LeetCode 周赛上分之旅 #44 同余前缀和问题与经典倍增 LCA 算法

⭐️ 本文已收录到 AndroidFamily,技术和职场问题,请关注公众号 [彭旭锐] 和 BaguTree Pro 知识星球提问。

学习数据结构与算法的关键在于掌握问题背后的算法思维框架,你的思考越抽象,它能覆盖的问题域就越广,理解难度也更复杂。在这个专栏里,小彭与你分享每场 LeetCode 周赛的解题报告,一起体会上分之旅。

本文是 LeetCode 上分之旅系列的第 44 篇文章,往期回顾请移步到文章末尾~

T1. 统计对称整数的数目(Easy)

  • 标签:模拟

T2. 生成特殊数字的最少操作(Medium)

  • 标签:思维、回溯、双指针

T3. 统计趣味子数组的数目(Medium)

  • 标签:同余定理、前缀和、散列表

T4. 边权重均等查询(Hard)

  • 标签:图、倍增、LCA、树上差分


T1. 统计对称整数的数目(Easy)

https://leetcode.cn/problems/count-symmetric-integers/

题解(模拟)

根据题意模拟,亦可以使用前缀和预处理优化。

class Solution {
    fun countSymmetricIntegers(low: Int, high: Int): Int {
        var ret = 0
        for (x in low..high) {
            val s = "$x"
            val n = s.length
            if (n % 2 != 0) continue
            var diff = 0
            for (i in 0 until n / 2) {
                diff += s[i] - '0'
                diff -= s[n - 1 - i] - '0'
            }
            if (diff == 0) ret += 1
        }
        return ret
    }
}

复杂度分析:

  • 时间复杂度:$O((high-low)lg^{high})$ 单次检查时间为 $O(lg^{high})$;
  • 空间复杂度:$O(1)$ 仅使用常量级别空间。

T2. 生成特殊数字的最少操作(Easy)

https://leetcode.cn/problems/minimum-operations-to-make-a-special-number/

题解一(回溯)

思维题,这道卡了多少人。

  • 阅读理解: 在一次操作中,您可以选择 $num$ 的任意一位数字并将其删除,求最少需要多少次操作可以使 $num$ 变成 $25$ 的倍数;
  • 规律: 对于 $25$ 的倍数,当且仅当结尾为「00、25、50、75」这 $4$ 种情况时成立,我们尝试构造出尾部符合两个数字能被 $25$ 整除的情况。

可以用回溯解决:

class Solution {
    fun minimumOperations(num: String): Int {
        val memo = HashMap<String, Int>()

        fun count(x: String): Int {
            val n = x.length
            if (n == 1) return if (x == "0") 0 else 1
            if (((x[n - 2] - '0') * 10 + (x[n - 1]- '0')) % 25 == 0) return 0
            if(memo.containsKey(x))return memo[x]!!
            val builder1 = StringBuilder(x)
            builder1.deleteCharAt(n - 1)
            val builder2 = StringBuilder(x)
            builder2.deleteCharAt(n - 2)
            val ret = 1 + min(count(builder1.toString()), count(builder2.toString()))
            memo[x]=ret
            return ret
        }
        
        return count(num)
    }
}

复杂度分析:

  • 时间复杂度:$O(n^2·m)$ 最多有 $n^2$ 种子状态,其中 $m$ 是字符串的平均长度,$O(m)$ 是构造中间字符串的时间;
  • 空间复杂度:$O(n)$ 回溯递归栈空间。

题解二(双指针)

初步分析:

  • 模拟: 事实上,问题的方案最多只有 4 种,回溯的中间过程事实在尝试很多无意义的方案。我们直接枚举这 4 种方案,删除尾部不属于该方案的字符。以 25 为例,就是删除 5 后面的字符以及删除 2 与 5 中间的字符;
  • 抽象: 本质上是一个最短匹配子序列的问题,即 「找到 nums 中最靠后的匹配的最短子序列」问题,可以用双指针模拟。

具体实现:

