了 i - 1 了,因为位置 sum[n] - sum[i] > sum[n] - sum[i - 1],而且就长度来说的话 [i, n][i - 1, n] 更短,因此我们可以把 i - 1 这个位置踢出队列。

换句话说,也就是如果数组里面都是正数,那么长度越长,区间和肯定越大,则 sums[i] 一定大于所有双向队列中的区间和,但由于可能存在负数,从而使得长度变长,区间总和反而减少了,所以如果出现上面这种情况直接将 i - 1 这个位置踢出队列即可。

另外就是我们如何计算答案呢?那就是我们从队列中最小的位置开始计算,如果符合条件,我们就记录答案,并将这个位置踢出队列,道理很简单,再往后遍历不可能会有比这个还要小的符合条件的长度。

图片描述

640?wx_fmt=jpeg

640?wx_fmt=jpeg

640?wx_fmt=jpeg

640?wx_fmt=jpeg

640?wx_fmt=jpeg

640?wx_fmt=jpeg

640?wx_fmt=jpeg

代码实现

public int shortestSubarray(int[] A, int K) {
    ArrayDeque<Integer> dq = new ArrayDeque<>();

    int minLength = Integer.MAX_VALUE;

    int[] sum = new int[A.length + 1];   
    //先获取 前缀和
    for (int i = 1; i <= A.length; ++i) {
        sum[i] = sum[i - 1] + A[i - 1];
    }

    for (int i = 0; i < sum.length; ++i) {
        if (i != 0) {
            while (dq.size() > 0 && sum[dq.peekLast()] >= sum[i]) {
                dq.pollLast();
            }

            while (dq.size() > 0 && sum[i] - sum[dq.peekFirst()] >= K) {
                minLength = Math.min(minLength, i - dq.pollFirst());
            }
        }

        dq.addLast(i);
    }

    return minLength == Integer.MAX_VALUE ? -1 : minLength;
}

知识点

前缀和、单调双端队列、数组

展开阅读全文

没有更多推荐了,返回首页