前言
题解
T1/T3是环形的处理技巧,这边可以double数组(更准确地讲,添加一个合适的小尾巴).
T4是典题,前不久周赛刚考过,是一道结论题,也可以借助数据结构处理。
T1. 交替组 I
和T3一起讲
T2. 与敌人战斗后的最大分数
题型: 阅读理解题
思路: 贪心
- 最小代价得分,那就永远取最小的
- 能量最大化,获取非最小值的所有能量
有解的前提,需要保证
初始能量 ≥ 最小值 初始能量 \ge 最小值 初始能量≥最小值
class Solution {
public long maximumPoints(int[] es, int v) {
long s = Arrays.stream(es).mapToLong(Long::valueOf).sum();
int m = Arrays.stream(es).min().getAsInt();
if (v < m) return 0;
return (s - m + v) / m;
}
}
class Solution:
def maximumPoints(self, enemyEnergies: List[int], currentEnergy: int) -> int:
s, m = sum(enemyEnergies), min(enemyEnergies)
if currentEnergy < m:
return 0
return (s - m + currentEnergy) // m
T3. 交替组 II
环形的处理技巧之一
- 扩充原有的数组
原数组添加前 k − 1 项到尾部 原数组添加前k-1项到尾部 原数组添加前k−1项到尾部
剩下的事情就容易处理了
- 枚举右端点
- 状态计数s0/s1, 表示以0,1结尾且交替的最长子数组
class Solution {
public int numberOfAlternatingGroups(int[] colors, int k) {
int res = 0;
int n = colors.length;
// 环形扩增
int[] arr = new int[n + k - 1];
for (int i = 0; i < n + k - 1; i++) arr[i] = colors[i % n];
// 引入状态计数,表示以0,1结尾符合交替的最长计数
int s0 = 0, s1 = 0;
// 枚举右端点
for (int i = 0; i < n + k - 1; i++) {
if (arr[i] == 0) {
s0 = s1 + 1;
s1 = 0;
} else {
s1 = s0 + 1;
s0 = 0;
}
if (s1 >= k) res += 1;
if (s0 >= k) res += 1;
}
return res;
}
}
class Solution:
def numberOfAlternatingGroups(self, colors: List[int], k: int) -> int:
res = 0
colors += colors[0:k-1]
s0, s1 = 0, 0
for c in colors:
if c == 0:
s0, s1 = s1 + 1, 0
res += 1 if s0 >= k else 0
else:
s0, s1 = 0, s0 + 1
res += 1 if s1 >= k else 0
return res
T4. 子数组按位与值为 K 的数目
这题属于糖题,方法特别多
按位与的序列,它有一个显著的特点,就是呈现单调性
方法一: 位运算结论题
结论:
按位与的序列,最多变化 l o g 2 ( v ) , v 为值域 按位与的序列,最多变化log_2(v), v为值域 按位与的序列,最多变化log2(v),v为值域
同样是枚举右端点,然后处理这个 l o g 2 ( v ) log_2(v) log2(v)点即可。
时间复杂度为 O ( n l o g v ) O(n log v) O(nlogv), v为值域
class Solution {
public long countSubarrays(int[] nums, int k) {
long res = 0;
int n = nums.length;
// 维护值/位置的信息
TreeMap<Integer, Integer> prev = new TreeMap<>();
for (int i = 0; i < n; i++) {
TreeMap<Integer, Integer> next = new TreeMap<>();
for (var kv: prev.entrySet()) {
next.put(kv.getKey() & nums[i], kv.getValue());
}
next.put(nums[i], i);
// 如果存在k值,必然存在一个区间
if (next.containsKey(k)) {
var nk = next.lowerEntry(k);
if (nk == null) {
res += next.get(k) + 1;
} else {
res += (next.get(k) - nk.getValue());
}
}
prev = next;
}
return res;
}
}
方法二: ST表 + 三指针
其实ST表上二分也可以,但是三指针处理起来更优雅
这样时间复杂度为
- ST预处理 O ( n l o g n ) O(nlogn) O(nlogn)
- 枚举+三指针 O ( n ) O(n) O(n)
class Solution {
public long countSubarrays(int[] nums, int k) {
long res = 0;
int n = nums.length;
SparesTable st = new SparesTable(nums, (a, b) -> a & b);
int j0 = 0, j1 = 0;
for (int i = 0; i < n; i++) {
// 注意是 <
while (j0 <= i && st.query(j0, i) < k) {
j0++;
}
// 注意是 <=
while (j1 <= i && st.query(j1, i) <= k) {
j1++;
}
res += (j1 - j0);
}
return res;
}
static
class SparesTable {
int[][] tables;
BiFunction<Integer, Integer, Integer> callback;
public SparesTable(int[] arr, BiFunction<Integer, Integer, Integer> callback) {
int n = arr.length;
int m = (int)(Math.log(n) / Math.log(2) + 1);
tables = new int[m][n];
this.callback = callback;
for (int i = 0; i < n; i++) {
tables[0][i] = arr[i];
}
for (int i = 1; i < m; i++) {
int half = 1 << (i - 1);
for (int j = 0; j + half < n; j++) {
tables[i][j] = callback.apply(tables[i - 1][j], tables[i - 1][j + half]);
}
}
}
// 闭闭区间
int query(int l, int r) {
int t = (int)(Math.log(r - l + 1) / Math.log(2));
return callback.apply(tables[t][l], tables[t][r - (1 << t) + 1]);
}
}
}