【Leetcode】410. 分割数组的最大值

文章介绍了一种解决给定数组nums和整数k,如何将数组分割成k个非空连续子数组,使得这些子数组各自和的最大值尽可能小的算法。作者运用了二分查找和贪心策略,通过计算部分和和查找最大元素来确定分割点,最终找到最小的最大子数组和。
摘要由CSDN通过智能技术生成

题目

题目链接
给定一个非负整数数组 nums 和一个整数 k ,你需要将这个数组分成 k 个非空的连续子数组。

设计一个算法使得这 k 个子数组各自和的最大值最小。

示例1:
输入:nums = [7,2,5,10,8], k = 2
输出:18
解释:
一共有四种方法将 nums 分割为 2 个子数组。
其中最好的方式是将其分为 [7,2,5] 和 [10,8] 。
因为此时这两个子数组各自的和的最大值为18,在所有情况中最小。

示例2:
输入:nums = [1,2,3,4,5], k = 2
输出:9

示例3:
输入:nums = [1,4,4], k = 3
输出:4

提示:
1 <= nums.length <= 1000
0 <= nums[i] <= 106
1 <= k <= min(50, nums.length)

思路

这道题我用的方法是二分查找+贪心的做法。这道题目询问的是分组之后最大值的最小情况,这种基本上就是二分的模板的要求,然后再对这个题目进行分析。既然题目要求分组之后最大值尽可能小,那么每一组应该尽可能接近同一个值,假设为x。

使用贪心算法模拟数组分割的过程。从数组的开头到结尾进行遍历,利用变量 sum 表示当前分割子数组的和,k 表示需要分割出的子数组的数量(包括当前子数组)。每当 sum 加上当前值超过了某个阈值 x 时,就将当前取的值作为新的一段分割子数组的开头,一直分割 k 次数,一直遍历到最后还没有分割完直接退出。遍历结束后,验证分割 k 次之后数组还有没有未分割的数。这一方法采用贪心策略,每次都选择当前能满足要求的子数组,以尽可能满足题目的条件。

采用二分查找的方法来解决问题。二分查找的上界设定为数组 nums 中所有元素的和,下界为数组 nums 中所有元素的最大值。通过进行二分查找,我们可以找到最小的最大分割子数组和,从而得到最终的答案。这种策略通过二分查找的方式逐步缩小可能的解空间,使得问题得以高效解决。

这里还使用了几个函数来实现,这里简单介绍一下(其实完全没必要只是最近刚学试试)

1.max_element

标准库 头文件中的一个函数模板,用于找到指定范围内的最大元素的迭代器,时间复杂度是 O(n)

用法

template< class ForwardIt >
ForwardIt max_element( ForwardIt first, ForwardIt last );

first:指向要查找范围的起始位置的迭代器。
last:指向要查找范围的末尾位置的迭代器(不包括末尾位置本身)。
max_element 返回指向范围中最大元素的迭代器。如果范围为空,它将返回 last

2.partial_sum

标准库 头文件中的一个函数模板,用于计算一个范围内元素的部分和,并将结果存储在另一个范围内,时间复杂度是 O(n)

用法

template< class InputIt, class OutputIt >
OutputIt partial_sum( InputIt first, InputIt last, OutputIt d_first );

first:指向要计算范围的起始位置的迭代器。
last:指向要计算范围的末尾位置的迭代器(不包括末尾位置本身)。
d_first:指向存储部分和结果的目标范围的起始位置的迭代器。
partial_sum 将范围 [first, last) 中的元素进行部分和运算,结果存储在以 d_first 为起始位置的目标范围中。

3.upper_bound

upper_bound 函数用于在已排序的区间中查找第一个大于给定值的元素的位置,时间复杂度是O(log n)
用法

template< class ForwardIt, class T >
ForwardIt upper_bound( ForwardIt first, ForwardIt last, const T& value );

first, last:定义查找范围的前开后闭区间,包括 first 但不包括 last
value:要比较的值。

4.distance

C++ 标准库中的函数,用于计算两个迭代器之间的距离(元素个数),时间复杂度取决于迭代器的类型,随机访问迭代器(如数组、vector 的迭代器),计算距离的操作是常数时间的,时间复杂度为 O(1)。
对于不支持随机访问的迭代器(如链表的迭代器),计算距离需要逐个遍历元素,时间复杂度为 O(N),其中 N 是两个迭代器之间的距离
用法

template <class InputIt>
typename iterator_traits<InputIt>::difference_type
distance(InputIt first, InputIt last);

first, last:定义计算距离的范围,包括 first 但不包括 last。
返回值:返回两个迭代器之间的距离(last - first),即元素个数。
注意:该函数适用于任何迭代器类型。

代码

class Solution {
public:
    int splitArray(vector<int>& nums, int k) {
        vector<int> pre_sum(nums.size() + 1, 0);
        partial_sum(nums.begin(), nums.end(), pre_sum.begin() + 1);

        int left = *max_element(nums.begin(), nums.end());
        int right = accumulate(nums.begin(), nums.end(), 0);

        while (left <= right) {
            int mid = (left + right) >> 1 ;
            int idx = 0;
            for (int i = 0; i < k; ++i) {
                auto it = upper_bound(pre_sum.begin(), pre_sum.end(), mid + pre_sum[idx]);
                idx = distance(pre_sum.begin(), it) - 1;

                if (idx == pre_sum.size() - 1) {
                    break;
                }
            }

            if (idx == pre_sum.size() - 1) {
                right = mid - 1;
            } else {
                left = mid + 1;
            }
        }

        return left;
    }
};

运行结果

在这里插入图片描述

  • 28
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
题目描述:给定一个非负整数数组nums和一个整数m,你需要将这个数组分成m个非空的连续子数组。设计一个算法使得这m个子数组中的最大和最小。 解题思路: 这是一个典型的二分搜索题目,可以使用二分查找来解决。 1. 首先确定二分的左右边界。左边界为数组中最大的,右边界为数组中所有元素之和。 2. 在二分搜索的过程中,计算出分割数组的组数count,需要使用当前的中间来进行判断。若当前的中间不够分割成m个子数组,则说明mid偏小,将左边界更新为mid+1;否则,说明mid偏大,将右边界更新为mid。 3. 当左边界小于等于右边界时,循环终止,此时的左边界即为所求的结果。 具体步骤: 1. 遍历数组,找到数组中的最大,并计算数组的总和。 2. 利用二分查找搜索左右边界,从左边界到右边界中间的为mid。 3. 判断当前的mid是否满足题目要求,若满足则更新右边界为mid-1; 4. 否则,更新左边界为mid+1。 5. 当左边界大于右边界时,循环终止,返回左边界即为所求的结果。 代码实现: ```python class Solution: def splitArray(self, nums: List[int], m: int) -> int: left = max(nums) right = sum(nums) while left <= right: mid = (left + right) // 2 count = 1 total = 0 for num in nums: total += num if total > mid: total = num count += 1 if count > m: left = mid + 1 else: right = mid - 1 return left ``` 时间复杂度分析:二分搜索的时间复杂度为O(logN),其中N为数组的总和,而遍历数组的时间复杂度为O(N),因此总的时间复杂度为O(NlogN)。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

想要AC的dly

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值