给你一个正整数数组 nums
。每一次操作中,你可以从 nums
中选择 任意 一个数并将它减小到 恰好 一半。(注意,在后续操作中你可以对减半过的数继续执行操作)
请你返回将 nums
数组和 至少 减少一半的 最少 操作数。
示例 1:
输入:nums = [5,19,8,1] 输出:3 解释:初始 nums 的和为 5 + 19 + 8 + 1 = 33 。 以下是将数组和减少至少一半的一种方法: 选择数字 19 并减小为 9.5 。 选择数字 9.5 并减小为 4.75 。 选择数字 8 并减小为 4 。 最终数组为 [5, 4.75, 4, 1] ,和为 5 + 4.75 + 4 + 1 = 14.75 。 nums 的和减小了 33 - 14.75 = 18.25 ,减小的部分超过了初始数组和的一半,18.25 >= 33/2 = 16.5 。 我们需要 3 个操作实现题目要求,所以返回 3 。 可以证明,无法通过少于 3 个操作使数组和减少至少一半。
示例 2:
输入:nums = [3,8,20] 输出:3 解释:初始 nums 的和为 3 + 8 + 20 = 31 。 以下是将数组和减少至少一半的一种方法: 选择数字 20 并减小为 10 。 选择数字 10 并减小为 5 。 选择数字 3 并减小为 1.5 。 最终数组为 [1.5, 8, 5] ,和为 1.5 + 8 + 5 = 14.5 。 nums 的和减小了 31 - 14.5 = 16.5 ,减小的部分超过了初始数组和的一半, 16.5 >= 31/2 = 15.5 。 我们需要 3 个操作实现题目要求,所以返回 3 。 可以证明,无法通过少于 3 个操作使数组和减少至少一半。
提示:
1 <= nums.length <= 10^5
1 <= nums[i] <= 10^7
提示 1
It is always optimal to halve the largest element.
提示 2
What data structure allows for an efficient query of the maximum element?
提示 3
Use a heap or priority queue to maintain the current elements.
解法1:贪心 + 大顶堆(优先队列)
基于贪心的思想,将数组和减半的操作次数最小化的做法为:每次操作都选择当前数组的最大值进行减半操作。
证明:假设某一种做法(该做法操作次数最小)的某一步操作没有选择对最大值 x 进行操作,而是选择对 y 进行操作,那么有两种情况:
1.后续的操作都没有选择对 x 进行操作,那么我们将后续(包括当前操作)所有对 y 的操作替换成对 x 的操作,操作次数不变;
2.后续的某一步操作选择对 x 进行操作,那么我们可以交换这两步操作,操作次数不变。
将数组所有元素都放入一个浮点数优先队列(最大堆)中,使用 total 记录初始数组和,reduction 记录减少和,当 reduction < total / 2 时,重复以下步骤:
- 从优先队列中取出最大元素 x;
- 令 reduction += x / 2 ;
- 将 x /2 放入优先队列中。
返回执行步骤次数即可。
Java版:
class Solution {
public int halveArray(int[] nums) {
PriorityQueue<Double> q = new PriorityQueue<>(
(a, b) -> {
return a < b ? 1 : -1;
}
);
double total = 0;
for (int num : nums) {
total += num;
q.offer((double) num);
}
total /= 2;
double reduction = 0.0;
int cnt = 0;
while (reduction < total) {
double t = q.poll() / 2;
reduction += t;
q.offer(t);
cnt++;
}
return cnt;
}
}
Python3版:
class Solution:
def halveArray(self, nums: List[int]) -> int:
q = [-i for i in nums]
heapify(q)
total = sum(nums) / 2
reduction = 0
cnt = 0
while reduction < total:
x = -heappop(q) / 2
reduction += x
heappush(q, -x)
cnt += 1
return cnt
复杂度分析
- 时间复杂度:O(nlogn),其中 n 是数组 nums 的长度。将数组和减半最多不超过 n 次操作,每次操作需要 O(logn)。
- 空间复杂度:O(n)。保存优先队列需要 O(n) 的空间。