算法中的“记账思维”

“记账思维”（数学模型替代物理模型、延迟计算、状态压缩）练成直觉，5 道经典算法题。它们按难度递增排序，每一道都完美契合你领悟到的这种高级思维。

---

1. 难度：简单 (Easy)

题目：238. 除自身以外数组的乘积 (Product of Array Except Self)

• 题目简述：给你一个整数数组，要求返回一个新数组，新数组中第 i 个元素是原数组中除了 nums[i] 之外所有元素的乘积。要求不能使用除法，且时间复杂度为 O(N)。
• 为什么契合你的思维：
  • 物理直觉：要算出除了自己之外的乘积，最笨的办法是每次都遍历一遍（O(N^2)）。
  • 记账思维：把 result[i] 拆分成“左边所有元素的乘积”和“右边所有元素的乘积”。我们不需要真的去算出那个庞大的整体，只需要在两次遍历中，像记账一样把“左边的累积”和“右边的累积”分别记在数组里，最后合并即可。

2. 难度：中等 (Medium)

题目：303. 区域和检索 - 数组不可变 (Range Sum Query - Immutable)

• 题目简述：给定一个整数数组，多次查询任意区间 [i, j] 内元素的和。
• 为什么契合你的思维：
  • 物理直觉：每次查询都从 i 加到 j，查询 M 次就是 O(M*N)。
  • 记账思维（前缀和）：这是“记账思维”的入门神技。在初始化时，我们只记录一个“前缀和账本”（prefix[i] 表示前 i 个元素的总和）。查询时，直接用 prefix[j] - prefix[i-1]，把 O(N) 的查询降维打击到了 O(1)。

3. 难度：中等 (Medium)

题目：380. O(1) 时间插入、删除和获取随机元素 (Insert Delete GetRandom O(1))

• 题目简述：设计一个数据结构，支持以 O(1) 的时间复杂度插入、删除元素，并且能以 O(1) 的时间等概率随机返回一个元素。
• 为什么契合你的思维：
  • 物理直觉：数组随机访问是 O(1)，但删除不是；哈希表插入删除是 O(1)，但无法随机访问。
  • 记账思维（状态压缩与映射）：将两者结合。用数组存真实数据，用哈希表记录“值 -> 数组索引”的映射。删除时，把数组末尾的元素“搬”到被删除元素的位置，然后更新哈希表。这里没有真正去“整理”数组，而是通过修改索引的“账本”（哈希表）实现了逻辑上的 O(1) 删除。

4. 难度：中等 (Medium)

题目：146. LRU 缓存 (LRU Cache)

• 题目简述：设计并实现一个 LRU 缓存机制。当缓存满了，需要淘汰最久未使用的数据。要求 get 和 put 都是 O(1) 时间复杂度。
• 为什么契合你的思维：
  • 物理直觉：要记录“使用顺序”，直觉上需要不断在数组或链表里把元素挪来挪去，这极其耗时。
  • 记账思维（延迟计算与解耦）：利用“哈希表 + 双向链表”。哈希表负责 O(1) 查找，链表只负责记录“时间顺序的账本”。当需要更新顺序时，我们只是在链表上“改改指针”（改改账本），并没有发生任何数据的物理搬运。这就是典型的“逻辑与物理的解耦”。

5. 难度：困难 (Hard)

题目：460. LFU 缓存 (LFU Cache)

• 题目简述：在 LRU 的基础上，淘汰策略改为“最不经常使用（LFU）”。如果存在多个相同频率的元素，淘汰最久未使用的。要求 get 和 put 都是 O(1)。
• 为什么契合你的思维：
  • 物理直觉：每次访问都要更新频率，然后重新排序，复杂度极高。
  • 记账思维（极致状态压缩）：这是算法设计的艺术。你需要维护一个“频率账本”（freq_to_nodes，一个哈希表，key是频率，value是双向链表），以及一个“节点到频率的映射账本”。当频率增加时，你只需要在两个链表之间“转移指针”，完全不需要排序。这道题是对“记账思维”的终极考验。

---

练习建议：
在做这几道题时，当你卡壳或者写出 O(N^2) 的代码时，不妨停下来问问自己：“我是不是在试图做真实的物理搬运？我能不能只改改指针/记录一下状态，在数学上等价地解决这个问题？”