二分查找算法(下):通过 LeetCode 周赛学习二分查找算法
共 714字,需浏览 2分钟
·
2020-12-01 17:20
点击上方“与你一起学算法”,选择“星标”公众号
重磅干货,第一时间送达
一个二分查找算法和贪心算法结合的场景
之所以写这个,是因为我前两周在参加 LeetCode
周赛的时候,碰到了一个这样题,点击「阅读原文」可以直达题目链接,题目具体如下:
1648. 销售价值减少的颜色球
你有一些球的库存
inventory
,里面包含着不同颜色的球。一个顾客想要 任意颜色 总数为orders
的球。这位顾客有一种特殊的方式衡量球的价值:每个球的价值是目前剩下的 同色球 的数目。比方说还剩下
6
个黄球,那么顾客买第一个黄球的时候该黄球的价值为6
。这笔交易以后,只剩下5
个黄球了,所以下一个黄球的价值为5
(也就是球的价值随着顾客购买同色球是递减的)。给你整数数组
inventory
,其中inventory[i]
表示第i
种颜色球一开始的数目。同时给你整数orders
,表示顾客总共想买的球数目。你可以按照 任意顺序 卖球。请你返回卖了
orders
个球以后 最大 总价值之和。由于答案可能会很大,请你返回答案对10 ** 9 + 7
取余数 的结果。
示例 1:
输入:inventory = [2,5], orders = 4
输出:14
解释:卖 1 个第一种颜色的球(价值为 2 ),卖 3 个第二种颜色的球(价值为 5 + 4 + 3)。
最大总和为 2 + 5 + 4 + 3 = 14 。
提示
1 <= inventory.length <= 10 ** 5
1 <= inventory[i] <= 10 ** 9
1 <= orders <= min(sum(inventory[i]), 10 ** 9)
分析
刚开始我完全没有意识到有二分查找的思想,就是想着用一个优先队列,然后每次取出一个元素,加上当前值,把当前值减一,然后再把当前值放入优先队列。
没过几分钟,程序就写完了,但是呢提交后显示运行超时了,我就想着去优化程序。于是我又读了下题,看看是不是我漏了啥重要条件,结果读了几遍发现这道题就是贪心的思想啊,不可能错的呀,但是结果就是超时了。。。
于是周赛结束后我特意去查了下大神写的代码,真的是让我惊呆了,是贪心的思想没错,但是是二分和贪心进行结合。
这个题想法很简单,设置一个 sum
变量,sum
每次加上数组中的最大值,然后将当前值减去 1
,直到此过程重复 orders
步骤。
然后为啥用优先队列会超时呢?其实优先队列的底层就是堆,每次取出元素,加入元素都需要对堆进行调整,调整的时间复杂度是 O(logn)
,其中 n
是优先队列的长度,然后需要进行 orders
操作,所以总的时间复杂度就是 O(Nlogn)
, 其中 N
是 orders
, n
是数组长度。
而这道题的话,orders
会取到 10 ** 9
,所以自然而然就会超时了。
那么应该如何解决呢?
解决思路
既然单独使用优先队列解决不了问题,那我们就换个思路进行思考。因为每次都要取数组中的最大值,然后减去 1
, 所以最后呢数组中的元素肯定是小于等于某一个阈值的,这个我想你肯定是能够理解的。
那这个阈值能不能求出来呢?如果能求出来的话,那问题是不是就容易解决了呢?你想啊,如果现在我们已经求出了这个阈值,那么是不是就知道了数组中的每个元素被减了多少次,进而累加求和不就得到结果了嘛。
好,现在问题已经变成了如何求解阈值了,这个如何求解呢?我们假定阈值为 threshold
,那么它满足啥条件呢?
怎么理解呢?
就是说当前值是 threshold
时, 就代表了所有的操作的次数,它应该是小于等于 orders
的,为啥呢?拿例 1
举例,数组为 [2, 5]
, orders
为 4
,相当于要进行四次操作。
5
减1
,变为4
4
减1
,变为3
3
减1
,变为2
剩下两个
2
,2
减1
,变为1
此时所有数组中的元素都小于等于 2
,所以这个例子中的 threshold
就是 2
。但是有可能出现小于 orders
的情况,比如文中的这个例子,这时候又需要当前数组中的部分元素再减去 1
,但是又不能所有元素都减去 1
,如果那样的话, threshold
就会改变了。
因为这个函数是一个单调递减的函数,所以存在唯一的 threshold
,满足上述式子。所以问题就转化为了在 0
和 10 ** 9
之间查找最小的 threshold
,使得
看到了吗?这个问题就转化为了上篇文章中我们提到的二分算法的变体问题,没理解的话,你品,你再品。
然后就表示了数组中元素还需要再减 1
的次数。
这个问题到这里就解决了,接下来看看代码吧,这里面还有很多骚操作,保证出乎你的意外。
代码实现
1class Solution:
2 def maxProfit(self, inventory: List[int], orders: int) -> int:
3 max_num = 10 ** 9 + 7
4 res = 0
5 low, high = 0, 10 ** 9
6 threshold = None
7 while low <= high:
8 mid = low + ((high - low) >> 1)
9 temp = 0
10 for i in range(len(inventory)):
11 if inventory[i] >= mid:
12 temp += (inventory[i] - mid)
13 if temp <= orders:
14 threshold = mid
15 high = mid - 1
16 else:
17 low = mid + 1
18 temp = 0
19 for i in range(len(inventory)):
20 if inventory[i] > threshold:
21 temp += (inventory[i] - threshold)
22 temp = orders - temp
23 for i in range(len(inventory)):
24 if inventory[i] >= threshold:
25 if temp > 0:
26 # 等差数列求和公式
27 res += ((inventory[i] + threshold) * (inventory[i] - (threshold) + 1) // 2)
28 temp -= 1
29 else:
30 # 等差数列求和公式
31 res += ((inventory[i] + threshold + 1) * (inventory[i] - (threshold + 1) + 1) // 2)
32 return res % max_num
这个是我今天下午刚写的,前一部分是二分查找的实现,后面是累加求和的过程。
不知道最后一个 for
循环你看懂了没?在计算 res
的过程中,运用到了等差数列的求和公式,我当时在看别人代码的时候是一脸懵逼的,当时想着计算的话不是应该有循环的吗?为啥没有循环呢?没有循环怎么计算从 a[i]
到 threshold
呢?突然间恍然大悟,不得不佩服大神。
总结
现在回过头来看,这道题的思想已经很正常了,但是当我在参加 LeetCode 周赛的时候,当时心态都被它给搞崩了。。。
你看提到二分查找算法的话,我想每个人都知道,提及贪心算法,每个人也都有话可说,但是二者结合起来,就让很多人摸不着头脑了。
当然,这并不是说我们之前学的算法知识没有用,而是我们缺乏一种融会贯通的思维,在学习的过程中,要学会举一反三。
这道题带给我的不仅仅是知识点的融会贯通,更让我惊讶的是数学知识的使用,没有刻意的地方,一切是那么的自然。
我们每个人学数学的话也都学了好多年,但是更多的是用来考试,真正在编程过程的使用时是很少的。
虽然那次周赛我只做了一道题,但是感觉收获是很大的,开阔了眼界,拓展了思维。
如果你对编程也感兴趣的话,欢迎联系我,我们共同交流进步。
一个人可以走的很快,但一群人可以走的更远,共勉。
欢迎关注我的公众号“与你一起学算法”,如果喜欢,麻烦点一下“在看”~