373. 查找和最小的K对数字 :「多路归并」&「二分」

简介: 373. 查找和最小的K对数字 :「多路归并」&「二分」

网络异常,图片无法展示
|

题目描述



这是 LeetCode 上的 373. 查找和最小的K对数字 ,难度为 中等


Tag : 「优先队列」、「二分」、「多路归并」


给定两个以升序排列的整数数组 nums1nums2 , 以及一个整数 k


定义一对值 (u,v)(u,v),其中第一个元素来自 nums1,第二个元素来自 nums2


请找到和最小的 k 个数对 (u_1,v_1),  (u_2,v_2)  ...  (u_k,v_k)(u1,v1),(u2,v2)...(uk,vk)


示例 1:


输入: nums1 = [1,7,11], nums2 = [2,4,6], k = 3
输出: [1,2],[1,4],[1,6]
解释: 返回序列中的前 3 对数:
     [1,2],[1,4],[1,6],[7,2],[7,4],[11,2],[7,6],[11,4],[11,6]
复制代码


示例 2:


输入: nums1 = [1,1,2], nums2 = [1,2,3], k = 2
输出: [1,1],[1,1]
解释: 返回序列中的前 2 对数:
     [1,1],[1,1],[1,2],[2,1],[1,2],[2,2],[1,3],[1,3],[2,3]
复制代码


示例 3:


输入: nums1 = [1,2], nums2 = [3], k = 3 
输出: [1,3],[2,3]
解释: 也可能序列中所有的数对都被返回:[1,3],[2,3]
复制代码


提示:


  • 1 <= nums1.length, nums2.length <= 10^41<=nums1.length,nums2.length<=104
  • -10^9 <= nums1[i], nums2[i] <= 10^9109<=nums1[i],nums2[i]<=109
  • nums1, nums2 均为升序排列nums1,nums2
  • 1 <= k <= 10001<=k<=1000


基本分析



这道题和 (题解) 786. 第 K 个最小的素数分数 几乎是一模一样,先做哪一道都是一样的,难度上没有区别 🤣


最常规的做法是使用「多路归并」,还不熟悉「多路归并」的同学,建议先学习前置🧀:多路归并入门,里面讲述了如何从「朴素优先队列」往「多路归并」进行转换。


多路归并



nums1nums1 的长度为 nnnums2nums2 的长度为 mm,所有的点对数量为 n * mnm


其中每个 nums1[i]nums1[i] 参与所组成的点序列为:


[(nums1[0], nums2[0]), (nums1[0], nums2[1]), ..., (nums1[0], nums2[m - 1])]\\ [(nums1[1], nums2[0]), (nums1[1], nums2[1]), ..., (nums1[1], nums2[m - 1])]\\ ...\\ [(nums1[n - 1], nums2[0]), (nums1[n - 1], nums2[1]), ..., (nums1[n - 1], nums2[m - 1])]\\[(nums1[0],nums2[0]),(nums1[0],nums2[1]),...,(nums1[0],nums2[m1])][(nums1[1],nums2[0]),(nums1[1],nums2[1]),...,(nums1[1],nums2[m1])]...[(nums1[n1],nums2[0]),(nums1[n1],nums2[1]),...,(nums1[n1],nums2[m1])]


由于 nums1nums1nums2nums2 均已按升序排序,因此每个 nums1[i]nums1[i] 参与构成的点序列也为升序排序,这引导我们使用「多路归并」来进行求解。


具体的,起始我们将这 nn 个序列的首位元素(点对)以二元组 (i, j)(i,j) 放入优先队列(小根堆),其中 ii 为该点对中 nums1[i]nums1[i] 的下标,jj 为该点对中 nums2[j]nums2[j] 的下标,这步操作的复杂度为 O(n\log{n})O(nlogn)。这里也可以得出一个小优化是:我们始终确保 nums1nums1 为两数组中长度较少的那个,然后通过标识位来记录是否发生过交换,确保答案的点顺序的正确性。


每次从优先队列(堆)中取出堆顶元素(含义为当前未被加入到答案的所有点对中的最小值),加入答案,并将该点对所在序列的下一位(如果有)加入优先队列中。


举个 🌰,首次取出的二元组为 (0, 0)(0,0),即点对 (nums1[0], nums2[0])

(nums1[0],nums2[0]),取完后将序列的下一位点对 (nums1[0], nums2[1])(nums1[0],nums2[1]) 以二元组 (0, 1)(0,1) 形式放入优先队列。


