798. 得分最高的最小轮调 : 上下界分析 + 差分应用

简介: 798. 得分最高的最小轮调 : 上下界分析 + 差分应用

网络异常,图片无法展示
|


题目描述



这是 LeetCode 上的 798. 得分最高的最小轮调 ,难度为 困难


Tag : 「区间求和问题」、「差分」


给你一个数组 numsnums,我们可以将它按一个非负整数 kk 进行轮调,这样可以使数组变为 [nums[k], nums[k + 1], ... nums[nums.length - 1], nums[0], nums[1], ..., nums[k-1]][nums[k],nums[k+1],...nums[nums.length1],nums[0],nums[1],...,nums[k1]] 的形式。此后,任何值小于或等于其索引的项都可以记作一分。


例如,数组为 nums = [2,4,1,3,0]nums=[2,4,1,3,0],我们按 k = 2k=2 进行轮调后,它将变成 [1,3,0,2,4][1,3,0,2,4]。这将记为 33 分,因为 1 > 01>0 [不计分]、3 > 13>1 [不计分]、0 <= 20<=2 [计 11 分]、2 <= 32<=3 [计 11 分],4 <= 44<=4 [计 11 分]。 在所有可能的轮调中,返回我们所能得到的最高分数对应的轮调下标 kk 。如果有多个答案,返回满足条件的最小的下标 kk


示例 1:


输入:nums = [2,3,1,4,0]
输出:3
解释:
下面列出了每个 k 的得分:
k = 0,  nums = [2,3,1,4,0],    score 2
k = 1,  nums = [3,1,4,0,2],    score 3
k = 2,  nums = [1,4,0,2,3],    score 3
k = 3,  nums = [4,0,2,3,1],    score 4
k = 4,  nums = [0,2,3,1,4],    score 3
所以我们应当选择 k = 3,得分最高。
复制代码


示例 2:


输入:nums = [1,3,0,2,4]
输出:0
解释:
nums 无论怎么变化总是有 3 分。
所以我们将选择最小的 k,即 0。
复制代码


提示:


  • 1 <= nums.length <= 10^51<=nums.length<=105
  • 0 <= nums[i] < nums.length0<=nums[i]<nums.length


上下界分析 + 差分应用



为了方便,令 nnnumsnums 长度(中文的数据范围是错的,数组长度应该是 10^5105,不是 2000020000)。


对于给定的 numsnums 而言,有效的轮调范围为 [0, n - 1][0,n1],即对于任意 nums[i]nums[i] 而言,可取的下标共有 nn 种。


假定当前下标为 ii,轮调次数为 kk,那么轮调后下标为 i - kik,当新下标为负数时,相当于 nums[i]nums[i] 出现在比原数组更“靠后”的位置,此时下标等价于 (i - k + n) \mod n(ik+n)modn


考虑什么情况下 nums[i]nums[i] 能够得分?


首先新下标的取值范围为 [0, n - 1][0,n1],即有 0 \leqslant i - k \leqslant n - 10ikn1 。由此可分析出 kk 的取值范围为:


0 \leqslant i - k \Leftrightarrow k \leqslant i0ikki

i - k \leqslant n - 1 \Leftrightarrow i - (n - 1) \leqslant kikn1i(n1)k

即由新下标取值范围可知 kk 的上下界分别为 iii - (n - 1)i(n1)


同时为了满足得分定义,还有 nums[i] \leqslant i - knums[i]ik,进行变形可得:


nums[i] \leqslant i - k \Leftrightarrow k \leqslant i - nums[i]nums[i]ikkinums[i]


此时我们有两个关于 kk 的上界 k \leqslant ikik \leqslant i - nums[i]kinums[i],由于 nums[i]nums[i] 取值范围为 [0, n)[0,n),则有 i - nums[i] \leqslant iinums[i]i,由于必须同时满足「合法移动(有效下标)」和「能够得分」,我们仅考虑范围更小(更严格)由 nums[i] \leqslant i - knums[i]ik 推导而来的上界 k \leqslant i - nums[i]kinums[i] 即可。


综上,nums[i]nums[i] 能够得分的 kk 的取值范围为 [i - (n - 1), i - nums[i]][i(n1),inums[i]]


最后考虑 [i - (n - 1), i - nums[i]][i(n1),inums[i]](均进行加 nnnn 转为正数)什么情况下为合法的连续段:


  • i - (n - 1) \leqslant i - nums[i]i(n1)inums[i] 时,[i - (n - 1), i - nums[i]][i(n1),inums[i]] 为合法连续段;
  • i - (n - 1) > i - nums[i]i(n1)>inums[i] 时,根据负数下标等价于 (i - k + n) \mod n(ik+n)modn,此时 [i - (n - 1), i - nums[i]][i(n1),inums[i]] 等价于 [0, i - nums[i]][0,inums[i]][i - (n - 1), n - 1][i(n1),n1] 两段。


