具体思想:
很典型的一道滑动窗口,二分题目;
1.固定滑动窗口:
如果采用固定滑动窗口,只需要在整体遍历中,记录区间内得最小值的下标即可;
2.二分思路:
(1)mid二分思路:
如果是二分则采用以下思路:
现在有序数组中寻找x元素,或者第一个大于x的元素;
此时,最优的区间必定会出现在x的附近,大区间的左右边界应为二分结果的左右k个;
之所以是左右k个,而不是左右K/2个,而是因为有可能二分结果位置的左右半边可能有一部分更紧凑;
之后只需要对比左右边界的元素,进行收紧,直至区间为k个即可;
但是注意一下,这种写法具体怎么操作取决于mid的值怎么寻找;
当x值不存在的时候,l会落在大于x的第一个元素上,此时就会产生问题;
例如,两个值2,4,寻找的值是x=3,且k=1,则l的值为4的index,此时按照选择则会选择4,而不是选择1;
所以与其纠结,还不如直接扩大搜索范围,即low和high的范围;
(2) 边界二分:
题解中有一种思路很值得借鉴,其实这道题可以转化为一个二次开口向上的离散点值,寻找最小的k个值;
此时对于非有序序列,可以直接寻找左边界,l=0,r=arr.size()-k;
但是不太能理解这个思路,先存疑;
具体代码:
固定滑动窗口:
class Solution {
public:
vector<int> findClosestElements(vector<int>& arr, int k, int x) {
if (arr.size() <= k)
return arr;
int l = 0, r = k-1;
int sum = 0;
int l1 = 0, r1 = k - 1;
for (int i = 0; i < k; i++) {
sum += abs(arr[i] - x);
}
for (int i = k; i < arr.size(); i++) {
if (sum > sum + abs(arr[i] - x) - abs(arr[l] - x)) {
//应该右移;
sum = sum + abs(arr[i] - x) - abs(arr[l] - x);
l++;
r++;
l1 = l;
r1 = r;
}
else if (sum == sum + abs(arr[i] - x) - abs(arr[l] - x)) {
l++;
r++;
}
else
break;
}
arr.assign(arr.begin() + l1, arr.begin() + r1 + 1);
return arr;
}
};
二分:
中间值二分查找:
class Solution {
public:
vector<int> findClosestElements(vector<int>& arr, int k, int x) {
if (arr.size() <= k)
return arr;
int l = 0, r = arr.size();
while (l < r) {
int mid = l + (r - l) / 2;
if (arr[mid] == x) {
l = mid;
break;
}
else if (arr[mid] < x) {
l = mid + 1;
}
else {
r = mid - 1;
}
}
int low = max(l - k , 0);
int high = min(l + k , int(arr.size()-1));
while (high - low > k - 1) {
if (abs(arr[low] - x) > abs(arr[high] - x)) {
low++;
}
else {
high--;
}
}
arr.assign(arr.begin() + low, arr.begin() + high + 1);
return arr;
}
};
左边界搜索:
class Solution{
public:
vector<int> findClosestElements(vector<int>& arr, int k, int x) {
int left = 0;
int right = arr.size() - k;
while (left < right) {
int mid = left + (right - left) / 2;
if (x - arr[mid] > arr[mid + k] - x) {
left = mid + 1;
} else {
right = mid;
}
}
return vector<int>(arr.begin() + left, arr.begin() + left + k);
}
};