可通过「反证法」证明,每次这样的「取当前,放入下一位」的操作,可以确保当前未被加入答案的所有点对的最小值必然在优先队列(堆)中,即前 kk 个出堆的元素必然是所有点对的前 kk 小的值。


代码(感谢 @Benhao 同学提供的其他语言版本):


class Solution {
    boolean flag = true;
    public List<List<Integer>> kSmallestPairs(int[] nums1, int[] nums2, int k) {
        List<List<Integer>> ans = new ArrayList<>();
        int n = nums1.length, m = nums2.length;
        if (n > m && !(flag = false)) return kSmallestPairs(nums2, nums1, k);
        PriorityQueue<int[]> q = new PriorityQueue<>((a,b)->(nums1[a[0]]+nums2[a[1]])-(nums1[b[0]]+nums2[b[1]]));
        for (int i = 0; i < Math.min(n, k); i++) q.add(new int[]{i, 0});
        while (ans.size() < k && !q.isEmpty()) {
            int[] poll = q.poll();
            int a = poll[0], b = poll[1];
            ans.add(new ArrayList<>(){{
                add(flag ? nums1[a] : nums2[b]);
                add(flag ? nums2[b] : nums1[a]);
            }});
            if (b + 1 < m) q.add(new int[]{a, b + 1});
        }
        return ans;
    }
}
复制代码

class Solution:
    def kSmallestPairs(self, nums1: List[int], nums2: List[int], k: int) -> List[List[int]]:
        flag, ans = (n := len(nums1)) > (m := len(nums2)), []
        if flag:
            n, m, nums1, nums2 = m, n, nums2, nums1
        pq = []
        for i in range(min(n, k)):
            heapq.heappush(pq, (nums1[i] + nums2[0], i, 0))
        while len(ans) < k and pq:
            _, a, b = heapq.heappop(pq)
            ans.append([nums2[b], nums1[a]] if flag else [nums1[a], nums2[b]])
            if b + 1 < m:
                heapq.heappush(pq, (nums1[a] + nums2[b + 1], a, b + 1))
        return ans
复制代码

func kSmallestPairs(nums1 []int, nums2 []int, k int) [][]int {
    n, m, ans := len(nums1), len(nums2), [][]int{}
    flag := n > m
    if flag {
        n, m, nums1, nums2 = m, n, nums2, nums1
    }
    if n > k {
        n = k
    }
    pq := make(hp, n)
    for i := 0; i < n; i++ {
        pq[i] = []int{nums1[i] + nums2[0], i, 0}
    }
    heap.Init(&pq)
    for pq.Len() > 0 && len(ans) < k {
        poll := heap.Pop(&pq).([]int)
        a, b := poll[1], poll[2] 
        if flag{
            ans = append(ans, []int{nums2[b], nums1[a]})
        }else{
            ans = append(ans, []int{nums1[a], nums2[b]})
        }
        if b < m - 1 {
            heap.Push(&pq, []int{nums1[a] + nums2[b + 1], a, b + 1})
        }
    }
    return ans
}
// 最小堆模板
type hp [][]int
func (h hp) Len() int            { return len(h) }
func (h hp) Less(i, j int) bool  { return h[i][0] < h[j][0] }
func (h hp) Swap(i, j int)       { h[i], h[j] = h[j], h[i] }
func (h *hp) Push(v interface{}) { *h = append(*h, v.([]int)) }
func (h *hp) Pop() interface{}   { a := *h; v := a[len(a)-1]; *h = a[:len(a)-1]; return v }
复制代码


  • 时间复杂度:令 MMnnmmkk 三者中的最小值,复杂度为 O(M + k) * \log{M})O(M+k)logM)
  • 空间复杂度:O(M)O(M)


二分



我们还能够使用多次「二分」来做。


假设我们将所有「数对和」按照升序排序,两端的值分别为 l = nums1[0] + nums2[0]l=nums1[0]+nums2[0]r = nums1[n - 1] + nums2[m - 1]r=nums1[n1]+nums2[m1]


因此我们可以在值域 [l, r][l,r] 上进行二分,找到第一个满足「点对和小于等于 xx 的,且数量超过 kk 的值 xx」。


之所以能够二分,是因为 xx 所在的点对和数轴上具有二段性:


  • 点对和小于 xx 的点对数量少于 kk 个;
  • 点对和大于等于 xx 的点对数量大于等于 kk 个。


判定小于等于 xx 的点对数量是否大于等于 kk 个这一步可直接使用循环来做,由于二分是从中间值开始,这一步不会出现跑满两层循环的情况。


当二分出第 kk 小的值为 xx 后,由于存在不同点对的点对和值相等,我们需要先将所有点对和小于等于 xx 的值加入答案,然后酌情把值等于 xx 的点对加入答案,知道满足答案数量为 kk