至此,我们分析出原数组的每个 nums[i]nums[i] 能够得分的 kk 的取值范围,假定取值范围为 [l, r][l,r],我们可以对 [l, r][l,r] 进行 +1+1 标记,代表范围为 kk 能够得 11 分,当处理完所有的 nums[i]nums[i] 后,找到标记次数最多的位置 kk 即是答案。


标记操作可使用「差分」实现(不了解差分的同学,可以先看前置🧀:差分入门模板题,里面讲解了差分的两个核心操作「区间修改」&「单点查询」),而找标记次数最多的位置可对差分数组求前缀和再进行遍历即可。


代码:


class Solution {
    static int N = 100010;
    static int[] c = new int[N];
    void add(int l, int r) {
        c[l] += 1; c[r + 1] -= 1;
    }
    public int bestRotation(int[] nums) {
        Arrays.fill(c, 0);
        int n = nums.length;
        for (int i = 0; i < n; i++) {
            int a = (i - (n - 1) + n) % n, b = (i - nums[i] + n) % n;
            if (a <= b) {
                add(a, b);
            } else {
                add(0, b);
                add(a, n - 1);
            }
        }
        for (int i = 1; i <= n; i++) c[i] += c[i - 1];
        int ans = 0, k = c[0];
        for (int i = 1; i <= n; i++) {
            if (c[i] > k) {
                k = c[i]; ans = i;
            }
        }
        return ans;
    }
}
复制代码


  • 时间复杂度:O(n)O(n)
  • 空间复杂度:O(n)O(n)


最后



这是我们「刷穿 LeetCode」系列文章的第 No.798 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
|
6天前
|
算法 测试技术 C++
【差分数组】【图论】【分类讨论】【整除以2】3017按距离统计房屋对数目
【差分数组】【图论】【分类讨论】【整除以2】3017按距离统计房屋对数目
|
6天前
2572. 无平方子集计数(状态压缩dp)
2572. 无平方子集计数(状态压缩dp)
|
6天前
|
算法 BI 测试技术
【唯一分解定理 数学】1808好因子的最大数目
【唯一分解定理 数学】1808好因子的最大数目
【唯一分解定理 数学】1808好因子的最大数目
|
6天前
|
大数据
stata具有异方差误差的区间回归
stata具有异方差误差的区间回归
|
6天前
|
数据可视化
R平方/相关性取决于预测变量的方差
R平方/相关性取决于预测变量的方差
|
6天前
|
算法 测试技术 C#
【差分数组】【图论】【分类讨论】【整除以2】100213按距离统计房屋对数目
【差分数组】【图论】【分类讨论】【整除以2】100213按距离统计房屋对数目
【差分数组】【图论】【分类讨论】【整除以2】100213按距离统计房屋对数目
|
9月前
|
索引
LeetCode-798 得分最高的最小论调 及差分和前缀和的学习
LeetCode-798 得分最高的最小论调 及差分和前缀和的学习
使用格里高利公式求π的近似值,要求精确到最后一项的绝对值小于10–4
使用格里高利公式求π的近似值,要求精确到最后一项的绝对值小于10–4
使用格里高利公式求π的近似值,要求精确到最后一项的绝对值小于10–4
【数理统计】均值检验(双侧、单侧)和区间估计
【数理统计】均值检验(双侧、单侧)和区间估计
234 0
【数理统计】均值检验(双侧、单侧)和区间估计
|
机器学习/深度学习 算法
梯度下降算法主要通过哪两个控制因子实现最优参数选择?这两个因子分别起到什么作用?为什么计算损失函数最优值采用梯度下降算法而不是直接对损失函数求导数等于0时的最优解?如何判断梯度下降算法是否正确工作?
梯度下降算法主要通过哪两个控制因子实现最优参数选择?这两个因子分别起到什么作用?为什么计算损失函数最优值采用梯度下降算法而不是直接对损失函数求导数等于0时的最优解?如何判断梯度下降算法是否正确工作? 梯度下降算法有两个重要的控制因子:一个是步长,由学习率控制;一个是方向,由梯度指定。 1.在梯度下降算法中,步长决定了每一次迭代过程中,会往梯度下降的方向移动的距离。试想一下,如果步长很大,算法会在局部最优点附近来回跳动,不会收敛(如下图);但如果步长太短,算法每步的移动距离很短,就会导致算法收敛速度很慢。 2
186 0