给定一个由若干 0 0 0 和 1 1 1 组成的数组 A A A,我们最多可以将 K K K 个值从 0 0 0 变成 1 1 1 。
返回仅包含 1 1 1 的最长(连续)子数组的长度。
示例 1:
输入:A = [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:A = [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。
提示:
1 < = A . l e n g t h < = 20000 0 < = K < = A . l e n g t h A [ i ] 为 0 或 1 1 <= A.length <= 20000\\ 0 <= K <= A.length\\ A[i] 为 0 或 1 1<=A.length<=200000<=K<=A.lengthA[i]为0或1
前言
对于数组
A
A
A 的区间
[
left
,
right
]
[\textit{left}, \textit{right}]
[left,right] 而言,只要它包含不超过
K
K
K 个
0
0
0,我们就可以根据它构造出一段满足要求,并且长度为
right
−
left
+
1
\textit{right} - \textit{left} + 1
right−left+1的区间。
因此,我们可以将该问题进行如下的转化,即:
对于任意的右端点 right \textit{right} right,希望找到最小的左端点 left \textit{left} left,使得 [ left , right ] [\textit{left}, \textit{right}] [left,right] 包含不超过 K K K 个 0 0 0。
只要我们枚举所有可能的右端点,将得到的区间的长度取最大值,即可得到答案。
要想快速判断一个区间内 0 0 0 的个数,我们可以考虑将数组 A A A 中的 0 0 0 变成 1 1 1, 1 1 1 变成 0 0 0。此时,我们对数组 A A A 求出前缀和,记为数组 P P P,那么 [ left , right ] [\textit{left}, \textit{right}] [left,right] 中包含不超过 K K K 个 1 1 1(注意这里就不是 00 了),当且仅当二者的前缀和之差:
P [ right ] − P [ left − 1 ] P[\textit{right}] - P[\textit{left} - 1] P[right]−P[left−1]
小于等于 K K K。这样一来,我们就可以容易地解决这个问题了。
- 二分查找
思路与算法
P [ right ] − P [ left − 1 ] ≤ K P[\textit{right}] - P[\textit{left} - 1] \leq K P[right]−P[left−1]≤K
等价于
P [ left − 1 ] ≥ P [ right ] − K P[\textit{left} - 1] \geq P[\textit{right}] - K P[left−1]≥P[right]−K ( 1 ) (1) (1)
也就是说,我们需要找到最小的满足 ( 1 ) (1) (1) 式的 left l e f t \textit{left}left leftleft。由于数组 A A A 中仅包含 0 / 1 0/1 0/1,因此前缀和数组是一个单调递增的数组,我们就可以使用二分查找的方法得到 left \textit{left} left。
细节
注意到 ( 1 ) (1) (1) 式的左侧的下标是 left − 1 \textit{left}-1 left−1 而不是 left \textit{left} left,那么我们在构造前缀和数组时,可以将前缀和整体向右移动一位,空出 P [ 0 ] P[0] P[0] 的位置,即:
{ P [ 0 ] = 0 P [ i ] = P [ i − 1 ] + ( 1 − A [ i − 1 ] ) \begin{cases} P[0] = 0 \\ P[i] = P[i-1] + (1 - A[i-1]) \end{cases} {P[0]=0P[i]=P[i−1]+(1−A[i−1])
此时,我们在数组 P P P 上二分查找到的下标即为 left \textit{left} left 本身,同时我们也避免了原先 left = 0 \textit{left}=0 left=0 时 left − 1 = − 1 \textit{left}-1=-1 left−1=−1不在数组合法的下标范围中的边界情况。
class Solution {
public:
int longestOnes(vector<int> &A, int K) {
int n = A.size(),res=0;
vector<int> sum(n + 1);
for (int i = 1; i <= n; i++) {
sum[i] = sum[i - 1] + (1-A[i - 1]);
}
for (int right = 0; right < n; right++) {
int left = lower_bound(sum.begin(), sum.end(),sum[right+1]-K) - sum.begin();
res = max(res, right - left + 1);
}
return res;
}
};
- 滑动窗口
思路与算法
我们继续观察 ( 1 ) (1) (1) 式,由于前缀和数组 P P P 是单调递增的,那么 ( 1 ) (1) (1) 式的右侧 P [ right ] − K P[\textit{right}] - K P[right]−K 同样也是单调递增的。因此,我们可以发现:
随着 right \textit{right} right 的增大,满足 ( 1 ) (1) (1) 式的最小的 left \textit{left} left 值是单调递增的。
这样一来,我们就可以使用滑动窗口来实时地维护 left \textit{left} left 和 right \textit{right} right 了。在 right \textit{right} right 向右移动的过程中,我们同步移动 left \textit{left} left,直到 left \textit{left} left 为首个(即最小的)满足 ( 1 ) (1) (1) 式的位置,此时我们就可以使用此区间对答案进行更新了。
细节
当我们使用滑动窗口代替二分查找解决本题时,就不需要显式地计算并保存出前缀和数组了。我们只需要知道 left \textit{left} left 和 right \textit{right} right 作为下标在前缀和数组中对应的值,因此我们只需要用两个变量 lsum \textit{lsum} lsum 和 rsum \textit{rsum} rsum 记录 left \textit{left} left 和 right \textit{right} right 分别对应的前缀和即可。
class Solution {
public:
int longestOnes(vector<int> &A, int K) {
int n = A.size(), res = 0, lsum = 0, rsum = 0, left = 0, right = 0;
vector<int> sum(n + 1);
while (right < n) {
rsum += (1 - A[right]);
while (rsum - lsum > K) {
lsum += (1 - A[left]);
left++;
}
res = max(res, right - left+1);
right++;
}
return res;
}
};