【华为OD】2024D卷——查找接口成功率最优时间段

题目描述：
服务之间交换的接口成功率作为服务调用关键质量特性，某个时间段内的接口失败率使用一个数组表示，数组中每个元素都是单位时间内失败率数值，
数组中的数值为0～100的整数，给定一个数值（minAverageLost）表示某个时间段内平均失败率容忍值，即平均失败率小于等于minAverageLost，
找出数组中最长时间段，如果未找到则直接返回NULL。

输入描述：
输入有两行内容，
第一行为{minAverageLost），
第二行为（数组），
数组元索通过空格（“ ”）分隔，
minAverageLost及数组中元素取值范围为0～100的整数，数组元素的个数不会超过100个。

输出描述：
找出平均值小于等于minAverageLost的最长时间段，输出数组下标对，格式[beginlndex}-{endlndx}（下标从0开始），
如果同时存在多个最长时间段，则输出多个下标对且下标对之间使用空格（“ ”）拼接，多个下标对按下标从小到大排序。

示例1



输入：
1
0 1 2 3 4
输出：
0-2

说明：
A、输入解释：minAverageLost=1,数组[0,1.2.3.4]
B、前3个元素的平均值为1，因此数组第一个至第三个数组下标，即0-2

---

解题思路：

1、处理输入

2、滑动窗口：

        start、end均从0开始新建窗口，

        对应窗口值average = sum(list[start:end + 1]) / end -start + 1;

        当窗口值 > minAverageLost时，缩小窗口，得到满足条件的最大窗口（子数组）长度

3、处理输出：

        使用字典存储符合条件的子数组（start, end）、 子数组长度；

        获取最大子数组长度，格式化输出对应start ,end

---

代码部分

def minAverageArray(minAverageLost, losts):
    start = 0       #窗口开始位置
    length_lost = len(losts)
    sub_sn = {}     #字典存储所有小于minAverageLost的位置（start,end）元组与长度

    # 求子数组平均值
    def aver(lists, start, end, length):
        if end - start + 1 == 1:
            return lists[start]
        else:
            return sum(lists[start:end + 1]) / length

    for end in range(length_lost):
        tmp_len = end - start + 1       #窗口大小
        # tmp_aver = sum(losts[start:end]) / tmp_len     #窗口值
        while aver(losts, start, end, tmp_len) > minAverageLost:       #当窗口值大于容忍值时，减小窗口
            if tmp_len == 1:
                break
            start += 1      #减小窗口
            tmp_len = end - start + 1  # 窗口大小
        #存储所有窗口值 小于 忍耐值的 窗口
        sub_sn[(start, end)] = tmp_len

    # 求最大窗口值（符合条件的最长数组长度）
    length_sub = max(sub_sn.values())
    # 排序后，字典对象转变为列表对象
    sort_sub_sn = sorted(sub_sn.items(), key=lambda x: (-x[1], x[0][0]))
    # 存储最大的位置序列
    sub_list = []
    for x in sort_sub_sn:
        if x[1] == length_sub:
            s = '{}-{}'.format(x[0][0], x[0][1])
            sub_list.append(s)
    return sub_list

if __name__ =='__main__':
    minAverageLost = int(input())
    losts = list(map(int, input().split()))
    result_list = minAverageArray(minAverageLost, losts)
    print(' '.join(result_list))

---

其他思路：

        可以将滑动窗口的窗口值设为sum[start: end + 1]；

        找到满足窗口（子数组）长度 *  minAverageLost  < sumsum[start: end + 1]时，缩小窗口

---

代码部分

def minAverageArray_I(failure_rates, min_average_lost):
    n = len(failure_rates)
    if n == 0:
        return None
        # 存储满足条件的时间段的下标对
    results = []
    # 窗口的左边界和右边界
    left = 0
    sum_failure = 0
    max_length = 0

    for right in range(n):
        # 将当前失败率加入到窗口内总和
        sum_failure += failure_rates[right]
        # 当窗口内平均失败率大于容忍值时，尝试缩小窗口
        while (right - left + 1) * min_average_lost < sum_failure:
            sum_failure -= failure_rates[left]
            left += 1
            # 如果当前窗口满足条件，并且比之前的更长，则更新结果
        if (right - left + 1) > max_length:
            max_length = right - left + 1
            results = [f"{left}-{right}"]  # 重置结果列表，因为可能存在多个等长最优解，但这里只保留最新一个
        elif (right - left + 1) == max_length:
            results.append(f"{left}-{right}")  # 长度相同，添加新解

    return " ".join(results) if results else None

---

知识点：滑动窗口、列表

---

结语：越简单的题目解法应该越多，请路过大神留下新的思路供本小白学习一下，打开思路