每日一题系列(day 20)
前言:
🌈 🌈 🌈 🌈 🌈 🌈 🌈 🌈 🌈 🌈 🌈 🌈 🌈
🔎🔎如果说代码有灵魂,那么它的灵魂一定是👉👉算法👈👈,因此,想要写出💚优美的程序💚,核心算法是必不可少的,少年,你渴望力量吗😆😆,想掌握程序的灵魂吗❓❗️那么就必须踏上这样一条漫长的道路🏇🏇,我们要做的,就是斩妖除魔💥💥,打怪升级!💪💪当然切记不可😈走火入魔😈,每日打怪,拾取经验,终能成圣🙏🙏!开启我们今天的斩妖之旅吧!✈️✈️
题目:
给定一个二进制数组 nums 和一个整数 k,如果可以翻转最多 k 个 0 ,则返回 数组中连续 1 的最大个数 。
示例1:
示例2:
提示:
- 1 <= nums.length <= 105
- nums[i] 不是 0 就是 1
- 0 <= k <= nums.length
解法一(暴力枚举):
首先分析题目,给定k个数,可以将数组里的0翻转为最多k个1,并且要求返回翻转后最长1的子数组。如果我们直观上来看的话,翻转0为最长子数组的情况可能不止一种,但是我们子数组最长的长度却是不变的。
所以当翻转0的位置不同时,但是却造成了最长子数组长度相同,我们就不用管0翻转的顺序了。
但是我们如何找出这个最长子数组呢?既然是数组,我们不妨可以枚举出所有情况,最后在返回最长子数组。
既然要确定子数组的长度,那么就一定要有两个指针在数组上遍历,由于0的个数有限制,所以我们可以考虑使用计数器来统计0的个数,而被统计的0就相当于翻转成为了1。
当0的个数超出限制后,我们本次遍历结束,在全局范围内设置一个ret变量接收本次遍历的最长子数组。左指针向后移动一位,右指针重置,开启第二轮遍历,直到遍历完。
这里也可以优化一下,如果数组当中0的个数小于等于k,那么就相当于整个数组皆可以翻转,直接返回整个数组的长度即可。
代码演示:
class Solution {
public:int longestOnes(vector<int>& nums, int k) {int sum_one = 0;//统计最长的1的子数组长度int sum_zero = 0;//统计0的个数for(int i = 0; i < nums.size() ; ++i) if(nums[i] == 0) sum_zero++;//0的个数if(sum_zero <= k) return nums.size();//k多0少的情况for(int i = 0 ; i < nums.size() ; ++i)//正常情况,i相当于左指针{int cnt = k;//将k赋值为cnt,当cnt >= 0 时为合法范围for(int j = i ; j < nums.size() ; ++j)//右指针移动{if(nums[j] == 0)//当数组元素为0时,翻转{cnt--;}if(cnt >= 0)//符合条件每次都计算长度{sum_one = max(j - i + 1, sum_one);//下标从0开始的,所以要加一}}}return sum_one;}
};
但是这种暴力解法在本题时跑不过的,时间限制原因,所以我们只有另想他法,尽量去优化时间复杂度。
解法二(滑动窗口):
虽然暴力枚举不能通过测试用例,但是也给我们提供了良好的思路,用双指针来解决问题,我们来分析上面的暴力解法有什么不妥?
首先,我们其实没有必要全枚举,如果当右指针遇到0的时候,如果我们回退到i + 1的位置,那么从i + 1到上一次遍历的最远位置不就重新遍历了一遍?这种多余的遍历我们并不需要。
所以当右指针遇到0的个数满了的时候,我们将左指针进行右移。
加上了这一步,我们就可以将时间复杂度从O(n^2)降为O(n)了。最后需要注意的是,如果当左指针走过0的时候,我们最长子数组里面就少了个0,这个时候我们的计数器就该减去1了,每次循环我们都进行判断最长子数组。最后返回即可。
代码演示:
class Solution {
public:int longestOnes(vector<int>& nums, int k) {int ret = 0;int sum_zero = 0;for(int left = 0, right = 0; right < nums.size() ; ++right){if(nums[right] == 0) sum_zero++;//统计翻转0个数while(sum_zero > k)//个数超了后移动左指针{if(nums[left++] == 0) sum_zero--;//越过0,子数组中的0就减少了,所以计数器也要自减}ret = max(ret, right - left + 1);//返回最终结果}return ret;}
};
总结:
这题是一个很经典的滑动窗口的问题,结合我们之前做的滑动窗口的问题来看,滑动窗口出现的场景通常需要枚举数组所有情况,也就是暴力,然后我们在暴力的基础上进行优化。