1004. 最大连续1的个数 III ●●
描述
给定一个二进制数组 nums 和一个整数 k,如果可以翻转最多 k 个 0 ,则返回 数组中连续 1 的最大个数 。
示例
输入:nums = [1,1,1,0,0,0,1,1,1,1,0], K = 2
输出:6
解释:[1,1,1,0,0,1,1,1,1,1,1]
粗体数字从 0 翻转到 1,最长的子数组长度为 6。
题解
1. 滑动窗口(双指针)
把「最多可以把 K 个 0 变成 1,求仅包含 1 的最长子数组的长度」
转换为
「找出一个最长的子数组,该子数组内最多允许有 K 个 0 」。
本题是求最大连续子区间,可以使用滑动窗口方法。滑动窗口的限制条件是:窗口内最多有 K 个 0。
代码思路:
- 使用 left 和 right 两个指针,分别指向滑动窗口的左右边界。
- right主动右移:right 指针每次移动一步。当 A[right] 为 0,说明滑动窗口内增加了一个 0;
- left 被动右移:判断此时窗口内 0 的个数,如果超过了 K,则 left 指针被迫右移,直至窗口内的 0 的个数小于等于 K 为止。
- 滑动窗口长度的最大值就是所求。
以 A= [1,1,1,0,0,0,1,1,1,1,0], K = 2 为例,下面的动图演示了滑动窗口的两个指针的移动情况。
- 时间复杂度:O(N),因为每个元素只遍历了一次。
- 空间复杂度:O(1),因为使用了常数个空间。
class Solution {
public:
int longestOnes(vector<int>& nums, int k) {
int n = nums.size();
int l = 0, ans = 0, zero = 0;
for(int r = 0; r < n; ++r){
if(nums[r] == 0) ++zero; // 零个数 + 1
while(zero > k){ // 零个数大于k时
if(nums[l] == 0) --zero; // 移动左指针
++l;
}
ans = max(ans, r - l + 1); // 计算当前窗口的长度
}
return ans;
}
};
2. 前缀和 + 二分查找
枚举区间 左端点/右端点 ,然后找到其满足「出现 0 的次数不超过 k 次」的最远右端点/最远左端点。
为了快速判断 [ l, r ] 之间出现 0 的个数,我们需要用到前缀和。
假设 [l, r ] 的区间长度为 len,区间和为 tol,那么出现 0 的个数为 len - tol,再与 k 进行比较。
由于数组中不会出现负权值,因此前缀和数组具有「单调性」,那么必然满足「其中一段满足 len - tol <= k,另外一段不满足 len - tol <= k」。
因此,对于某个 确定的「左端点/右端点」 而言,以「其最远右端点/最远左端点」为分割点的前缀和数轴,具有「二段性」。可以通过二分来找分割点。
以下代码则具有确定的右端点,来查找从左往右第一个满足条件的左边界。
- 时间复杂度: O ( n log n ) O(n\log{n}) O(nlogn)
- 空间复杂度: O ( n ) O(n) O(n)
class Solution {
public:
bool check(vector<int>&sum, int l, int r, int k){ // 判断 l ~ r 区间内 0 的个数是否在 k 范围内
int len = r - l + 1;
return len - (sum[r+1] - sum[l]) <= k;
}
int longestOnes(vector<int>& nums, int k) {
int n = nums.size(), ans = 0;
if(n == 0) return 0;
vector<int> sum(n+1, nums[0]);
for(int i = 1; i <= n; ++i) sum[i] = sum[i-1] + nums[i-1]; // 统计前缀和,下标 i 以内的前缀和为 sum[i+1]
for(int i = 0; i < n; ++i){ // 以 i 为右边界
int l = 0, r = i;
while(l < r){ // 二分查找满足 以 i 为右边界,0 的个数小于等于 k 的 从左往右第一个左边界
int mid = (l+r)>>1;
if(check(sum, mid, i, k)){
r = mid; // 边界往左推
}else{
l = mid + 1; // 不满足,往右推
}
}
if(check(sum, r, i, k)) ans = max(ans, i - r + 1); // 再次检查一遍,计算区间长度
}
return ans;
}
};
关于二分结束后再次 check 的说明:由于「二分」本质是找满足某个性质的分割点,通常我们的某个性质会是「非等值条件」,不一定会取得 =。
例如我们很熟悉的:从某个非递减数组中找目标值,找到返回下标,否则返回 -1。
当目标值不存在,「二分」找到的应该是数组内比目标值小或比目标值大的最接近的数。因此二分结束后先进行 check 再使用是一个好习惯。