leetcode 2179 — 统计数组中好三元组数目

一、题目描述

在这里插入图片描述

二、题目分析

这道题的暴力解法就是:枚举 nums1 中的每个元素,找到该元素在 nums2 中的位置,然后在 nums1nums2 的剩余部分中寻找一个好二元组。不难发现,这样算法的复杂度为 O(n^3),不能满足我们的要求。上述算法的问题在于每次搜索都无法利用前面搜索过程得到的任何信息。

关键点1:nums2 中的元素如果被访问过,在后续访问时是不用处理的,因为这样的元素对在 nums1nums2 中必然是逆序的

如果使用这个信息,那么我们就可以在遍历过程中构造一个数组,用于存储nums2 中每个位置其后面已经被访问过的元素个数。然而,即使知道这个数据,我们也无法判断出后面那些没被访问的数据能够构成多少个好二元组。因此,需再次遍历 nums1,这样的算法复杂度仍为 O(n^3)。这是因为我们仍旧没有充分利用前面得到的信息。

关键点2:总的已经被访问过的元素个数就是当前所遍历的 nums1 元素的下标,那么我们可以得到 nums2 对应元素下标其前面、后面被访问过的、未被访问过的元素个数

这让我们很自然就可以想到,如果遍历 nums1 时,把每个元素当成好三元组的中间元素,那么问题就变成了计算对应 nums2 中元素所在位置前面出现过的元素个数和后面未出现的元素个数

三、实现

1、初步实现

在初次实现中我们使用 vector 保存所有访问过的元素在 num2 中的下标。在遍历过程中,使用二分查找(lower_bound)确定在某个下标前已访问过的元素个数,并插入该下标:

long long goodTriplets(vector<int>& nums1, vector<int>& nums2) {
   
	// 1.将nums2中的每个数及其对应下标放入map中保存
	unordered_map<int, int> num2Pos;
	for (int i = 0; i < nums2.size(); ++i) {
   
		num2Pos[nums2[i]] = i;
	}

	// 2.初始化数组用于按序保存所有访问过的元素
	vector<int> visited;
	visited.push_back(num2Pos[nums1[0]]);

	// 3.遍历nums1
	long long tripletsCount = 0;
	for (int i = 1; i < nums1.size(); ++i) {
   
		// 2.1 确定nums1中的元素在nums2的下标
		int index = num2Pos[nums1[i]];
		
		// 2.2 计算后面未访问过的和前面已访问过的,并插入该当前下标到visited
		int behindUnvisited = 0;
		int beforeVisited = 0;
		if (visited.back() >= index) {
   
			auto iterVisited = lower_bound(visited.begin()
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    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个非空的连续子数组。设计一个算法使得这m个子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个子数组,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 1
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