  • 双指针: 我们找到满足条件的最靠左的下标 i,并删除末尾除了目标数字外的整段元素,即 $ret = n - i - 2$;
  • 特殊情况: 在 4 种构造合法的特殊数字外,还存在删除所有非 0 数字后构造出 0 的方案;
  • 是否要验证数据含有前导零: 对于构造「00」的情况,是否会存在删到最后剩下多个 0 的情况呢?其实是不存在的。因为题目说明输入数据 num 本身是不包含前导零的,如果最后剩下多个 0 ,那么在最左边的 0 左侧一定存在非 0 数字,否则与题目说明矛盾。
class Solution {
    fun minimumOperations(num: String): Int {
        val n = num.length
        var ret = n
        for (choice in arrayOf("00", "25", "50", "75")) {
            // 双指针
            var j = 1
            for (i in n - 1 downTo 0) {
                if (choice[j] != num[i]) continue
                if (--j == -1) {
                    ret = min(ret, n - i - 2)
                    break
                }
            }
        }
        // 特殊情况
        ret = min(ret, n - num.count { it == '0'})
        return ret
    }
}

复杂度分析:

  • 时间复杂度:$O(n)$ 4 种方案和特殊方案均是线性遍历;
  • 空间复杂度:$O(1)$ 仅使用常量级别空间。

T3. 统计趣味子数组的数目(Medium)

https://leetcode.cn/problems/count-of-interesting-subarrays/

题解(同余 + 前缀和 + 散列表)

初步分析:

  • 问题目标: 统计数组中满足目标条件的子数组;
  • 目标条件: 在子数组范围 $[l, r]$ 内,设 $cnt$ 为满足 $nums[i] % m == k$ 的索引 $i$ 的数量,并且 $cnt % m == k$。大白话就是算一下有多少数的模是 $k$,再判断个数的模是不是也是 $k$;
  • 权重: 对于满足 $nums[i] % m == k$ 的元素,它对结果的贡献是 $1$,否则是 $0$;

分析到这里,容易想到用前缀和实现:

  • 前缀和: 记录从起点到 $[i]$ 位置的 $[0, i]$ 区间范围内满足目标的权重数;
  • 两数之和: 从左到右枚举 $[i]$,并寻找已经遍历的位置中满足 $(preSum[i] - preSum[j]) % m == k$ 的方案数记入结果;
  • 公式转换: 上式带有取模运算,我们需要转换一下:
    • 原式 $(preSum[i] - preSum[j]) % m == k$
    • 考虑 $preSum[i] % m - preSum[j] % m$ 是正数数的的情况,原式等价于:$preSum[i] % m - preSum[j] % m == k$
    • 考虑 $preSum[i] % m - preSum[j] % m$ 是负数的的情况,我们在等式左边增加补数:$(preSum[i] % m - preSum[j] % m + m) %m == k$
    • 联合正数和负数两种情况,即我们需要找到前缀和为 $(preSum[i] % m - k + m) % m$ 的元素;
  • 修正前缀和定义: 最后,我们修改前缀和的定义为权重 $% m$。

组合以上技巧:

class Solution {
    fun countInterestingSubarrays(nums: List<Int>, m: Int, k: Int): Long {
        val n = nums.size
        var ret = 0L
        val preSum = HashMap<Int, Int>()
        preSum[0] = 1 // 注意空数组的状态
        var cur = 0
        for (i in 0 until n) {
            if (nums[i] % m == k) cur ++ // 更新前缀和
            val key = cur % m
            val target = (key - k + m) % m
            ret += preSum.getOrDefault(target, 0) // 记录方案
            preSum[key] = preSum.getOrDefault(key, 0) + 1 // 记录前缀和
        }
        return ret
    }
}

复杂度分析:

  • 时间复杂度:$O(n)$ 线性遍历,单次查询时间为 $O(1)$;
  • 空间复杂度:$O(m)$ 散列表空间。

相似题目:


T4. 边权重均等查询(Hard)

https://leetcode.cn/problems/minimum-edge-weight-equilibrium-queries-in-a-tree/

题解(倍增求 LCA、树上差分)

初步分析:

  • 问题目标: 给定若干个查询 $[x, y]$,要求计算将 $<x, y>$ 的路径上的每条边修改为相同权重的最少操作次数;
  • 问题要件: 对于每个查询 $[x, y]$,我们需要计算 $<x, y>$ 的路径长度 $l$,以及边权重的众数的出现次数 $c$,而要修改的操作次数就是 $l - c$;
  • 技巧: 对于 “树上路径” 问题有一种经典技巧,我们可以把 $<x, y>$ 的路径转换为从 $<x, lca>$ 的路径与 $<lca, y>$ 的两条路径;

思考实现:

  • 长度: 将问题转换为经过 $lca$ 中转的路径后,路径长度 $l$ 可以用深度来计算:$l = depth[x] + depth[y] - 2 * depth[lca]$;
  • 权重: 同理,权重 $w[x,y]$ 可以通过 $w[x, lca]$ 与 $w[lca, y]$ 累加计算;

现在的关键问题是,如何快速地找到 $<x, y>$ 的最近公共祖先 LCA?

