Leetcode 最长连续子数组

前言

  最近在做leetcode的时候,遇到了一类求最长子数组问题,它们的解法比较巧妙,特地记录一下。这两道题目分别是Maximum size subarray equals KContiguous array

Maximum size subarray equals K

  题目给定了一个数组,要求和为K的最长子数组的长度。为了求解这个题目,我们需要建立一个数组和到数组下标的映射,用到的是hashmap。为了能够快速找到区间长度,我们需要建立区间长度和,利用 S i S_i Si表示下标0到i的数组和,那么区间[i,j]的数组和为 S j − S i − 1 S_j-S_{i-1} SjSi1,该区间的长度为 j − i + 1 j-i+1 ji+1。在hashmap中的元素为 &lt; S [ i ] , i &gt; &lt;S[i],i&gt; <S[i],i>这样的位置映射,那么,当我们遍历到第i位的时候,我们需要查看hashmap中的是否包含值为 S [ i ] − K S[i]-K S[i]K的键值,如果包含,那么用i减去相应的下标位置就是区间和为K的子数组。对应的代码如下:

int sumEqualsK(vector<int> nums,int K){
    map<int,int> m{{0,-1}};
    int sum=0;
    int res=0;
    for(int i=0;i<nums.size();i++){
        sum+=nums[i];
        if(m.count(sum-K)){
            res=max(res,i-m[sum-K]);
        }
        else{
            m[sum]=i;
        }
    }
    return res;
}

初始时map加入{0,-1},因为可能区间[0,i]的和为K,这样区间长度为i+1.

Contiguous Array

  这道题目给定了一个由0,1组成的数组,要求0,1数目相等的最长子数组的长度,这个题目和上一个题目思想比较相似,基本操作利用sum记录0,1的数目,遇到1就加1,遇到0就减1。利用map记录<sum[i],i>,当遍历到第i个元素时,查看map中是否包含sum[i],如果包含,就更新当前值,如果不包含,就将sum[i]加入map中,代码如下:

    int findMaxLength(vector<int>& nums) {
        int n=nums.size();
        unordered_map<int,int> m{{0,-1}};
        int sum=0;
        int res=0;
        for(int i=0;i<n;i++){
            sum+=(nums[i]==1)?1:-1;
            if(m.count(sum)){
                res=max(res,i-m[sum]);
            }
            else{
                m[sum]=i;
            }
        }
        return res;
    }

总结

  这两道题目基本上是一样的,用到的思想也一样,解法比较巧妙。可惜做第二题的时候我没有想到第一题的思路。

参考资料:
  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
题目描述:给定一个非负整数数组nums和一个整数m,你需要将这个数组分成m个非空的连续数组。设计一个算法使得这m个数组中的最大和最小。 解题思路: 这是一个典型的二分搜索题目,可以使用二分查找来解决。 1. 首先确定二分的左右边界。左边界为数组中最大的值,右边界为数组中所有元素之和。 2. 在二分搜索的过程中,计算出分割数组的组数count,需要使用当前的中间值来进行判断。若当前的中间值不够分割成m个数组,则说明mid值偏小,将左边界更新为mid+1;否则,说明mid值偏大,将右边界更新为mid。 3. 当左边界小于等于右边界时,循环终止,此时的左边界即为所求的结果。 具体步骤: 1. 遍历数组,找到数组中的最大值,并计算数组的总和。 2. 利用二分查找搜索左右边界,从左边界到右边界中间的值为mid。 3. 判断当前的mid值是否满足题目要求,若满足则更新右边界为mid-1; 4. 否则,更新左边界为mid+1。 5. 当左边界大于右边界时,循环终止,返回左边界即为所求的结果。 代码实现: ```python class Solution: def splitArray(self, nums: List[int], m: int) -> int: left = max(nums) right = sum(nums) while left <= right: mid = (left + right) // 2 count = 1 total = 0 for num in nums: total += num if total > mid: total = num count += 1 if count > m: left = mid + 1 else: right = mid - 1 return left ``` 时间复杂度分析:二分搜索的时间复杂度为O(logN),其中N为数组的总和,而遍历数组的时间复杂度为O(N),因此总的时间复杂度为O(NlogN)。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值