【天天报资讯】LeetCode 周赛 338,贪心 / 埃氏筛 / 欧氏线性筛 / 前缀和 / 二分查找 / 拓扑排序
来源:博客园时间:2023-03-27 13:31:02

本文已收录到 AndroidFamily,技术和职场问题,请关注公众号 [彭旭锐] 提问。


(资料图)

大家好,我是小彭。

上周末是 LeetCode 第 338 场周赛,你参加了吗?这场周赛覆盖的知识点很多,第四题称得上是近期几场周赛的天花板。

小彭的技术交流群 02 群来了,公众号回复 “加群” 加入我们~

目录

2599.K 件物品的最大和(Easy)

贪心、模拟 $O(1)$

2600. 质数减法运算(Medium)

题解一:暴力枚举 + 二分查找 $O(U\sqrt{U} + nlgU)$题解二:Eratosthenes 埃氏筛 + 二分查找 $O(UlgU + nlgU)$题解三:Euler 欧氏线性筛 + 二分查找 $O(U + nlgU)$

2601. 使数组元素全部相等的最少操作次数

前缀和 + 二分查找 $O(nlgn + qlgn)$

2602. 收集树中金币(Hard)

拓扑排序 + 模拟 $O(n)$2599.K 件物品的最大和(Easy)题目地址

https://leetcode.cn/problems/k-items-with-the-maximum-sum/description/

题目描述

袋子中装有一些物品,每个物品上都标记着数字 10-1

给你四个非负整数 numOnesnumZerosnumNegOnesk

袋子最初包含:

numOnes件标记为 1的物品。numZeroes件标记为 0的物品。numNegOnes件标记为 1的物品。

现计划从这些物品中恰好选出 k件物品。返回所有可行方案中,物品上所标记数字之和的最大值。

题解(贪心 + 模拟)

简单模拟题,优先选择 1,其次 0,最后 -1。

class Solution {    fun kItemsWithMaximumSum(numOnes: Int, numZeros: Int, numNegOnes: Int, k: Int): Int {        var x = k        // 1        val oneCnt = Math.min(numOnes, x)        x -= oneCnt        if (x == 0) return oneCnt        // 0        x -= Math.min(numZeros, x)        if (x == 0) return oneCnt        // -1        return oneCnt - x    }}

复杂度分析:

时间复杂度:$O(1)$空间复杂度:$O(1)$2600. 质数减法运算(Medium)题目地址

https://leetcode.cn/problems/prime-subtraction-operation/description/

题目描述

给你一个下标从 0开始的整数数组 nums,数组长度为 n

你可以执行无限次下述运算:

选择一个之前未选过的下标 i,并选择一个 严格小于nums[i]的质数 p,从 nums[i]中减去 p

如果你能通过上述运算使得 nums成为严格递增数组,则返回 true;否则返回 false

严格递增数组中的每个元素都严格大于其前面的元素。

预备知识

这道题如果熟悉质数筛就是简单二分查找问题。

1、质数定义:

质数 / 素数:只能被 1 和本身整除的数,例如 3,5,7;合数:除了能被 1 和本身整除外,还能被其他数整除的数。也可以理解为由多个不为 1 的质数相乘组成的数,例如 4 = 2 _ 2,6 = 2 _ 3。1 既不是质数也不是合数。

2、判断 x 是否为质数:

可以枚举 [2,n-1] 的所有数,检查是否是 x 的因数,时间复杂度是 O(n)。事实上并不需要枚举到 n-1:以 n = 17 为例,假设从 2 枚举到 4 都没有发现因子,我们发现 5 也没必要检查。

可以用反证法证明:如果 17 能够被 5 整除,那么一定存在 17 能够被 17/5 的另一个数整除。而由于 17/5 < 5与前面验证过 [2,4] 不存在因子的前提矛盾。因此 5 不可能是因子。

由此得出,如果存在整除关系 n/x = y,我们只需要检查 x 和 y 之间的较小值。所有的较小值最大不会超过 n 的平方根。所以我们可以缩小检查范围,只检查 $[1, O(\sqrt{x})]$,时间复杂度是 $O(\sqrt{x})$

3、计算所有小于 n 的质数,有三种算法:

暴力枚举:枚举每个数,判断它是不是质数,整体时间复杂度是 $O(n\sqrt{n})$Eratosthenes 埃氏筛:如果 x 不是质数,则从 x*x开始将成倍的数字标记为非质数,整体时间复杂度是 O(UlgU);Euler 欧氏线性筛:标记 x 与 “小于等于 x 的最小质因子的质数” 的乘积为非质数,保证每个合数只被标记最小的质因子标记。题解一(暴力枚举质数 + 二分查找)