对于单次 LCA 操作来说,我们可以走 DFS 实现 $O(n)$ 时间复杂度的算法,而对于多次 LCA 操作可以使用 倍增算法 预处理以空间换时间,单次 LCA 操作的时间复杂度进位 $O(lgn)$。

在 LeetCode 有倍增的模板题 1483. 树节点的第 K 个祖先

在求 LCA 时,我们先把 $<x, y>$ 跳到相同高度,再利用倍增算法向上跳 $2^j$ 个父节点,直到到达相同节点即为最近公共祖先。

class Solution {
    fun minOperationsQueries(n: Int, edges: Array<IntArray>, queries: Array<IntArray>): IntArray {
        val U = 26
        // 建图
        val graph = Array(n) { LinkedList<IntArray>() }
        for (edge in edges) {
            graph[edge[0]].add(intArrayOf(edge[1], edge[2] - 1))
            graph[edge[1]].add(intArrayOf(edge[0], edge[2] - 1))
        }

        // 预处理深度、倍增祖先节点、倍增路径信息
        val m = 32 - Integer.numberOfLeadingZeros(n - 1)
        val depth = IntArray(n)
        val parent = Array(n) { IntArray(m) { -1 }} // parent[i][j] 表示 i 的第 2^j 个父节点
        val cnt = Array(n) { Array(m) { IntArray(U) }} // cnt[i][j] 表示 <i - 2^j> 个父节点的路径信息
        
        fun dfs(i: Int, par: Int) {
            for ((to, w) in graph[i]) {
                if (to == par) continue // 避免回环
                depth[to] = depth[i] + 1
                parent[to][0] = i
                cnt[to][0][w] = 1
                dfs(to, i)
            }
        }

        dfs(0, -1) // 选择 0 作为根节点

        // 预处理倍增
        for (j in 1 until m) {
            for (i in 0 until n) {
                val from = parent[i][j - 1]
                if (-1 != from) {
                    parent[i][j] = parent[from][j - 1]
                    cnt[i][j] = cnt[i][j - 1].zip(cnt[from][j - 1]) { e1, e2 -> e1 + e2 }.toIntArray()
                }
            }
        }

        // 查询
        val q = queries.size
        val ret = IntArray(q)
        for ((i, query) in queries.withIndex()) {
            var (x, y) = query
            // 特判
            if (x == y || parent[x][0] == y || parent[y][0] == x) {
                ret[i] = 0
            }
            val w = IntArray(U) // 记录路径信息
            var path = depth[x] + depth[y] // 记录路径长度
            // 先跳到相同高度
            if (depth[y] > depth[x]) {
                val temp = x
                x = y
                y = temp
            }
            var k = depth[x] - depth[y]
            while (k > 0) {
                val j = Integer.numberOfTrailingZeros(k) // 二进制分解
                w.indices.forEach { w[it] += cnt[x][j][it] } // 记录路径信息
                x = parent[x][j] // 向上跳 2^j 个父节点
                k = k and (k - 1)
            }

            // 再使用倍增找 LCA
            if (x != y) {
                for (j in m - 1 downTo 0) { // 最多跳 m - 1 次
                    if (parent[x][j] == parent[y][j]) continue // 跳上去相同就不跳
                    w.indices.forEach { w[it] += cnt[x][j][it] } // 记录路径信息
                    w.indices.forEach { w[it] += cnt[y][j][it] } // 记录路径信息
                    x = parent[x][j]
                    y = parent[y][j] // 向上跳 2^j 个父节点
                }
                // 最后再跳一次就是 lca
                w.indices.forEach { w[it] += cnt[x][0][it] } // 记录路径信息
                w.indices.forEach { w[it] += cnt[y][0][it] } // 记录路径信息
                x = parent[x][0]
            }
            // 减去重链长度
            ret[i] = path - 2 * depth[x] - w.max()
        }
        return ret
    }
}

复杂度分析:

  • 时间复杂度:$O(nlgn·U)$ 预处理的时间复杂度是 $O(nlgn·U)$,单次查询的时间是 $O(lgn·U)$;
  • 空间复杂度:$O(nlgn·U)$ 预处理倍增信息空间。

推荐阅读

LeetCode 上分之旅系列往期回顾:

⭐️ 永远相信美好的事情即将发生,欢迎加入小彭的 Android 交流社群~

posted @ 2023-09-06 00:13  彭旭锐  阅读(209)  评论(0编辑  收藏  举报