【Lintcode】139. Subarray Sum Closest

题目地址：

https://www.lintcode.com/problem/subarray-sum-closest/description

给定一个数组，求其中的和最接近$0$的子区间的左右端点。

思路是，先求前缀和，然后对前缀和排序，接着只需扫描一遍前缀和数组，看看相邻两数的差的最小值即可。这里由于要返回端点下标，所以需要额外记录前缀和的下标。举例：对于数组$$(-3,1,1,-3,5)$$
先计算其前缀和：$$(0,-3,-2,-1,-4,1)$$需要注意的是，对于长度为$n$的数组，其前缀和数组长度也是$n$，这样方便于计算$[i,j]$区间内的数字和，即为$s[j+1]-s[i]$。接下来对其排序：$$\begin{array}{cccccc}4& 1& 2& 3& 0& 5\\ -4& -3& -2& -1& 0& 1\end{array}$$其中第二行是前缀和数组的值，第一行是每个值在原数组中的下标。我们发现前缀和数组相邻数字的差的最小值是$1$，所以只需要挑出差为$1$的前缀和数组的下标还原成原数组下标即可。注意，由于这里是和最接近$0$的子区间，所以在前缀和做差的时候，即使下标先后次序是倒着的也没问题，真正的区间和只不过是反了号而已。比如我们看到$s[1]-s[4]=1$，这意味着$s[4]-s[1]=a[1]+a[2]+a[3]=-1$，虽然原区间并不存在和等于$1$的子区间，但变了符号以后离$0$的距离是相等的。如果要求一个和距离一个非零数的最近的子区间，上面的方法是无效的。

import java.util.Arrays;

public class Solution {

	// 新开一个类，一个field记录前缀和，另一个field记录下标
	class Pair {
        int sum, index;
        public Pair(int sum, int index) {
            this.sum = sum;
            this.index = index;
        }
    }
    
    /*
     * @param nums: A list of integers
     * @return: A list of integers includes the index of the first number and the index of the last number
     */
    public int[] subarraySumClosest(int[] nums) {
        // write your code here
        Pair[] pairs = new Pair[nums.length + 1];
        // 初始化第一个值
        pairs[0] = new Pair(0, 0);
    	// 计算前缀和并赋值
        for (int i = 0; i < nums.length; i++) {
            pairs[i + 1] = new Pair(pairs[i].sum + nums[i], i + 1);
        }
    	// 按照前缀和来排序
        Arrays.sort(pairs, (p1, p2) -> p1.sum < p2.sum ? -1 : 1);
    
        int[] res = new int[2];
        int cur = Integer.MAX_VALUE;
        for (int i = 0; i < nums.length; i++) {
            int tmp = pairs[i + 1].sum - pairs[i].sum;
            // 如果找到了更小的差，就更新
            if (tmp < cur) {
                cur = tmp;
                // 接下来要找到区间的左右端点
                int begin = pairs[i + 1].index, end = pairs[i].index;
                if (begin > end) {
                    int tmp = begin;
                    begin = end;
                    end = tmp;
                }
                
                // 更新最终结果
                res[0] = begin;
                res[1] = end - 1;
            }
        }
        
        return res;
    }
}

时间复杂度$O(n\log n)$，空间$O(n)$。