1004. 最大连续1的个数 III
提示
中等
517
相关企业
给定一个二进制数组 nums
和一个整数 k
,如果可以翻转最多 k
个 0
,则返回 数组中连续 1
的最大个数 。
示例 1:
输入:nums = [1,1,1,0,0,0,1,1,1,1,0], K = 2 输出:6 解释:[1,1,1,0,0,1,1,1,1,1,1] 粗体数字从 0 翻转到 1,最长的子数组长度为 6。
示例 2:
输入:nums = [0,0,1,1,0,0,1,1,1,0,1,1,0,0,0,1,1,1,1], K = 3 输出:10 解释:[0,0,1,1,1,1,1,1,1,1,1,1,0,0,0,1,1,1,1] 粗体数字从 0 翻转到 1,最长的子数组长度为 10。
动态规划
首先最容易想到的是dp,(0/1背包问题,重量和价值都是1的物品)因为我们可以设置dp[i][j]表示前i个数,最多有k个0的最长连续长度。
dp[i][j]的地推公式为
如果当前数字是1 则 :dp[i][j] = dp[i-1][j] + 1
如果当前数字为0 则:dp[i][j] = dp[i-1][j-1] + 1
class Solution {
public int longestOnes(int[] nums, int k) {
int n = nums.length;
//
int[][] f = new int[2][k + 1];
int ans = 0;
for (int i = 1; i <= n; i++) {
for (int j = 0; j <= k; j++) {
if (nums[i - 1] == 1) {
f[i & 1][j] = f[(i - 1) & 1][j] + 1;
} else {
f[i & 1][j] = j == 0 ? 0 : f[(i - 1) & 1][j - 1] + 1;
}
ans = Math.max(ans, f[i & 1][j]);
}
}
return ans;
}
}
二分法:
从数据范围上分析,「平方级别」的算法过不了,往下优化就应该是「对数级别」的算法。
因此,很容易我们就会想到「二分」。
当然还需要我们对问题做一下等价变形。
最大替换次数不超过 k
次,可以将问题转换为找出连续一段区间 [l,r]
,使得区间中出现 0 的次数不超过 k
次。
我们可以枚举区间 左端点/右端点 ,然后找到其满足「出现 0 的次数不超过 k
次」的最远右端点/最远左端点。
为了快速判断 [l,r]
之间出现 0 的个数,我们需要用到前缀和。
假设 [l,r]
的区间长度为 len
,区间和为 tot
,那么出现 0 的格式为 len - tol
,再与 k
进行比较。
由于数组中不会出现负权值,因此前缀和数组具有「单调性」,那么必然满足「其中一段满足 ,另外一段不满足 」。
因此,对于某个确定的「左端点/右端点」而言,以「其最远右端点/最远左端点」为分割点的前缀和数轴,具有「二段性」。可以通过二分来找分割点。
class Solution {
public int longestOnes(int[] nums, int k) {
int n = nums.length;
int ans = 0;
int[] sum = new int[n + 1];
for (int i = 1; i <= n; i++) sum[i] = sum[i - 1] + nums[i - 1];
for (int i = 0; i < n; i++) {
int l = 0, r = i;
while (l < r) {
int mid = l + r >> 1;
if (check(sum, mid, i, k)) {
r = mid;
} else {
l = mid + 1;
}
}
if (check(sum, r, i, k)) ans = Math.max(ans, i - r + 1);
}
return ans;
}
boolean check(int[] sum, int l, int r, int k) {
int tol = sum[r + 1] - sum[l], len = r - l + 1;
return len - tol <= k;
}
}
关于二分结束后再次 check
的说明:由于「二分」本质是找满足某个性质的分割点,通常我们的某个性质会是「非等值条件」,不一定会取得 =
。
例如我们很熟悉的:从某个非递减数组中找目标值,找到返回下标,否则返回 -1。
当目标值不存在,「二分」找到的应该是数组内比目标值小或比目标值大的最接近的数。因此二分结束后先进行 check
再使用是一个好习惯。
双指针
由于我们总是比较 len
、tot
和 k
三者的关系。
因此我们可以使用「滑动窗口」的思路,动态维护一个左右区间 [j, i]
和维护窗口内和 tot
。
右端点一直右移,左端点在窗口不满足「len - tol <= k
」的时候进行右移。
即可做到线程扫描的复杂度:
class Solution {
public int longestOnes(int[] nums, int k) {
int n = nums.length;
int ans = 0;
for (int i = 0, j = 0, tot = 0; i < n; i++) {
tot += nums[i];
while ((i - j + 1) - tot > k) tot -= nums[j++];
ans = Math.max(ans, i - j + 1);
}
return ans;
}
}