找值为 xx 的所有点对这一步,可以通过枚举 nums1[i]nums1[i],然后在 nums2nums2 上二分目标值 x - nums1[i]xnums1[i] 的左右端点来做。


最后,在所有处理过程中,我们都可以利用答案数组的大小与 kk 的关系做剪枝。


代码:


class Solution {
    int[] nums1, nums2;
    int n, m;
    public List<List<Integer>> kSmallestPairs(int[] n1, int[] n2, int k) {
        nums1 = n1; nums2 = n2;
        n = nums1.length; m = nums2.length;
        List<List<Integer>> ans = new ArrayList<>();
        int l = nums1[0] + nums2[0], r = nums1[n - 1] + nums2[m - 1];
        while (l < r) {
            int mid = l + r >> 1;
            if (check(mid, k)) r = mid;
            else l = mid + 1;
        }
        int x = r;
        for (int i = 0; i < n; i++) {
            for (int j = 0; j < m; j++) {
                if (nums1[i] + nums2[j] < x) {
                    List<Integer> temp = new ArrayList<>();
                    temp.add(nums1[i]); temp.add(nums2[j]);
                    ans.add(temp);
                } else break;
            }
        }
        for (int i = 0; i < n && ans.size() < k; i++) {
            int a = nums1[i], b = x - a;
            int c = -1, d = -1;
            l = 0; r = m - 1;
            while (l < r) {
                int mid = l + r >> 1;
                if (nums2[mid] >= b) r = mid;
                else l = mid + 1;
            }
            if (nums2[r] != b) continue;
            c = r;
            l = 0; r = m - 1;
            while (l < r) {
                int mid = l + r + 1 >> 1;
                if (nums2[mid] <= b) l = mid;
                else r = mid - 1;
            }
            d = r;
            for (int p = c; p <= d && ans.size() < k; p++) {
                List<Integer> temp = new ArrayList<>();
                temp.add(a); temp.add(b);
                ans.add(temp);
            }
        }
        return ans;
    }
    boolean check(int x, int k) {
        int ans = 0;
        for (int i = 0; i < n && ans < k; i++) {
            for (int j = 0; j < m && ans < k; j++) {
                if (nums1[i] + nums2[j] <= x) ans++;
                else break;
            }
        }
        return ans >= k;
    }
}
复制代码


  • 时间复杂度:假设点对和的值域大小范围为 MM,第一次二分的复杂度为 O((n * m) * \log{M})O((nm)logM);统计点对和值小于目标值 xx 的复杂度为 O(n * m)O(nm);统计所有点对和等于目标值的复杂度为 O(\max(n * \log{m}, k))O(max(nlogm,k))(整个处理过程中利用了大小关系做了剪枝,大多循环都不会跑满,实际计算量会比理论分析的要低)
  • 空间复杂度:O(k)O(k)


最后



这是我们「刷穿 LeetCode」系列文章的第 No.373 篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先把所有不带锁的题目刷完。


在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。


为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:github.com/SharingSour…


在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。

相关文章
|
5月前
|
算法 测试技术 C#
C++二分查找算法:包含每个查询的最小区间
C++二分查找算法:包含每个查询的最小区间
|
10月前
|
算法 测试技术 C#
C++二分查找算法:查找和最小的 K 对数字
C++二分查找算法:查找和最小的 K 对数字
|
3月前
|
存储
2559. 统计范围内的元音字符串数(前缀和) o(n)时间复杂度
2559. 统计范围内的元音字符串数(前缀和) o(n)时间复杂度
|
5月前
|
存储 算法 Java
给定一个二叉树,请你找出其中最长严格递增路径的长度。(提示:使用动态规划)
给定一个二叉树,请你找出其中最长严格递增路径的长度。(提示:使用动态规划)
35 0
|
5月前
leetcode-373:查找和最小的 K 对数字
leetcode-373:查找和最小的 K 对数字
36 0
|
10月前
|
算法 测试技术 C#
C++ 算法:区间和的个数
C++ 算法:区间和的个数
旋转数组的最小数字
旋转数组的最小数字
44 0
|
算法 前端开发
前端算法-最小的子数组的长度
前端算法-最小的子数组的长度
|
Python
LeetCode 76. 最小覆盖子串
给你一个字符串 s 、一个字符串 t 。返回 s 中涵盖 t 所有字符的最小子串。如果 s 中不存在涵盖 t 所有字符的子串,则返回空字符串 "" 。
107 0