为了获得严格递增数组,显然数组的末位元素的约束是最弱的,甚至是没有约束的。所以我们选择从后往前处理,最后一个数不需要处理。

显然如果靠后的元素尽可能大,那么靠前的元素越容易满足条件。因此,我们可以找到贪心思路:从后往前处理,每处理一个数字时,我们尽可能减去满足题目要求的最小质数,减缓数字变小的速度,给靠前的数字留出空间。

容易发现,“满足题目要求的最小质数” 存在单调性可以用二分查找解决。因此我们的题解分为 2 部分:

1、预处理题目数据范围内的所有质数,即小于 1000 的质数列表,可以用预置知识中的两种;2、使用二分查找寻找 “满足题目要求的最小质数”。
class Solution {    companion object {        // 1000 以内的质数列表        private val primes = getPrimes(1000)        // 暴力求质数        private fun getPrimes(max: Int): IntArray {            val primes = LinkedList()            for (num in 2..max) {                if (isPrime(num)) primes.add(num)            }            return primes.toIntArray()        }        // 质数判断        private fun isPrime(num: Int): Boolean {            var x = 2            while (x * x <= num) {                if (num % x == 0) return false                x++            }            return true        }    }    fun primeSubOperation(nums: IntArray): Boolean {        for (index in nums.size - 2 downTo 0) {            if (nums[index] < nums[index + 1]) continue            // 二分查找:寻找严格小于 nums[index] 且减去后形成递增的最小质数            var left = 0            var right = primes.size - 1            while (left < right) {                val mid = (left + right) ushr 1                if (primes[mid] >= nums[index] || nums[index] - primes[mid] < nums[index + 1]) {                    right = mid                } else {                    left = mid + 1                }            }            if (primes[left] >= nums[index] || nums[index] - primes[left] >= nums[index + 1]) return false            nums[index] -= primes[left]        }        return true    }}

复杂度分析:

时间复杂度:$O(U·\sqrt{U} + nlgU)$ 其中 $n$ 是 $nums$ 数组的长度,$U$ 是输入数据范围,$U$ 为常数 $1000$;空间复杂度:$O(1)$ 忽略预处理质数空间,仅使用常数级别空间。题解二(Eratosthenes 埃氏筛 + 二分查找)

计算质数的部分可以用经典埃氏筛。

筛法求质数的思路是:如果 x 是质数,那么 x 的整数倍 2x、3x 一定不是质数。我们设 isPrime[i]表示 i 是否为质数,从小开始遍历,如果 i 是质数,则同时将所有倍数标记为合数。事实上,我们不必从 x 开始标记,而是直接从 x*x 开始标记,因为 x * 2, x * 3 已经在之前被标记过,会重复标记。

class Solution {    companion object {        // 1000 以内的质数列表        private val primes = getPrimes(1000)        // 埃氏筛求质数        private fun getPrimes(max: Int): IntArray {            val primes = LinkedList()            val isPrime = BooleanArray(max + 1) { true }            for (num in 2..max) {                // 检查是否为质数,这里不需要调用 isPrime() 函数判断是否质数,因为它没被小于它的数标记过,那么一定不是合数                if (!isPrime[num]) continue                primes.add(num)                // 标记                var x = num * num                while (x <= max) {                    isPrime[x] = false                    x += num                }            }            return primes.toIntArray()        }    }    fun primeSubOperation(nums: IntArray): Boolean {        val n = nums.size        if (n <= 1) return true        for (index in n - 2 downTo 0) {            if (nums[index] < nums[index + 1]) continue            // 二分查找            var left = 0            var right = primes.size - 1            while (left < right) {                val mid = (left + right) ushr 1                if (primes[mid] >= nums[index] || nums[index] - primes[mid] < nums[index + 1]) {                    right = mid                } else {                    left = mid + 1                }            }            if (primes[left] >= nums[index] || nums[index] - primes[left] >= nums[index + 1]) return false            nums[index] -= primes[left]        }        return true    }}

复杂度分析:

时间复杂度:$O(U·lgU + nlgU)$ 其中 $n$ 是 $nums$ 数组的长度,$U$ 是输入数据范围,$U$ 为常数 $1000$;空间复杂度:$O(1)$ 忽略预处理质数空间,仅使用常数级别空间。题解三(Euler 欧氏线性筛 + 二分查找)

尽管我们从 x * x 开始标记来减少重复标记,但 Eratosthenes 筛选法还是会重复标记一个合数。举个例子,400 这个数不仅会被 2 标记一遍,还会被 5 标记,这就导致了大量的重复计算。

为了避免重复标记,我们使用欧氏筛,它与埃氏筛不同的是:

