【算法】前缀和算法——和为k的子数组之和

简介: 【算法】前缀和算法——和为k的子数组之和

题解:和为k的子数组之和(前缀和算法)

1.题目

题目链接:LINK

2.题解思路

暴力求解自然不用多说,时间复杂度是O(N^2)

可以用前缀和算法来进行求解,但是要做适当的转换。

2.1前缀和 + 哈希表,算法步骤:

首先,我们在遍历的时候要按照以i位置为结尾的子数组进行遍历。

第二,要与前缀和相结合

我们要求的是和为k的子数组,可以转换为谁前缀和为sum[i] - k

第三,我们计算出前缀和如果挨个遍历前缀和数组来找谁等于sum[i] - k的话时间复杂度还是O(N^2),因而我们要借助哈希表把每次找sum[i] - k值从O(N) 降到O(1)

2.2细节如下:

2.3参考代码:

class Solution {
public:
    int subarraySum(vector<int>& nums, int k) {
        unordered_map<int, int> hash; // 统计前缀和出现的次数
        hash[0] = 1;
        int sum = 0, ret = 0;
        for (auto x : nums) {
            sum += x;             // 计算当前位置的前缀和
            int target = sum - k; // 本次我们哈希表中要找的目标值
            if (hash.count(target))
                ret += hash[target]; // 统计个数
            hash[sum]++; // 将该次前缀和入到哈希表中,供下次使用
        }
        return ret;
    }
};

3.总结及思考

我感觉这个题目解法好难理解,虽然这个方法可行,但是还是有一些地方我感觉不太明白。

1.为什么不能用双指针(滑动窗口来做)?

因为这个题目数组 不具有单调性(有负数), 两个指针不能一直同向移动。不满足滑动窗口的使用前提条件。

2.为什么要将以i为开始的子数组转换为以i为结尾的子数组???

因为要 为下一步使用前缀和做铺垫

3.为什么要将前缀和数组用一个变量来替代?

因为 下一次所用的前缀和具有规律性,不用存着不需要的值

4.为什么要借助哈希表?

因为要 把每次找sum[i] - k的值的时间复杂度从O(N) --> O(1)


EOF

相关文章
|
2月前
|
算法
【算法】前缀和——二维前缀和模板题
【算法】前缀和——二维前缀和模板题
|
2月前
|
算法
【算法】前缀和——前缀和
【算法】前缀和——前缀和
|
2月前
|
算法
【算法】滑动窗口——长度最小的子数组
【算法】滑动窗口——长度最小的子数组
|
26天前
|
存储 算法 Java
前缀和算法
本文介绍了前缀和及其变种在解决区间求和问题中的应用。首先,一维前缀和可通过预处理数组快速求得任意区间的和。接着,二维前缀和扩展了这一思想,适用于矩阵操作。此外,文章探讨了如何利用前缀和解决诸如“寻找数组中心下标”、“除自身以外数组的乘积”等问题,并进一步讲解了涉及哈希表优化的“和为 K 的子数组”等相关题目。最后,通过实例展示了如何在矩阵中高效计算特定区域的元素之和。文中包含代码示例与图解说明,便于理解。
33 0
前缀和算法
|
18天前
|
人工智能 算法 C++
一篇带你速通前缀和算法(C/C++)
一篇带你速通前缀和算法(C/C++)
|
2月前
|
算法 C++
【算法】前缀和算法——和可被K整除的子数组
【算法】前缀和算法——和可被K整除的子数组
|
2月前
|
算法
【算法】前缀和——除自身以外数组的乘积
【算法】前缀和——除自身以外数组的乘积
|
2月前
|
算法
【算法】前缀和——寻找数组的中心下标
【算法】前缀和——寻找数组的中心下标
|
2月前
|
算法 Java
LeetCode初级算法题:子数组最大平均数+二叉树的最小深度+最长连续递增序列+柠檬水找零
LeetCode初级算法题:子数组最大平均数+二叉树的最小深度+最长连续递增序列+柠檬水找零
37 0
|
17天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于MSER和HOG特征提取的SVM交通标志检测和识别算法matlab仿真
### 算法简介 1. **算法运行效果图预览**:展示算法效果,完整程序运行后无水印。 2. **算法运行软件版本**:Matlab 2017b。 3. **部分核心程序**:完整版代码包含中文注释及操作步骤视频。 4. **算法理论概述**: - **MSER**:用于检测显著区域,提取图像中稳定区域,适用于光照变化下的交通标志检测。 - **HOG特征提取**:通过计算图像小区域的梯度直方图捕捉局部纹理信息,用于物体检测。 - **SVM**:寻找最大化间隔的超平面以分类样本。 整个算法流程图见下图。

热门文章

最新文章