目录
1,leetcode370 区间加法(直接考察的差分数组技巧):
前缀和
前缀和指一个数组的某下标之前的所有数组元素的和(包含其自身),前缀和是一种重要的预处理,能够降低算法的时间复杂度。
用途:
前缀和主要适用的场景是原始数组不会被修改的情况下,频繁查询某个区间的累加和。
给定数组:nums[n] = {a1, a2, ...., an-1};共n个元素
前缀和数组:preSum[n + 1] = {0, a1, a1 + a2, ...., a1+..+an-1};
// 构造前缀和
vector<int> preSum(n + 1);
preSum[0] = 0;
for (int i = 0; i < n; i++) {
preSum[i + 1] = preSum[i] + nums[i];
}
可推导出2个变换公式:
(1)nums的[i, j]区间元素的和(包括i, j)等于:preSum[j + 1] - preSum[i],(以nums的下标维度,遍历范围:[0, numsSize))
特例:nums[i]([i, i]区间元素的和)等于preSum[i + 1] - preSum[i]
(2)preSum[i] 记录给定数组nums中 [0, i - 1] 区间的元素和(其中 i = 1, 2, ..., preSumSize-1)。(以preSum的下标维度, 遍历范围:[1, preSumSize))
1,前缀和 + 二分查找
//前缀和+二分:提示连续子数组和--想到前缀和, 且非负--前缀和单调升序--想到二分
// 思路
// 遍历前缀和数组, 设遍历中的下标i为left和mid的闭区间边界(边界1),此时[i + 1, preSumSize -2]区间内查找划分mid和right的边界(边界2),使得满足leftSum <= midSum <= rightSum条件。
// 边界2最小值为lowerIdx, 边界2最大值为upperIdx。即边界2闭区间[lowerIdx, upperIdx]内的所有值都满足本轮在边界1的情况下使得leftSum <= midSum <= rightSum成立。
// (1)先寻找lowerIdx:在[i + 1, preSumSize - 1)区间内,只需找满足midSum=(preSum[边界2] - preSum[i]) >= leftSum条
// 件(即找target = 2 * leftSum)的lower_bound就是边界2最小值。
// (2)再寻找upperIdx:在[i + 1, preSumSize - 1)区间内,只需找满足rightSum=(preSum[preSumSize-1] - preSum[边界2]) >= midSum=(preSum[边界2] - preSum[i])条
// 件(即找target = preSum[i] + (preSum[preSumSize-1] - preSum[i]) / 2, 即midSum和rightSum的平均值)的upper_bound就是边界2最大值
// (3)对lowerIdx和upperIdx进行有效区间判定:按照midSum>=leftSum寻找到lowerIdx,又按照rightSum>=midSum寻找到midSum,因此当upperIdx >= lowerIdx时,
// 就得到了边界2有效的闭区间范围[lowerIdx, upperIdx]使得leftSum <= midSum <= rightSum
/*
{1, 2, 2, 2, 5, 0}
i 0 1 2 3 4 5 6
{0, 1, 3|, 5, 7, 12, 12}
i:2
当用i=2分出leftSum,那么在[i + 1, preSumSize - 1)区间找target,而求midSum时是始终用preSum[mid] - leftSum求得,求rightSum时始终用preSum[preSumSize - 1] - leftSum求得
leftIdx, target = 2 * leftSum
rightIdx,target = leftSum + (preSum[preSumSize - 1] - leftSum) / 2
leftIdx:4
{0, 1, 3|, 5, 7|, 12, 12|} // 在[i + 1, preSumSize - 1)区间找target=2*3=6的lowerbound, leftIdx = lowerboundIdx
[0, 1][1, 3][3, 5]
{1, 2}{2, 2}{5, 0}
3-0=3 7-3=4 12-7=5
rightIdx:4
{0, 1, 3|, 5, 7|, 12, 12} // 在[i + 1, preSumSize - 1)即{5, 7, 12}区间找target=3 + (12-3)/2 = 7的upperbound, rightIdx = upperboundIdx - 1
[0, 1][1, 3][3, 5]
{1, 2}{2, 2}{5, 0}
3 4 5
i 0 1 2 3 4 5 6
{0, 1|, 3, 5, 7, 12, 12}
i:1
leftIdx:2
{0, 1|, 3|,5, 7, 12, 12|} // 在[i + 1, preSumSize - 1)区间找target=2*1=2的lowerbound, leftIdx = lowerboundIdx
1 2 12-3=9
rightIdx:3
{0, 1|, 3, 5|, 7, 12, 12} // 在[i + 1, preSumSize - 1)区间找target=1 + (12-1)/2 = 6的upperbound, rightIdx = upperboundIdx - 1
1 5-1=4 12-5 = 7
*/
二分模板见:二分搜索模板_u011764940的博客-CSDN博客
class Solution {
public:
int waysToSplit(vector<int>& a) {
int aSize = a.size();
vector<int> preSum(aSize + 1);
for (int i = 0; i < aSize; i++) {
preSum[i + 1] = preSum[i] + a[i];
}
long long res = 0;
