题目链接
6911. 不间断子数组
题目描述
题目思路
滑动窗口,只要左右指针区间内的数据满足不间断子数组条件,右指针不断向右移动,倘若不满足,则需要剔除掉左指针指向的那个数字
假设[2,1,2,3] left 0 right 3, 此时要在滑动窗口中去掉指向left的数字2,与2相关的不间断子数组有3个[[2],[2,1],[2,1,2]],答案+3,即right-left的值,然后左指针不断右移,直到区间内的数字重新满足不间断子数组条件。
大体思路肯定是滑动窗口,问题就在于如何维护这个窗口,快速找到当前窗口内的最大值和最小值的差值,我一开始的思路是二分,把这个窗口内的数字用一个新的有序数组维护,但是超时了,下面给出另外两种解决方法
最大/小堆
/**
* @param {number[]} nums
* @return {number}
*/
var continuousSubarrays = function(nums) {
let left = 0, right = 0, ans = 0
const len = nums.length
const bigH = new Heap(), smallH = new Heap((a, b) => a < b)
while (right < len) {
bigH.push(nums[right])
smallH.push(nums[right])
while (left < right && bigH.peek() - smallH.peek() > 2) {
bigH.remove(nums[left])
smallH.remove(nums[left])
ans += right - left // 假设[2,1,2,3] left 0 right 3, 此时要在滑动窗口中去掉数字2,与2相关的不间断子数组有3个[[2],[2,1],[2,1,2]]
left++
}
right++
}
ans += (1 + right - left) * (right - left) / 2 // (首项 + 尾项) * 项数 / 2
return ans
};
class Heap {
constructor(compare) {
this.heap = [null]
this.compare = compare ?? ((a, b) => a > b) // 默认大顶堆
}
get size() { // O(1)
return this.heap.length - 1
}
push(v) { // O(1)
this.heap.push(v)
this.up(this.size)
}
up(i) { // O(log n)
while (i > 1 && this.compare(this.heap[i], this.heap[this.parent(i)])) {
this.swap(this.parent(i), i)
i = this.parent(i)
}
}
down(i) { // O(log n)
let temp = i
if (this.left(i) <= this.size && this.compare(this.heap[this.left(i)], this.heap[temp])) temp = this.left(i)
if (this.right(i) <= this.size && this.compare(this.heap[this.right(i)], this.heap[temp])) temp = this.right(i)
if (temp !== i) {
this.swap(temp, i)
this.down(temp)
}
}
pop() { // O(log n)
if (this.size === 0) return null
this.swap(1, this.size)
const head = this.heap.pop()
this.down(1)
return head
}
remove(num) { // O(n)
const index = this.heap.indexOf(num);
if (index === -1) {
return;
}
// 将要删除的数字与堆尾部的元素交换位置
this.swap(index, this.size);
this.heap.pop(); // 移除堆尾部的元素
// 根据交换后的位置,判断是否需要进行上浮或下沉操作,以保持堆的性质
if (index === this.size + 1) {
// 如果删除的是堆尾部的元素,不需要进行堆化操作
return;
}
const parentIndex = this.parent(index);
if (index > 1 && this.compare(this.heap[index], this.heap[parentIndex])) {
this.up(index);
} else {
this.down(index);
}
}
peek() { // O(1)
return this.size === 0 ? null : this.heap[1]
}
left(i) { // O(1)
return i * 2
}
right(i) { // O(1)
return i * 2 + 1
}
parent(i) { // O(1)
return i >> 1
}
swap(i, j) { // O(1)
[this.heap[i], this.heap[j]] = [this.heap[j], this.heap[i]]
}
}
单调队列
/**
* @param {number[]} nums
* @return {number}
*/
var continuousSubarrays = function(nums) {
let i = 0, j = 0, ans = 0
let minQ = [], maxQ = []
while (j < nums.length) {
// 如果不满足单调递增,需要舍弃(后面的元素更大,前面较小的元素就没必要维护)
while (minQ.length && minQ[minQ.length - 1] > nums[j]) {
minQ.pop()
}
// 如果不满足单调递减,需要舍弃(后面的元素更小,前面较小的元素就没必要维护)
while (maxQ.length && maxQ[maxQ.length - 1] < nums[j]) {
maxQ.pop()
}
minQ.push(nums[j])
maxQ.push(nums[j])
// 缩小左端点
while (minQ.length && maxQ.length && maxQ[0] - minQ[0] > 2) {
if (minQ[0] == nums[i]) {
minQ.shift()
}
if (maxQ[0] == nums[i]) {
maxQ.shift()
}
i++
}
ans += j - i + 1
j++
}
return ans
};