以空间换时间的算法

以空间换时间的算法

大多算法考试都会有这个要求，就是在规定的时间复杂度内得到求解，这种情况下，一般多是需要复合遍历的内容，也即是时间复杂度在O(N2)和O(N3)等算法时间较高的情况下，此篇内容就是探讨一下一般的有哪些是以空间换时间的算法
LCP18.早餐组合

小扣在秋日市集选择了一家早餐摊位，一维整型数组 staple 中记录了每种主食的价格，一维整型数组 drinks 中记录了每种饮料的价格。小扣的计划选择一份主食和一款饮料，且花费不超过 x 元。请返回小扣共有多少种购买方案。
（注意：答案需要以 1e9 + 7 (1000000007) 为底取模，如：计算初始结果为：1000000008，请返回 1）
示例：
输入：staple = [10,20,5], drinks = [5,5,2], x = 15
输出：6
题目分析，显然遍历两次轻松的到题解，但复杂度为O(mn)，但这题的要求就是时间复杂度降低到O(m+n),

思路一，二分查找
如果对第一个数组排序，则需要mlogm+nlogm = (m+n)logm
如果对第二个数组排序，则需要nlogn+mlogn = (m+n)logn
所以我们只需要对长度较小的数组排序即可，总的时间复杂度为(m+n)log(min(m,n))

def helper(self,v,n):
    if v[-1] <= n: return len(v)
    l,r = 0,len(v)-1
    while l < r:
        mid = (l+r) // 2
        if v[mid] <= n: l = mid+1
        else: r = mid
    return l
    
def breakfastNumber(self, staple: List[int], drinks: List[int], x: int) -> int:
    res = 0
    if len(staple) <= len(drinks):
        staple.sort()
        for n in drinks:
            res = (res+self.helper(staple,x-n)) % 1000000007
    else:
        drinks.sort()
        for n in staple:
            res = (res+self.helper(drinks,x-n)) % 1000000007
    return res

思路二，桶排序算法，时间复杂度为O(m+n)

class Solution:
    def breakfastNumber(self, staple: List[int], drinks: List[int], x: int) -> int:
        ans = 0
        arr = [0 for i in range(x+1)]
        P = 1000000007
        for sta in staple:
            if sta<x:
                arr[sta] +=1
        # 因为staple内的值必须是小于x的，这样才能算上饮料，一旦找到sta<x的情况，
        # 那么在对应的x中的位置就+1,显示其出现的次数
        for i in range(2,x):
            arr[i] +=arr[i-1]
        # arr[i] 第i个元素表示食物里面价格小于等于i的个数
        # 这一步的作用就是让1-15内的值 确定每个食物可以接受多少个小于其值的饮料的值
        for drink in drinks:
            It = x - drink
            if It<=0:
                continue
            ans +=arr[It]
        ans = ans%P
        return ans
        # 此解法分两步，找到1-15（既X内，食物价格出现的次数）
        # 第二步生成一个匹配表，这个表内的每个元素，表示食物内价格小于或的等于当前价格的个数，所以要用累加法，从小的开始向前累加。
        # 最后x-drinks得到的值 既可以直接去对照表内查找 剩余的钱可以买到的食物的个数。
        # 时间复杂度为O(m+n)最快时间复杂度

以时间换空间的算法