题目
代码
class Solution {
public:
int findMaxLength(vector<int>& nums) {
}
};
方法一:前缀和+哈希表
分析
0 和 1 的数量相同,我们可以将数组中的 0 视作 -1,则我们首先计算出数组
n
u
m
s
nums
nums 的前缀和数组
s
u
m
s
sums
sums:
s
u
m
s
[
i
]
=
{
s
u
m
s
[
i
−
1
]
+
1
,
i
f
n
u
m
s
[
i
]
=
1
s
u
m
s
[
i
−
1
]
−
1
,
i
f
n
u
m
s
[
i
]
=
0
{sums[i]}= \begin{cases} sums[i-1] + 1, &if\ nums[i]=1\\ sums[i-1] - 1, &if\ nums[i]=0 \end{cases}
sums[i]={sums[i−1]+1,sums[i−1]−1,if nums[i]=1if nums[i]=0 假设
0
≤
j
<
i
<
n
0 \leq j < i < n
0≤j<i<n,对于从下标
j
j
j 到下标
i
i
i 的子数组的前缀和有
s
u
m
s
[
i
]
−
s
u
m
s
[
j
]
=
0
sums[i] - sums[j]=0
sums[i]−sums[j]=0,则有子数组
[
j
+
1
,
i
]
[j + 1,i]
[j+1,i] 中0和1的个数相同。因此,可以将题目表示为:
- 假设最长连续子数组起始值为: a n s = 0 ans = 0 ans=0
- 存在 i i i 和 j j j 使得 s u m s [ i ] − s u m s [ j ] = 0 sums[i] - sums[j]=0 sums[i]−sums[j]=0 时,更新 a n s = m a x ( a n s , i − j ) ans=max(ans ,i-j) ans=max(ans,i−j);
在此基础上,我们可以使用哈希表记录任意余数值第一次出现的位置,并且使用一个动态更新数值 c u r cur cur 来替代前缀和数组 s u m s sums sums。因此,可以将题目进行简化:
- 对于第
i
i
i 个前缀和有:
c u r = { c u r + 1 , i f n u m s [ i ] = 1 c u r − 1 , i f n u m s [ i ] = 0 {cur}= \begin{cases} cur + 1, &if\ nums[i]=1\\ cur - 1, &if\ nums[i]=0 \end{cases} cur={cur+1,cur−1,if nums[i]=1if nums[i]=0 - 如果当前余数在哈希表中不存在,则将当前余数和当前下标 i i i 的以及当前余数 c u r cur cur 的键值对存入哈希表中。
- 如果当前余数在哈希表中已经存在,则取出该余数在哈希表中对应的下标 j j j,更新最长连续子数组值: a n s = m a x ( a n s , i − j ) ans = max(ans ,i-j) ans=max(ans,i−j);
代码
class Solution {
public:
int findMaxLength(vector<int>& nums) {
int cur = 0, ans = 0, len = nums.size();
unordered_map<int, int> hash;
hash[0] = -1;
for(int i = 0; i < len; ++i) {
if(nums[i]) {
++cur;
} else {
--cur;
}
if(hash.count(cur)) {
ans = max(ans, i - hash[cur]);
} else {
hash[cur] = i;
}
}
return ans;
}
};
要点
复杂度分析
- 时间复杂度: O ( n ) O(n) O(n),其中 n n n 是数组 n u m s nums nums 的长度。需要遍历数组一次。哈希表可以在 O ( 1 ) O(1) O(1) 的时间进行查找。
- 空间复杂度: O ( n ) O(n) O(n)。空间复杂度主要取决于哈希表,哈希表中存储每个余数第一次出现的下标,最多有 n n n 个前缀和。