题目链接
给定一个非负整数数组 nums 和一个整数 k ,你需要将这个数组分成 k 个非空的连续子数组。
设计一个算法使得这 k 个子数组各自和的最大值最小。
示例1:
输入:nums = [7,2,5,10,8], k = 2
输出:18
解释:
一共有四种方法将 nums 分割为 2 个子数组。
其中最好的方式是将其分为 [7,2,5] 和 [10,8] 。
因为此时这两个子数组各自的和的最大值为18,在所有情况中最小。
示例2:
输入:nums = [1,2,3,4,5], k = 2
输出:9
示例3:
输入:nums = [1,4,4], k = 3
输出:4
提示:
1 <= nums.length <= 1000
0 <= nums[i] <= 106
1 <= k <= min(50, nums.length)
这道题我用的方法是二分查找+贪心的做法。这道题目询问的是分组之后最大值的最小情况,这种基本上就是二分的模板的要求,然后再对这个题目进行分析。既然题目要求分组之后最大值尽可能小,那么每一组应该尽可能接近同一个值,假设为x。
使用贪心算法模拟数组分割的过程。从数组的开头到结尾进行遍历,利用变量 sum 表示当前分割子数组的和,k 表示需要分割出的子数组的数量(包括当前子数组)。每当 sum 加上当前值超过了某个阈值 x 时,就将当前取的值作为新的一段分割子数组的开头,一直分割 k 次数,一直遍历到最后还没有分割完直接退出。遍历结束后,验证分割 k 次之后数组还有没有未分割的数。这一方法采用贪心策略,每次都选择当前能满足要求的子数组,以尽可能满足题目的条件。
采用二分查找的方法来解决问题。二分查找的上界设定为数组 nums 中所有元素的和,下界为数组 nums 中所有元素的最大值。通过进行二分查找,我们可以找到最小的最大分割子数组和,从而得到最终的答案。这种策略通过二分查找的方式逐步缩小可能的解空间,使得问题得以高效解决。
这里还使用了几个函数来实现,这里简单介绍一下(其实完全没必要只是最近刚学试试)
标准库 头文件中的一个函数模板,用于找到指定范围内的最大元素的迭代器,时间复杂度是 O(n)
用法:
template< class ForwardIt >
ForwardIt max_element( ForwardIt first, ForwardIt last );
first:指向要查找范围的起始位置的迭代器。
last:指向要查找范围的末尾位置的迭代器(不包括末尾位置本身)。
max_element 返回指向范围中最大元素的迭代器。如果范围为空,它将返回 last
标准库 头文件中的一个函数模板,用于计算一个范围内元素的部分和,并将结果存储在另一个范围内,时间复杂度是 O(n)
用法:
template< class InputIt, class OutputIt >
OutputIt partial_sum( InputIt first, InputIt last, OutputIt d_first );
first:指向要计算范围的起始位置的迭代器。
last:指向要计算范围的末尾位置的迭代器(不包括末尾位置本身)。
d_first:指向存储部分和结果的目标范围的起始位置的迭代器。
partial_sum 将范围 [first, last) 中的元素进行部分和运算,结果存储在以 d_first 为起始位置的目标范围中。
upper_bound 函数用于在已排序的区间中查找第一个大于给定值的元素的位置,时间复杂度是O(log n)
用法:
template< class ForwardIt, class T >
ForwardIt upper_bound( ForwardIt first, ForwardIt last, const T& value );
first, last:定义查找范围的前开后闭区间,包括 first 但不包括 last。
value:要比较的值。
C++ 标准库中的函数,用于计算两个迭代器之间的距离(元素个数),时间复杂度取决于迭代器的类型,随机访问迭代器(如数组、vector 的迭代器),计算距离的操作是常数时间的,时间复杂度为 O(1)。
对于不支持随机访问的迭代器(如链表的迭代器),计算距离需要逐个遍历元素,时间复杂度为 O(N),其中 N 是两个迭代器之间的距离
用法:
template
typename iterator_traits::difference_type
distance(InputIt first, InputIt last);
first, last:定义计算距离的范围,包括 first 但不包括 last。
返回值:返回两个迭代器之间的距离(last - first),即元素个数。
注意:该函数适用于任何迭代器类型。
class Solution {
public:
int splitArray(vector& nums, int k) {
vector pre_sum(nums.size() + 1, 0);
partial_sum(nums.begin(), nums.end(), pre_sum.begin() + 1);
int left = *max_element(nums.begin(), nums.end());
int right = accumulate(nums.begin(), nums.end(), 0);
while (left <= right) {
int mid = (left + right) >> 1 ;
int idx = 0;
for (int i = 0; i < k; ++i) {
auto it = upper_bound(pre_sum.begin(), pre_sum.end(), mid + pre_sum[idx]);
idx = distance(pre_sum.begin(), it) - 1;
if (idx == pre_sum.size() - 1) {
break;
}
}
if (idx == pre_sum.size() - 1) {
right = mid - 1;
} else {
left = mid + 1;
}
}
return left;
}
};