差分数组的实用和简单记忆

假设 res[x] 表示的是，nums[i] + nums[n - 1 - i] 为 x 的时候，需要多少次操作。

nums[i] + nums[n - 1 - i] 的结果范围有限

我们只需要计算出所有的 x 对应的 res[x], 取最小值就好了。

极值点定边界

根据题意，nums[i] + nums[n - 1 - i] 最小是 2，即将两个数都修改为 1；最大是 2 * limit，即将两个数都修改成 limit。

所以，res[x] 中 x 的取值范围是 [2, 2 * limit]。我们用一个 res[2 * limit + 1] 的数组就好。

关键是，如何求出每一个 res[x] 位置的值，即修改后互补的数字和为 x，需要多少操作？

为了叙述方便，假设 nums[i] 为 A；nums[n - 1 - i] 为 B。

显然有：

如果修改后两个数字的和是 A + B，我们使用的操作数是 0 (没有修改));

将这个逻辑反过来会比较好理解，不操作和是A+B

否则的话，如果修改后两个数字和在 [1 + min(A, B), limit + max(A, B)] 的范围，我们使用的操作数是 1 (只需要修改 A 或者 B 就好);

将这个逻辑反过来会比较好理解，操作1次可以获得的区间是 [1 + min(A, B), limit + max(A, B)]

否则的话，如果修改后两个数字和在 [2, 2 * limit] 的范围，我们使用的操作数是 ``2`(两个数字都要修改));

所以，我们的算法是遍历每一组 nums[i] 和 nums[n - 1 - i]，然后：

类似卫语句的效果

先将 [2, 2 * limit] 的范围需要的操作数 + 2；

之后，将 [1 + min(A, B), limit + max(A, B)] 的范围需要的操作数 - 1（即 2 - 1 = 1，操作 1 次）；

之后，将 [A + B] 位置的值再 -1（即 1 - 1 = 0，操作 0 次）。

可以看出，整个过程都是在做区间更新。最后，我们查询每一个位置的值，取最小值就好。

对于这个需求，我们当然可以使用线段树或者树状数组解决，但代码量稍大，且复杂度也是 O(nlogn) 的。

但是仔细观察，我们发现，我们只需要作区间更新，和单点查询。

对于这个需求，有一种非常常规的”数据结构“，叫差分数组，完全满足需求，并且编程极其简单，整体可以在 O(n) 的时间解决。

简单来说，差分数组 diff[i]，存储的是 res[i] - res[i - 1]；而差分数组 diff[0…i] 的和，就是 res[i] 的值。

如果我们想给 [l, r] 的区间加上一个数字 a, 只需要 diff[l] += a，diff[r + 1] -= a。

这样做，diff[0…i] 的和，就是更新后 res[i] 的值。

差分数组简单理解和记忆：差分数组保存的是每两个元素之间的差值，那一直累加起来就是对应的原始数组。