标记过程不再仅对质数 prime 标记,而是对每个数 x 标记;不再标记所有 x* x 的整数倍,而是标记 x 与 “小于等于 x 的最小质因子的质数” 的乘积,保证每个合数只被标记最小的质因子标记。
class Solution {    companion object {        // 1000 以内的质数列表        private val primes = getPrimes(1000)        // 线性筛求质数        private fun getPrimes(max: Int): IntArray {            val primes = LinkedList()            val isPrime = BooleanArray(max + 1) { true }            for (num in 2..max) {                // 检查是否为质数,这里不需要调用 isPrime() 函数判断是否质数,因为它没被小于它的数标记过,那么一定不是合数                if (isPrime[num]) {                    primes.add(num)                }                // 标记                for (prime in primes) {                    if (num * prime > max) break                    isPrime[num * prime] = false                    if (num % prime == 0) break                }            }            return primes.toIntArray()        }    }    fun primeSubOperation(nums: IntArray): Boolean {        val n = nums.size        if (n <= 1) return true        for (index in n - 2 downTo 0) {            if (nums[index] < nums[index + 1]) continue            // 二分查找            var left = 0            var right = primes.size - 1            while (left < right) {                val mid = (left + right) ushr 1                if (primes[mid] >= nums[index] || nums[index] - primes[mid] < nums[index + 1]) {                    right = mid                } else {                    left = mid + 1                }            }            if (primes[left] >= nums[index] || nums[index] - primes[left] >= nums[index + 1]) return false            nums[index] -= primes[left]        }        return true    }}

复杂度分析:

时间复杂度:$O(U + nlgU)$ 其中 $n$ 是 $nums$ 数组的长度,$U$ 是输入数据范围,$U$ 为常数 $1000$;空间复杂度:$O(1)$ 忽略预处理质数空间,仅使用常数级别空间。

相似题目:

204. 计数质数2523. 范围内最接近的两个质数2601. 使数组元素全部相等的最少操作次数(Medium)题目地址

https://leetcode.cn/problems/minimum-operations-to-make-all-array-elements-equal

题目描述

给你一个正整数数组 nums

同时给你一个长度为 m的整数数组 queries。第 i个查询中,你需要将 nums中所有元素变成 queries[i]。你可以执行以下操作 任意次:

将数组里一个元素 增大或者 减小1

请你返回一个长度为 m的数组 **answer,其中 **answer[i]是将 nums中所有元素变成 queries[i]最少操作次数。

注意,每次查询后,数组变回最开始的值。

题解(前缀和 + 二分查找)

一道题很明显有前缀和问题,难点也正是如何把原问题转换为前缀和问题。如果用暴力解法,我们只需要计算每个元素到 queries[i] 的绝对值之和,单词查询操作的时间复杂度是 O(n),我们不考虑。

为了优化时间复杂度,我们分析数据的特征:

nums = [3,1,6,8], query = 5为例,小于 5 的 3 和 1 需要增大才能变为 5,大于 5 的 6 和 8 需要减小才能变为 5。因此我们尝试将数组分为两部分 [3,1, | 6,8],需要执行加法的次数为 [+2,+4, | -1,-3]。

然而,我们不需要累加这 n 个差值的绝对值,而是使用前缀和在 O(1) 时间内快速计算。如图所示,小于 5 的部分可以用 “小于 5 的数字个数 _ 5” - “小于 5 的数字之和” 获得,大于 5 的部分可以用 “大于 5 的数字之和” - “大于 5 的数字个数 _ 5” 计算:

而 “小于 5 的数字之和” 与 “大于 5 的数字之和” 是明显的区间求和,可以用前缀和数组在 O(1) 时间复杂度解决。至此,我们成功将原问题转换为前缀和问题。

那么,剩下的问题是如何将数组拆分为两部分?

我们发现对于单次查询来说,我们可以使用快速选择算法在 O(lgn) 时间内找到。但是题目不仅只有一次,所以我们可以先对整个数组排序,再用二分查找找到枚举的分割点。

最后一个细节,由于数组的输入范围很大,所以前缀和数组要定义为 long 数组类型。

class Solution {    fun minOperations(nums: IntArray, queries: IntArray): List {        val n = nums.size        // 排序        nums.sort()        // 前缀和        val preSums = LongArray(n + 1)        for (index in nums.indices) {            preSums[index + 1] = nums[index] + preSums[index]        }        val ret = LinkedList()        for (target in queries) {            // 二分查找寻找大于等于 target 的第一个元素            var left = 0            var right = n - 1            while (left < right) {                val mid = (left + right) ushr 1                if (nums[mid] < target) {                    left = mid + 1                } else {                    right = mid                }            }            val index = if (nums[left] >= target) left - 1 else left            val leftSum = 1L * (index + 1) * target - preSums[index + 1]            val rightSum = preSums[n] - preSums[index + 1] - 1L * (n - 1 - index) * target            ret.add(leftSum + rightSum)        }        return ret    }}

复杂度分析:

时间复杂度:$O(nlgn + qlgn)$ 其中 $n$ 是 $nums$ 数组的长度,$q$ 是 $queries$ 数组的长度。总共会执行 $q$ 次查询操作,每次查询操作的时间复杂度是 $O(lgn)$;空间复杂度:$O(n)$ 前缀和数组空间。

近期周赛前缀和问题:

周赛 336. 统计美丽子数组数目(Medium)2602. 收集树中金币(Hard)题目地址

https://leetcode.cn/problems/collect-coins-in-a-tree/

题目描述

给你一个 n个节点的无向无根树,节点编号从 0n - 1。给你整数 n和一个长度为 n - 1的二维整数数组 edges,其中 edges[i] = [ai, bi]表示树中节点 aibi之间有一条边。再给你一个长度为 n的数组 coins,其中 coins[i]可能为 0也可能为 11表示节点 i处有一个金币。

一开始,你需要选择树中任意一个节点出发。你可以执行下述操作任意次:

收集距离当前节点距离为 2以内的所有金币,或者移动到树中一个相邻节点。

你需要收集树中所有的金币,并且回到出发节点,请你返回最少经过的边数。

如果你多次经过一条边,每一次经过都会给答案加一。

预备知识拓扑排序:

给定一个包含 n 个节点的有向图 G,我们给出它的节点编号的一种排列,如果满足: 对于图 G 中的任意一条有向边 (u,v),u 在排列中都出现在 v 的前面。那么称该排列是图 G 的「拓扑排序」。

拓扑排序的实现思路:

拓扑排序的常规实现是 Kahn 拓扑排序算法,基于 BFS 搜索和贪心思想:每次从图中删除没有前驱的节点(入度为 0),并修改它指向的节点的入度,直到 BFS 队列为空结束。

题解(拓扑排序 + 模拟)观察示例 1:从节点 2 出发,收集节点 0 处的金币,移动到节点 3 ,收集节点 5 处的金币,然后移动回节点 2。观察示例 2:从节点 0 出发,收集节点 4 和 3 处的金币,移动到节点 2 处,收集节点 7 处的金币,移动回节点 0。

结合题目规则(收集距离当前节点距离为 2 以内的所有金币)和这 2 个示例分析: 最优路径必然不需要触达图的边缘,而只需要在图的核心部分来回试探(如示例 1 的节点 2 和节点 3,示例 2 的节点 0 和节点 2)。

1、访问无金币的子树没有意义,我们将整个子树剪枝;2、叶子节点和距离叶子节点距离为 1 的节点都没有必要访问,我们将这些点剪枝;

剩下的点就是必须经过的核心点。再结合题目规则(你需要收集树中所有的金币,并且回到出发节点),且题目保证输入数据是合法的树,因此答案正好就是剩下部分边的数目 * 2。

class Solution {    fun collectTheCoins(coins: IntArray, edges: Array): Int {        val n = coins.size        // 入度表        val inDegrees = IntArray(n)        // 领接表        val graph = HashMap>()        for (edge in edges) {            graph.getOrPut(edge[0]) { LinkedList() }.add(edge[1])            graph.getOrPut(edge[1]) { LinkedList() }.add(edge[0])            inDegrees[edge[0]]++            inDegrees[edge[1]]++        }        // 剩余的边        var left_edge = edges.size // n - 1        // 1、拓扑排序剪枝无金币子树        val queue = LinkedList()        for (node in 0 until n) {            // 题目是无向图,所以叶子结点的入度也是 1            if (inDegrees[node] == 1 && coins[node] == 0) {                queue.offer(node)            }        }        while (!queue.isEmpty()) {            // 删除叶子结点            val node = queue.poll()            left_edge -= 1            // 修改相邻节点            for (edge in graph[node]!!) {                if (--inDegrees[edge] == 1 && coins[edge] == 0) queue.offer(edge)            }        }        // 2、拓扑排序剪枝与叶子结点距离不大于 2 的节点(裁剪 2 层)        // 叶子节点        for (node in 0 until n) {            if (inDegrees[node] == 1 && coins[node] == 1) {                queue.offer(node)            }        }        for (node in queue) {            // 2.1 删除叶子结点            left_edge -= 1            // 2.2 删除到叶子结点距离为 1 的节点            for (edge in graph[node]!!) {                if (--inDegrees[edge] == 1) left_edge -= 1            }        }        // println(inDegrees.joinToString())        // coins=[0,0],edges=[[0,1]] 会减去所有节点导致出现负数        return Math.max(left_edge * 2, 0)    }}

复杂度分析:

时间复杂度:$O(n)$ 其中 $n$ 是 $coins$ 数组的长度;空间复杂度:$O(n)$。

相似题目:

207. 课程表2050. 并行课程 III

有用请支持,你们的支持是我持续分享有价值内容的动力。

关键词: