LeetCode 2530. 执行 K 次操作后的最大分数

2530. 执行 K 次操作后的最大分数

给你一个下标从 0 开始的整数数组 nums 和一个整数 k 。你的 起始分数 为 0 。

在一步 操作 中：

1. 选出一个满足 0 <= i < nums.length 的下标 i ，
2. 将你的 分数 增加 nums[i] ，并且
3. 将 nums[i] 替换为 ceil(nums[i] / 3) 。

返回在 恰好 执行 k 次操作后，你可能获得的最大分数。

向上取整函数 ceil(val) 的结果是大于或等于 val 的最小整数。

示例 1：

输入：nums = [10,10,10,10,10], k = 5
输出：50
解释：对数组中每个元素执行一次操作。最后分数是 10 + 10 + 10 + 10 + 10 = 50 。

示例 2：

输入：nums = [1,10,3,3,3], k = 3
输出：17
解释：可以执行下述操作：
第 1 步操作：选中 i = 1 ，nums 变为 [1,4,3,3,3] 。分数增加 10 。
第 2 步操作：选中 i = 1 ，nums 变为 [1,2,3,3,3] 。分数增加 4 。
第 3 步操作：选中 i = 2 ，nums 变为 [1,2,1,3,3] 。分数增加 3 。
最后分数是 10 + 4 + 3 = 17 。

提示：

• 1 <= nums.length, k <= 10^5
• 1 <= nums[i] <= 10^9

---

提示 1

It is always optimal to select the greatest element in the array.

---

提示 2

Use a heap to query for the maximum in O(log n) time.

 

解法1：贪心 + 优先队列（堆）

思路与算法

在一次操作中，我们会将 nums[i] 变成 ⌈3nums[i]​⌉，并且增加 nums[i] 的得分。由于：

• 数组中其它的元素不会变化；
• 对于两个不同的元素 nums[i] 和 nums[j]，如果 nums[i]≤nums[j]，在对它们都进行一次操作后，nums[i]≤nums[j] 仍然成立；

这就说明，我们每一次操作都应当贪心地选出当前最大的那个元素。

因此，我们可以使用一个大根堆（优先队列）来维护数组中所有的元素。在每一次操作中，我们取出堆顶的元素 x，将答案增加 x，再将 ⌈3x​⌉ 放回大根堆中即可。

细节

为了避免浮点数运算，我们可以用 (x+2)/3 等价 ⌈3x​⌉，其中 / 表示整数除法。

Java版：

class Solution {
    public long maxKelements(int[] nums, int k) {
        long ans = 0;
        PriorityQueue<Integer> queue = new PriorityQueue<>((a, b) -> b - a);
        for (int num : nums) {
            queue.offer(num);
        }
        while (k > 0) {
            int x = queue.poll();
            ans += x;
            queue.offer((x + 2) / 3);
            k--;
        }
        return ans;
    }
}

Python3版：

class Solution:
    def maxKelements(self, nums: List[int], k: int) -> int:
        q = [-i for i in nums]
        heapify(q)
        ans = 0
        while k > 0:
            x = heappop(q)
            ans -= x
            heappush(q, -((-x + 2) // 3))
            k -= 1
        return ans

复杂度分析

• 时间复杂度：O(klogn+n)，其中 n 是数组 nums 的长度。构造优先队列需要的时间为 O(n)，每一轮操作需要的时间为 O(logn)，一共有 k 轮操作。
• 空间复杂度：O(n) 或 O(1)。优先队列需要的空间为 O(n)。某些语言原地对数组建堆，空间复杂度为 O(1)。