【二分查找】leetcode 1482. 制作 m 束花所需的最少天数

1482. 制作 m 束花所需的最少天数

题目描述

给你一个整数数组 bloomDay，以及两个整数 m 和 k 。

现需要制作 m 束花。制作花束时，需要使用花园中 相邻的 k 朵花 。

花园中有 n 朵花，第 i 朵花会在 bloomDay[i] 时盛开，恰好 可以用于 一束 花中。

请你返回从花园中摘 m 束花需要等待的最少的天数。如果不能摘到 m 束花则返回 -1 。

示例1：

输入： bloomDay = [1,10,3,10,2], m = 3, k = 1
输出： 3
解释： 让我们一起观察这三天的花开过程，x 表示花开，而 _ 表示花还未开。
现在需要制作 3 束花，每束只需要 1 朵。
1 天后：[x, _, _, _, _] // 只能制作 1 束花
2 天后：[x, _, _, _, x] // 只能制作 2 束花
3 天后：[x, _, x, _, x] // 可以制作 3 束花，答案为 3

示例2：

输入： bloomDay = [1,10,3,10,2], m = 3, k = 2
输出： -1
解释： 要制作 3 束花，每束需要 2 朵花，也就是一共需要 6 朵花。而花园中只有 5 朵花，无法满足制作要求，返回 -1 。

示例3：

输入： bloomDay = [7,7,7,7,12,7,7], m = 2, k = 3
输出： 12
解释： 要制作 2 束花，每束需要 3 朵。
花园在 7 天后和 12 天后的情况如下：
7 天后：[x, x, x, x, _, x, x]
可以用前 3 朵盛开的花制作第一束花。但不能使用后 3 朵盛开的花，因为它们不相邻。
12 天后：[x, x, x, x, x, x, x]
显然，我们可以用不同的方式制作两束花。

示例4：

输入： bloomDay = [1000000000,1000000000], m = 1, k = 1
输出： 1000000000
解释： 需要等 1000000000 天才能采到花来制作花束

示例5：

输入： bloomDay = [1,10,2,9,3,8,4,7,5,6], m = 4, k = 2
输出： 9

提示

• $bloomDay.length==n$
• $1<=n<=10^5$
• $1<=bloomDay[i]<=10^9$
• $1<=m<=10^6$
• $1<=k<=n$

方法：二分查找

解题思路

由题意得，当需要的天数越多时，则制作的花束就越少；当需要的天数越少时，则制作的花束就越多。因此，本题具有单调性，可以利用二分查找来解题。

首先我们把特别情况直接排除在外：一共要制作 $m$ 束花，每束花需要 $k$ 朵，如果 $m\ast k>bloomDay.length$，则无法满足制作要求，返回 -1。

二分查找的左边界为数组中的最小值，右边界为数组中的最大值，因为要保证制作出来的花束的数量。

判断 $mid$ 是否符合条件需要辅助函数 $check$：
使用两个指针 $i$ 和 $j$ 遍历数组，$i$ 和 $j$ 指针一前一后构成了滑动窗口，先定位两个指针，然后判断 $[i,j]$ 区间内的元素是否小于等于 $mid$：

• 如果区间内有一个 $bloomDay[i]>mid$，则 $i$ 指针往后移 1 位，对应的 $j$ 指针也相对于 $i$ 指针往后移 $k-1$ 位；
• 如果区间内所有 $bloomDay[i]<=mid$，则 $i$ 指针移到 $j$ 指针，对应的 $j$ 指针也向后移动 $k$ 位，此时说明已成功制作 1 束花，$cnt$ 加上 1。

最后，辅助函数 $check$ 计算出在当前 $mid$ 天的情况下能制作出的总花数 $cnt$，如果 $cnt>=m$，则将二分查找区间缩小为 $[l,mid]$；如果 $cnt<m$，则将二分查找区间缩小为 $[mid+1,r]$。

当 $l$ 和 $r$ 相等时，二分查找结束，此时的 $l$ 就是最少天数。

代码

class Solution {
public:
    bool check(vector<int>& bloomDay, int mid, int m, int k) {
        int cnt = 0;
        int n = bloomDay.size();
        for(int i = 0, j = k - 1; i < n && j < n; )
        {
            while(i <= j)
            {
                if(bloomDay[i] > mid)
                  break;
                i++;
            }
            if(i > j)   i = j, j += k, cnt++;
            else    j = i + k, i++;
        }
        return cnt >= m;
    }
    int minDays(vector<int>& bloomDay, int m, int k) {
        int n = bloomDay.size();
        if(m * k > n)   return -1;
        int l = *min_element(bloomDay.begin(), bloomDay.end()), 
        r = *max_element(bloomDay.begin(), bloomDay.end()), mid;
        while(l < r)
        {
            mid = (l + r) >> 1;
            if(check(bloomDay, mid, m, k))
                r = mid;
            else
                l = mid + 1;
        }
        return l;
    }
};

复杂度分析

• 时间复杂度：$O(nlogC)$。$C$ 为数组元素中的最大值与最小值的差。二分查找的时间复杂度为 $O(logC)$，每一轮都需要遍历数组的时间复杂度为 $O(n)$。因此，整体时间复杂度为 $O(nlogC)$。
• 空间复杂度：$O(1)$。