对于数组 A A A 的区间 [ l e f t , r i g h t ] [left,right] [left,right] 而言,只要它包含不超过 k k k 个 0 0 0,我们就可以根据它构造出一段满足要求,并且长度为 r i g h t − l e f t + 1 right - left + 1 right−left+1 的区间。
因此,我们可以将该问题进行如下转化,即:对于任意的右端点 r i g h t right right,希望找到最小的左端点 l e f t left left,使得 [ l e f t , r i g h t ] [left,right] [left,right] 包含不超过 k k k 个 0 0 0。只要我们枚举所有可能的右端点,取最大区间长度即可得到答案。
要想快速判断一个区间内 0 0 0 的个数,我们可以考虑将数组 A A A 中的 0 0 0 变成 1 1 1, 1 1 1 变成 0 0 0。此时,我们对数组 A A A 求出前缀和,记为数组 P P P,那么 [ l e f t , r i g h t ] [left,right] [left,right] 中包含不超过 k k k 个 1 1 1(注意这里就不是 0 0 0 了),当且仅当二者的前缀和之差: P [ r i g h t ] − P [ l e f t − 1 ] ≤ k P[right] - P[left-1] \le k P[right]−P[left−1]≤k。
思路与算法: P [ r i g h t ] − P [ l e f t − 1 ] ≤ k = = P [ l e f t − 1 ] ≥ P [ r i g h t ] − k (1) P[right] - P[left-1] \le k == P[left-1] \ge P[right] - k \tag{1} P[right]−P[left−1]≤k==P[left−1]≥P[right]−k(1)
也就是说,我们需要找到满足(1)式的最小 l e f t left left。由于数组 A A A 中仅包含 0 / 1 0/1 0/1,因此前缀和数组是一个单调递增的数组,我们就可以使用二分查找的方法得到 l e f t left left。
细节
注意到(1)式的左侧下标是 l e f t − 1 left-1 left−1 而不是 l e f t left left,那么我们在构造前缀和数组时,可以将前缀和整体向右移动一位,空出 P [ 0 ] P[0] P[0] 的位置,即: { P [ 0 ] = 0 P [ i ] = P [ i − 1 ] + ( 1 − A [ i − 1 ] ) \begin{cases} P[0]=0 \\ P[i]=P[i-1] +(1-A[i-1]) \\ \end{cases} {P[0]=0P[i]=P[i−1]+(1−A[i−1])此时,我们在数组 P P P 上二分查找到的下标即为 l e f t left left 本身,同时我们也避免了原先 l e f t = 0 left=0 left=0 时 l e f t − 1 = − 1 left-1=-1 left−1=−1 不在数组合法的下标范围中的边界情况。
代码:
class Solution {
public:
int longestOnes(vector<int>& nums, int k) {
int n = nums.size();
vector<int> P(n + 1); //前缀和数组
for(int i = 1; i <= n; ++i){ //构造前缀和数组,将原数组中01互换再求前缀和
P[i] = P[i - 1] + (1 - nums[i - 1]);
}
int ans = 0;
for(int right = 0; right < n; ++right){
//lower_bound返回大于等于P[right + 1] - k的第一个元素的迭代器位置(二分查找)
int left = lower_bound(P.begin(), P.end(), P[right + 1] - k) - P.begin();
ans = max(ans, right - left + 1);
}
return ans;
}
};
复杂度分析:
我们继续观察(1)式,由于前缀和数组 P P P 是单调递增的,那么(1)式的右侧 P [ r i g h t ] − k P[right]-k P[right]−k 同样也是单调递增的。因此,我们可以发现:随着 right 的增大,满足(1)式的最小的 l e f t left left 是单增的。
这样一来,我们就可以使用滑动窗口来实时地维护 l e f t left left 和 r i g h t right right 了。在 r i g h t right right 向右移动的过程中,我们同步移动 l e f t left left,直到 l e f t left left 为最小的满足(1)式的位置,此时我们就可以使用此区间对答案进行更新了。
细节
当我们使用滑动窗口代替二分查找解决本题时,就不需要显式地计算并保存出前缀和数组了。我们只需要知道 l e f t left left 和 r i g h t right right 作为下标在前缀和数组中对应的值,因此我们只需要用两个变量 l s u m lsum lsum 和 r s u m rsum rsum 记录 l e f t left left 和 r i g h t right right 分别对应的前缀和即可。
代码
class Solution {
public:
int longestOnes(vector<int>& nums, int k) {
int n = nums.size();
int left = 0, lsum = 0, rsum = 0;
int ans = 0;
for(int right = 0; right < n; ++right){
rsum += 1 - nums[right]; //计算right对应的前缀和
while(lsum < rsum - k){ //滑动窗口实时维护
lsum += 1 - nums[left]; //计算left对应的前缀和
++left;
}
ans = max(ans, right - left + 1);
}
return ans;
}
};
复杂度分析
思路
l
是窗口左端点,负责移动起始位置,r
是窗口右终点,负责扩展窗口。k
是资源数,每次右扩替换 0 0 0 占用 1 个;左扩且当前元素为 0 0 0 时释放 1 个。r-l
就是答案,看两个判断:r
每次循环都加 1,l
只有 k<0
才加 1,这样 r-l
只会递增,最多也就保持不变。代码
class Solution {
public:
int longestOnes(vector<int>& nums, int k) {
int l = 0, r = 0;
while(r < nums.size()){
if(nums[r++] == 0)
k--;
if(k < 0 && nums[l++] == 0)
k++;
}
return r - l;
}
};