每日一题做题记录,参考官方和三叶的题解 |
题目要求
思路一:前缀和+二分查找
- 乘积想搞成前缀和就搞对数,所以预处理一个对数前缀和数组 l o g P r e logPre logPre;
- 然后依次固定右端点
r
i
g
h
t
right
right,二分找合法的左端点
l
e
f
t
left
left:
- 即满足 l o g P r e [ r i g h t + 1 ] − l o g P r e [ l e f t ] < log k logPre[right+1]-logPre[left]<\log k logPre[right+1]−logPre[left]<logk,也就是左端点满足 l o g P r e [ l e f t ] > l o g P r e [ r i g h t + 1 ] − log k logPre[left]>logPre[right+1]-\log k logPre[left]>logPre[right+1]−logk;
- 为了保证精度,避免数值相等却被误判,要加个 1 0 − 10 10^{-10} 10−10。
Java
class Solution {
public int numSubarrayProductLessThanK(int[] nums, int k) {
if(k <= 1)
return 0;
int n = nums.length, res = 0;
double[] logPre = new double[n + 1];
for(int i = 0; i < n; i++)
logPre[i + 1] = logPre[i] + Math.log(nums[i]);
double logk = Math.log(k);
for(int right = 0; right < n; right++) {
int l = 0, r = right + 1;
int left = right + 1;
double tmp = logPre[right + 1] - logk + 1e-10;
while(l <= r) {
int m = (l + r) / 2;
if(logPre[m] > tmp) {
left = m;
r = m - 1;
}
else
l = m + 1;
}
res += right - left + 1;
}
return res;
}
}
- 时间复杂度: O ( n log n ) O(n\log n) O(nlogn),预处理前缀和复杂度为 O ( n ) O(n) O(n),二分查找复杂度为 O ( log n ) O(\log n) O(logn),固定右端点 n n n次共 O ( n log n ) O(n\log n) O(nlogn)
- 空间复杂度: O ( n ) O(n) O(n),存放前缀和
C++
class Solution {
public:
int numSubarrayProductLessThanK(vector<int>& nums, int k) {
if(k <= 1)
return 0;
int n = nums.size(), res = 0;
double logPre[n + 1];
for(int i = 0; i < n; i++)
logPre[i + 1] = logPre[i] + log(nums[i]);
double logk = log(k);
for(int right = 0; right < n; right++) {
int l = 0, r = right + 1;
int left = right + 1;
double tmp = logPre[right + 1] - logk + 1e-10;
while(l <= r) {
int m = (l + r) / 2;
if(logPre[m] > tmp) {
left = m;
r = m - 1;
}
else
l = m + 1;
}
res += right - left + 1;
}
return res;
}
};
- 时间复杂度: O ( n log n ) O(n\log n) O(nlogn),预处理前缀和复杂度为 O ( n ) O(n) O(n),二分查找复杂度为 O ( log n ) O(\log n) O(logn),固定右端点 n n n次共 O ( n log n ) O(n\log n) O(nlogn)
- 空间复杂度: O ( n ) O(n) O(n),存放前缀和
思路二:滑动窗口
- 固定窗口右端点 r r r,找合法的最左端点 l l l,然后计算可以构成的连续子串数量,即 r − l + 1 r-l+1 r−l+1。
Java
class Solution {
public int numSubarrayProductLessThanK(int[] nums, int k) {
int n = nums.length, res = 0;
if(k <= 1)
return 0;
for(int l = 0, r = 0, prod = 1; r < n; r++) {
prod *= nums[r]; // 当前滑动窗口内元素乘积
while(prod >= k) // 超了
prod /= nums[l++]; // 缩小范围
res += r - l + 1; // 可构成的子串数量
}
return res;
}
}
- 时间复杂度: O ( n ) O(n) O(n),右端点遍历数组一遍
- 空间复杂度: O ( 1 ) O(1) O(1)
C++
class Solution {
public:
int numSubarrayProductLessThanK(vector<int>& nums, int k) {
int n = nums.size(), res = 0;
if(k <= 1)
return 0;
for(int l = 0, r = 0, prod = 1; r < n; r++) {
prod *= nums[r]; // 当前滑动窗口内元素乘积
while(prod >= k) // 超了
prod /= nums[l++]; // 缩小范围
res += r - l + 1; // 可构成的子串数量
}
return res;
}
};
- 时间复杂度: O ( n ) O(n) O(n),右端点遍历数组一遍
- 空间复杂度: O ( 1 ) O(1) O(1)
Rust
impl Solution {
pub fn num_subarray_product_less_than_k(nums: Vec<i32>, k: i32) -> i32 {
(0..nums.len()).fold((0, 1, 0), |(mut l, mut prod, res), r| {
prod *= nums[r]; // 当前滑动窗口内元素乘积
while l <= r && prod >= k { // 超了
prod /= nums[l];
l += 1; // 缩小范围
}
(l, prod, res + (r - l) as i32 + 1) // 可构成的子串数量
}).2
}
}
总结
本来是滑动窗口题,但是自己做的时候只想到了前缀和。
一个算法应用类题目,滑动窗口思路就简单很多。
欢迎指正与讨论! |