int preSumSize = preSum.size();
// 因为是直接用preSum[i]标识nums的和,因此用preSum索引[1, n]遍历
for (int i = 1; i < preSumSize - 2; i ++) { // 剪枝:left和mid的分界点不能大于等于在preSumSize - 2这样分不出left/mid/right三段
int leftSum = preSum[i]; // a数组[0, i - 1)的区间和
if (leftSum * 3 > preSum[preSumSize - 1]) { // 剪枝
break;
}
// 调标准库:228ms
// int leftIdx = lower_bound(preSum.begin() + i, preSum.end() - 1, 2 * leftSum) - preSum.begin(); // lower_bound是找大于等于target,满足leftIdx的左闭
// int rightIdx = upper_bound(preSum.begin() + i, preSum.end() - 1, leftSum + (preSum[aSize] - leftSum) / 2) - preSum.begin() - 1; // upper_bound是找大于target,是右开,因此减1后得到右闭且减1会使midSum更小于rightSum
// 调手写:160ms
int leftIdx = LowerBound(preSum, i + 1, preSumSize - 1, 2 * leftSum);
int rightIdx = UpperBound(preSum, i + 1, preSumSize - 1, leftSum + (preSum[preSumSize - 1] - leftSum) / 2) - 1;
// leftIdx = max(i + 1, leftIdx); // 可略,因为本身就是在i + 1起始点开始找的,LowerBound返回值可能范围[i+1, preSumSize-1]
// rightIdx = min(preSumSize - 2, rightIdx); // 可略, UpperBound返回的是大于target的idx(可能的范围是[i+1, preSumSize-1]), 已经减去1了(可能的范围是[i, preSumSize-2])
if (rightIdx >= leftIdx) {
res += (rightIdx - leftIdx + 1);
}
}
return res % int(1e9 + 7);
}
private:
// 入参搜索范围[left, right)及结果均与std::lower_bound相同
int LowerBound(const vector<int> &nums, int left, int right, int target)
{
while (left < right) {
int mid = left + (right - left) / 2;
if (nums[mid] == target) {
right = mid;
} else if (nums[mid] > target) {
right = mid;
} else if (nums[mid] < target) {
left = mid + 1;
}
}
return left;
}
// 入参搜索范围[left, right)及结果均与std::upper_bound相同
int UpperBound(const vector<int> &nums, int left, int right, int target)
{
while (left < right) {
int mid = left + (right - left) / 2;
if (nums[mid] == target) {
left = mid + 1;
} else if (nums[mid] > target) {
right = mid;
} else if (nums[mid] < target) {
left = mid + 1;
}
}
return left;
}
};
209. 长度最小的子数组 --(可以用滑动窗口,也可以用前缀和+二分)
法1:滑动窗口
class Solution {
public:
int minSubArrayLen(int s, vector<int>& nums) {
int sum = 0;
int left = 0;
int right = 0;
int result = nums.size();
while (right < nums.size()) {
sum += nums[right];
right++;
while (sum >= s) {
result = min(result, right - left);
sum -= nums[left];
left++;
}
}
return result;
}
};
法2:前缀和 + 二分
因为这道题保证了数组中每个元素都为正,所以前缀和一定是递增的,这一点保证了二分的正确性。如果题目没有说明数组中每个元素都为正,这里就不能使用二分来查找这个位置了。
class Solution {
public:
int minSubArrayLen(int s, vector<int>& nums) {
int n = nums.size();
if (n == 0) {
return 0;
}
int ans = INT_MAX;
vector<int> sums(n + 1, 0);
for (int i = 1; i <= n; i++) {
sums[i] = sums[i - 1] + nums[i - 1];
}
for (int i = 1; i <= n; i++) {
int target = s + sums[i - 1];
auto bound = lower_bound(sums.begin(), sums.end(), target);
if (bound != sums.end()) {
ans = min(ans, static_cast<int>((bound - sums.begin()) - (i - 1)));