点击 这里 可以查看更多算法面试相关内容~
题目描述
这是 LeetCode 上的1004. 最大连续1的个数 III,难度为 Medium。
给定一个由若干 0 和 1 组成的数组 A,我们最多可以将 K 个值从 0 变成 1 。
返回仅包含 1 的最长(连续)子数组的长度。
示例 1:
输入: A = [1,1,1,0,0,0,1,1,1,1,0], K = 2 输出: 6 解释: [1,1,1,0,0,1,1,1,1,1,1] 粗体数字从 0 翻转到 1,最长的子数组长度为 6。 复制代码
示例 2:
输入: A = [0,0,1,1,0,0,1,1,1,0,1,1,0,0,0,1,1,1,1], K = 3 输出: 10 解释: [0,0,1,1,1,1,1,1,1,1,1,1,0,0,0,1,1,1,1] 粗体数字从 0 翻转到 1,最长的子数组长度为 10。 复制代码
提示:
1 <= A.length <= 20000
0 <= K <= A.length
A[i]
为 0 或 1
动态规划解法(TLE)
看到本题,其实首先想到的是 DP,但是 DP 是 O(nk)O(nk)O(nk) 算法。
看到了数据范围是 10410^4104,那么时空复杂度应该都是 10810^8108。
空间可以通过「滚动数组」优化到 10410^4104,但时间无法优化,会超时。
PS. 什么时候我们会用 DP 来解本题?通过如果 K 的数量级不超过 1000 的话,DP 应该是最常规的做法。
class Solution { public int longestOnes(int[] nums, int k) { int n = nums.length; // f(i,j) 代表考虑前 i 个数(并以 i 为结尾的),最大翻转次数为 j 时,连续 1 的最大长度 int[][] f = new int[2][k + 1]; int ans = 0; for (int i = 1; i <= n; i++) { for (int j = 0; j <= k; j++) { if (nums[i - 1] == 1) { f[i & 1][j] = f[(i - 1) & 1][j] + 1; } else { f[i & 1][j] = j == 0 ? 0 : f[(i - 1) & 1][j - 1] + 1; } ans = Math.max(ans, f[i & 1][j]); } } return ans; } } 复制代码
- 时间复杂度:O(nk)O(nk)O(nk)
- 空间复杂度:O(k)O(k)O(k)
前缀和 + 二分 解法
从数据范围上分析,平方级别的算法过不了,往下优化就应该是对数级别的算法。
因此,很容易我们就会想到「二分」。
当然还需要我们对问题做一下等价变形。
最大替换次数不超过 k
次,可以将问题转换为找出连续一段区间 [l,r]
,使得区间中出现 0 的次数不超过 k
次。
我们可以枚举区间 左端点/右端点 ,然后找到其满足「出现 0 的次数不超过 k
次」的最远右端点/最远左端点。
为了快速判断 [l,r]
之间出现 0 的个数,我们需要用到前缀和。
假设 [l,r]
的区间长度为 len
,区间和为 tot
,那么出现 0 的格式为 len - tol
,再与 k
进行比较。
由于数组中不会出现负权值,因此前缀和数组具有「单调性」,那么必然满足「其中一段满足 len - tol <= k
,另外一段不满足 len - tol <= k
」。
因此,对于某个确定的「左端点/右端点」而言,以「其最远右端点/最远左端点」为分割点的前缀和数轴,具有「二段性」。可以通过二分来找分割点。
class Solution { public int longestOnes(int[] nums, int k) { int n = nums.length; int ans = 0; int[] sum = new int[n + 1]; for (int i = 1; i <= n; i++) sum[i] = sum[i - 1] + nums[i - 1]; for (int i = 0; i < n; i++) { int l = 0, r = i; while (l < r) { int mid = l + r >> 1; if (check(sum, mid, i, k)) { r = mid; } else { l = mid + 1; } } if (check(sum, r, i, k)) ans = Math.max(ans, i - r + 1); } return ans; } boolean check(int[] sum, int l, int r, int k) { int tol = sum[r + 1] - sum[l], len = r - l + 1; return len - tol <= k; } } 复制代码
- 时间复杂度:O(nlogn)O(n\log{n})O(nlogn)
- 空间复杂度:O(n)O(n)O(n)
关于二分结束后再次 check
的说明:由于「二分」本质是找满足某个性质的分割点,通常我们的某个性质会是「非等值条件」,不一定会取得 =
。
例如我们很熟悉的:从某个非递减数组中找目标值,找到返回下标,否则返回 -1。
当目标值不存在,「二分」找到的应该是数组内比目标值小或比目标值大的最接近的数。因此二分结束后先进行 check
再使用是一个好习惯。
双指针解法
由于我们总是比较 len
、tot
和 k
三者的关系。
因此我们可以使用「滑动窗口」的思路,动态维护一个左右区间 [j, i]
和维护窗口内和 tot
。
右端点一直右移,左端点在窗口不满足「len - tol <= k
」的时候进行右移。
即可做到线程扫描的复杂度:
class Solution { public int longestOnes(int[] nums, int k) { int n = nums.length; int ans = 0; for (int i = 0, j = 0, tot = 0; i < n; i++) { tot += nums[i]; while ((i - j + 1) - tot > k) tot -= nums[j++]; ans = Math.max(ans, i - j + 1); } return ans; } } 复制代码
- 时间复杂度:O(n)O(n)O(n)
- 空间复杂度:O(1)O(1)O(1)
总结
除了掌握本题解法以外,我还希望你能理解这几种解法是如何被想到的(特别是如何从「动态规划」想到「二分」)。
根据数据范围(复杂度)调整自己所使用的算法的分析能力,比解决该题本身更加重要。
最后
这是我们「刷穿 LeetCode」系列文章的第 No.*
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,我们将先将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。
由于 LeetCode 的题目随着周赛 & 双周赛不断增加,为了方便我们统计进度,我们将按照系列起始时的总题数作为分母,完成的题目作为分子,进行进度计算。当前进度为 */1916
。
为了方便各位同学能够电脑上进行调试和提交代码,我在 Github 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 原题链接和一些其他的优选题解。