[leetcode/lintcode 题解] 算法面试真题详解:最大值在界内的子数组个数

简介: [leetcode/lintcode 题解] 算法面试真题详解:最大值在界内的子数组个数

描述
给定一个包含正整数的数组A , 以及两个正整数 L 和R (L <= R).
返回最大元素值在范围[L, R]之间的子数组(连续, 非空)的个数。

  1. L, R 和A[i]的范围在[0, 10^9]内.
  2. A的长度在 [1, 50000]内.

在线评测地址:领扣题库官网

样例1
输入: A = [2, 1, 4, 3], L = 2, R = 3
输出: 3
解释: 有三个子数组满足要求:[2], [2, 1], [3].
样例2
输入: A = [7,3,6,7,1], L = 1, R = 4
输出: 2

解题思路
一个子数组可以用一对下标 (l, r) 表示.
原本的数组可以视为被 大于R 的元素分割了, 因为大于R的元素下标必然不会在任一对合法的子数组内.
假定我们已经以 大于R 的元素将数组分割了, 那么现在我们考虑在一个不含大于R的元素的数组内, 如何求解答案:
运用容斥原理, 答案 = 所有子数组数量 - 不合法的子数组数量.
而不合法的子数组的数量就等于两个不小于L的元素之间的间隔部分的子数组数量, 就是相当于再以不小于L的元素分割, 这时得到的所有数组的全部子数组数量综合就是上面要减去的数量.
可以在一个循环内完成上述工作, 时间复杂度O(n), n是数组长度.
源代码

public class Solution {
    /**
     * @param A: an array
     * @param L: an integer
     * @param R: an integer
     * @return: the number of subarrays such that the value of the maximum array element in that subarray is at least L and at most R
     */
    public int numSubarrayBoundedMax(int[] A, int L, int R) {
        int n = A.length;
        if (n == 0) {
            return 0;
        }
        
        int ans = 0;
        for (int l = 0, r = 0; l < n; l++, r++) {
            int maxv = A[r];
            while (maxv <= R) { // 以大于R的元素为分割
                r++;
                if (r >= n) {
                    break;
                }
                maxv = Math.max(maxv, A[r]);
            }
            
            // 当前[l, r)范围的下标构成的子数组就是被大于R的元素分割出来的一段
            ans += (r - l) * (r - l + 1) / 2; // 这一段的全体子数组的数量
            int last = l - 1;    // last表示上一个不小于L的元素的位置
            for (; l < r; l++) { // 运用容斥原理把这一段内非法的再减去
                if (A[l] >= L) { // 以.表示小于L的元素, 以#表示不小于L的元素, 例如 ..#..#..., 我们要减去的就是每一段连续的.含有的的子数组的数量和
                    ans -= (l - last) * (l - last - 1) / 2; 
                    last = l;
                }
            }
            ans -= (r - last) * (r - last - 1) / 2; // 不要忘记末尾还有一段
        } 
        
        return ans;
    }
}

更多题解参考:九章官网solution

相关文章
|
25天前
|
算法 安全 Java
Java线程调度揭秘:从算法到策略,让你面试稳赢!
在社招面试中,关于线程调度和同步的相关问题常常让人感到棘手。今天,我们将深入解析Java中的线程调度算法、调度策略,探讨线程调度器、时间分片的工作原理,并带你了解常见的线程同步方法。让我们一起破解这些面试难题,提升你的Java并发编程技能!
65 16
|
4月前
|
算法 Java 数据库
美团面试:百亿级分片,如何设计基因算法?
40岁老架构师尼恩分享分库分表的基因算法设计,涵盖分片键选择、水平拆分策略及基因法优化查询效率等内容,助力面试者应对大厂技术面试,提高架构设计能力。
美团面试:百亿级分片,如何设计基因算法?
|
4月前
|
算法 前端开发 Java
数据结构与算法学习四:单链表面试题,新浪、腾讯【有难度】、百度面试题
这篇文章总结了单链表的常见面试题,并提供了详细的问题分析、思路分析以及Java代码实现,包括求单链表中有效节点的个数、查找单链表中的倒数第k个节点、单链表的反转以及从尾到头打印单链表等题目。
53 1
数据结构与算法学习四:单链表面试题,新浪、腾讯【有难度】、百度面试题
|
4月前
|
机器学习/深度学习 算法 Java
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
|
4月前
|
算法 Java 数据库
美团面试:百亿级分片,如何设计基因算法?
40岁老架构师尼恩在读者群中分享了关于分库分表的基因算法设计,旨在帮助大家应对一线互联网企业的面试题。文章详细介绍了分库分表的背景、分片键的设计目标和建议,以及基因法的具体应用和优缺点。通过系统化的梳理,帮助读者提升架构、设计和开发水平,顺利通过面试。
美团面试:百亿级分片,如何设计基因算法?
|
4月前
|
算法 Java 数据中心
探讨面试常见问题雪花算法、时钟回拨问题,java中优雅的实现方式
【10月更文挑战第2天】在大数据量系统中,分布式ID生成是一个关键问题。为了保证在分布式环境下生成的ID唯一、有序且高效,业界提出了多种解决方案,其中雪花算法(Snowflake Algorithm)是一种广泛应用的分布式ID生成算法。本文将详细介绍雪花算法的原理、实现及其处理时钟回拨问题的方法,并提供Java代码示例。
148 2
|
6月前
|
存储 Java
【IO面试题 四】、介绍一下Java的序列化与反序列化
Java的序列化与反序列化允许对象通过实现Serializable接口转换成字节序列并存储或传输,之后可以通过ObjectInputStream和ObjectOutputStream的方法将这些字节序列恢复成对象。
|
3月前
|
存储 缓存 算法
面试官:单核 CPU 支持 Java 多线程吗?为什么?被问懵了!
本文介绍了多线程环境下的几个关键概念,包括时间片、超线程、上下文切换及其影响因素,以及线程调度的两种方式——抢占式调度和协同式调度。文章还讨论了减少上下文切换次数以提高多线程程序效率的方法,如无锁并发编程、使用CAS算法等,并提出了合理的线程数量配置策略,以平衡CPU利用率和线程切换开销。
面试官:单核 CPU 支持 Java 多线程吗?为什么?被问懵了!
|
3月前
|
存储 算法 Java
大厂面试高频:什么是自旋锁?Java 实现自旋锁的原理?
本文详解自旋锁的概念、优缺点、使用场景及Java实现。关注【mikechen的互联网架构】,10年+BAT架构经验倾囊相授。
大厂面试高频:什么是自旋锁?Java 实现自旋锁的原理?
|
3月前
|
存储 缓存 Java
大厂面试必看!Java基本数据类型和包装类的那些坑
本文介绍了Java中的基本数据类型和包装类,包括整数类型、浮点数类型、字符类型和布尔类型。详细讲解了每种类型的特性和应用场景,并探讨了包装类的引入原因、装箱与拆箱机制以及缓存机制。最后总结了面试中常见的相关考点,帮助读者更好地理解和应对面试中的问题。
96 4