leetcode 396 旋转数组前缀和

396 旋转函数

396. 旋转函数

难度中等192

给定一个长度为 n 的整数数组 nums 。

假设 arrk 是数组 nums 顺时针旋转 k 个位置后的数组，我们定义 nums 的 旋转函数  F 为：

• F(k) = 0 * arrk[0] + 1 * arrk[1] + ... + (n - 1) * arrk[n - 1]

返回 F(0), F(1), ..., F(n-1)中的最大值 。

生成的测试用例让答案符合 32 位 整数。

示例 1:

输入: nums = [4,3,2,6]
输出: 26
解释:
F(0) = (0 * 4) + (1 * 3) + (2 * 2) + (3 * 6) = 0 + 3 + 4 + 18 = 25
F(1) = (0 * 6) + (1 * 4) + (2 * 3) + (3 * 2) = 0 + 4 + 6 + 6 = 16
F(2) = (0 * 2) + (1 * 6) + (2 * 4) + (3 * 3) = 0 + 6 + 8 + 9 = 23
F(3) = (0 * 3) + (1 * 2) + (2 * 6) + (3 * 4) = 0 + 2 + 12 + 12 = 26
所以 F(0), F(1), F(2), F(3) 中的最大值是 F(3) = 26 。

示例 2:

输入: nums = [100]
输出: 0

提示:

• n == nums.length
• 1 <= n <= 105
• 100 <= nums[i] <= 100

通过次数34,611提交次数66,201

题目分析

$由题意，我们这里要求k使得f(k)={\sum }_{i=0}^{n-1}(i\ast nu{m}_k[i])最大$

$因此我们可以展开该式有，$

$=(n-1)\ast nu{m}_k[0]+(n-2)\ast nu{m}_k[1]+\cdot \cdot \cdot \cdot \cdot \cdot +(n-n)\ast nu{m}_k[n]$

$=n\ast ({\sum }_{i=0}^{n-1}(nu{m}_k[i]))-{\sum }_{i=0}^{n-1}((i+1)\ast nu{m}_k[i])$

$=n\ast ({\sum }_{i=0}^{n-1}(nu{m}_k[i]))-{\sum }_{i=0}^{n-1}({\sum }_{j=0}^{i}nu{m}_k[j])$

$这里我们定义Sum(n)={\sum }_{i=0}^{n-1}nu{m}_k[i]$

即为翻转k次所有项的和，其中由于无论如何旋转元素是不变的，因此等价于数组的总和

$接下来我们定义presu{m}_k(n)={\sum }_{i=0}^{n-1}nu{m}_k[i]为翻转k个数后的序列前缀和其中有递推式presu{m}_k(n)=presu{m}_k(n-1)+nu{m}_k[n]$也就是我们的前缀和

而这里由于需要我们也设定一个当旋转k后前缀和的总和函数 $Sum\_pr{e}_k(n)={\sum }_{i=0}^{n-1}presum(i+1)$

由此 我们再重新整理原式

$得n\ast Sum(n)-Sum\_pr{e}_k(n)$

因此这里我们原本的问题变成了求上式的最大值

由于我们之前分析过，无论如何旋转序列元素不变所以元素总和不变

因此 对于不同的k 仅有 $Sum\_pr{e}_k(n)$在变换

所以原题就变成了求 $Sum\_pr{e}_k$ 的最小值

一般的法子则是 枚举所有情况求出所有的和 由于 可以反转 n次 长度也为n

所以复杂度为O(n^2) 这里 $n<1e5$ 显然会爆

那根据刚才的我们发现 实际 $Sum\_pr{e}_k(n)$是前缀和的前缀和所以复杂度仅有O(n)

但唯一问题是如何从旋转零次变换到旋转k次呢

$Sum\_pr{e}_k(n)=presu{m}_k(1)+presu{m}_k(2)+\cdot \cdot \cdot \cdot \cdot +presu{m}_k(n)$

                       $=num_k[0] +num_k[0]+num_k[1]+·······$

$Sum\_pr{e}_{k+1}(n)=presu{m}_{k+1}(1)+presu{m}_{k+1}(2)+\cdot \cdot \cdot \cdot \cdot +presu{m}_{k+1}(n)$

                       $=num_{k+1}[0] +num_{k+1}[0]+num_{k+1}[1]+·······$

                       $=num_{k}[1] +num_{k}[1]+num_{k}[2]+·······+num_{k}[0]+······num_k[n-1]$

                        $=Sum\_pre_{k}-n*num_k[0]+Sum(n)$

由此我们得到了递推公式 $Sum\_pr{e}_{k+1}=Sum\_pr{e}_k-n\ast num[0]+Sum(n)$

而最终解 $Min\_sum(n)=min(Min\_sum(n-1),Sum\_pr{e}_n)$

$f(k{)}_{min}=n\ast Sum(n)-Min\_sum(n)$

数据证明

最后抽象论证结束我们可以使用具体样例来进行检验

$$nums=[4,3,2,6]$$

$$\begin{gathered} Sum(4)=4+3+2+6=15 \\ 15\ast 4=60 \end{gathered}$$

$$\begin{gathered} presu{m}_0(4)=4\ast 4+3\ast 3+2\ast 2+6\ast 1=35 \\ 60-35=25 \\ Min\_sum(1)=35 \end{gathered}$$

$$\begin{gathered} presu{m}_1(4)=presu{m}_0(4)-4\ast num[0]+Sum(4)=35-4\ast 4+15=34 \\ 60-34=26 \\ Min\_sum(2)=34 \end{gathered}$$

$$\begin{gathered} presu{m}_2(4)=presu{m}_1(4)-4\ast num[1]+Sum(4)=34-4\ast 3+15=37 \\ 60-37=23 \\ Min\_sum(1)=34 \end{gathered}$$

$$\begin{gathered} presu{m}_3(4)=presu{m}_2(4)-4\ast num[2]+Sum(4)=37-4\ast 2+15=44 \\ 60-44=16 \\ Min\_sum(1)=34 \end{gathered}$$

$$\begin{gathered} presu{m}_4(4)=presu{m}_3(4)-4\ast num[3]+Sum(4)=44-4\ast 6+15=35 \\ 60-35=25 \\ Min\_sum(1)=34 \end{gathered}$$

$$f(k{)}_{min}=4\ast Sum(4)-Min\_sum(4)=60-34=26$$

数据规模分析

数组最大长度 1e5 数据最大1e2

根据公式 presum +=((size-i)*nums[i]);

因此数据最大到 1e51e21e5/2 因此int可能会爆

算法实现

    int maxRotateFunction(vector<int>& nums) {
        long long sum = 0;
        long long presum = 0;
        long long min_sum = 0;
        long long size = nums.size();
        for(long long i = 0;i<size;i++){
            sum+=nums[i];
            presum +=((size-i)*nums[i]);
        }
        min_sum = presum;
        for(int i = 0;i<size;i++){
            presum-=(size*nums[i]);
            presum+=sum;
            min_sum = min(min_sum,presum);
        }
        return sum*size-min_sum;
    }