python-leetcode-2099. 找到和最大的长度为 K 的子序列

最新推荐文章于 2025-12-16 18:10:48 发布
原创 最新推荐文章于 2025-12-16 18:10:48 发布 · 958 阅读 · 15 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#leetcode #算法 #职场和发展

2099. 找到和最大的长度为 K 的子序列 - 力扣（LeetCode）

为了找到一个长度为 k 的子序列，使得该子序列的和最大，我们可以采取如下方法：

解决思路：

  1. 理解子序列的定义： 子序列是从原数组中删除一些元素（但保持剩下元素的顺序不变），所以我们不需要选取连续的元素，但必须保留元素的相对顺序。

  2. 优化目标： 我们要找到一个和最大的子序列，意味着我们要尽量选择数组中的最大元素。要保持相对顺序，我们应该选择最大元素的同时，确保选中的元素的位置是按顺序的。

  3. 步骤：

    • 首先，我们需要找出数组中最大的 k 个元素。

    • 接着，我们确

最低0.47元/天 解锁文章
【PYTHON-leetcode】53.最大子序列和四种详细解法（暴力，贪心，分治，DP）
weixin_42157432的博客
01-17 732
maximum-sum-subarray ​ 给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。 看到一个形象的比喻： 假设你是一个选择性遗忘的赌徒，数组nums表示你这几天来赢钱或者输钱 sum——表示这几天来的输赢， max——存储你手里赢到的最多的钱， 如果昨天你手上还是输钱（sum < 0），你忘记它，明天继续赌钱； 如果你...
2099.找到和最大的长度为K的子序列
L_water的博客
04-15 335
定义为从一个数组里删除一些元素后，不改变剩下元素的顺序得到的数组。
LeetCode 第 67 场双周赛总结
一只不资深程序猿的博客
12-12 229
找到和最大的长度为 K 的子序列 这是我写的：执行用时: 116 ms，内存消耗: 15.2 MB class Solution: def maxSubsequence(self, nums: List[int], k: int) -> List[int]: res = nums[:k] for i in range(k, len(nums)): re = sorted(res) if nums[i] > r
python-leetcode 10.和为K的子数组
qq_51906990的博客
01-15 518
建立哈希表mp,以前缀和pre[i]为键，出现的次数为对应的值，记录pre[i]出现的次数，从左到右边更新mp边计算答案，那么以i结尾的答案mp[pre[i]-k]即可在O(1)时间内得到，最后的答案即为所有下标结尾和为k的子数组个数之和。定义前缀和数组pre使得pre[i]为nums[0],nums[i]中所有数的和，则pre[i]可以从pre[i-1]得到，即pre[i]=pre[i-1]+nums[i]给你一个整数数组nums和一个整数k,请你统计并返回该数组中和为k的子数组的个数。
python笔记(4) --- 2099. 找到和最大的长度为 K 的子序列
sx_logicflow的博客
07-02 381
题目来自力扣记录每日刷题学习过程，如有侵权问题，联系作者删除。欢迎有意向的同学们交流学习。
python-leetcode-2269. 找到一个数字的 K 美丽值
Lucy_wzw的博客
04-16 389
我们来一步步理解这个问题。给定一个整数num和一个整数k，我们要找出num所有长度为k的，判断它们中有多少个可以整除num本身。需要注意几点：子字符串可以有前缀 0。但子字符串本身如果是 0，不能用来除（除数不能是 0）。子字符串是连续的字符序列。
LeetCode 2099.找到和最大的长度为 K 的子序列：自定义排序
<font color="Pink">Tisfy的博客</font>
07-07 962
本文介绍了如何在整数数组中找到和最大的长度为K的子序列。通过自定义排序，首先按元素值降序排序获取前K大的元素下标，然后再按原始顺序排序这些下标以保持子序列顺序。该方法时间复杂度为O(n log n)，适用于处理1000个元素以内的数组。文章提供了C++、Python、Java和Go四种语言的实现代码，并附有题目链接和示例说明。
python-leetcode-2389. 和有限的最长子序列
Lucy_wzw的博客
04-18 207
可以使用来解决这个问题。
2099. 找到和最大的长度为 K 的子序列
m0_46322965的博客
06-28 259
定义为从一个数组里删除一些元素后，不改变剩下元素的顺序得到的数组。子序列有最大和：-1 + 3 + 4 = 6。子序列有最大和：3 + 3 = 6。子序列有最大和：3 + 4 = 7。另一个可行的子序列为 [4, 3]。
python-leetcode面试题解之第368题最大整除子集.zip
06-26
1. **动态规划**：创建一个二维数组dp，其中dp[i][j]表示以数字i结束的长度为j的互质子序列的最大和。初始状态可以设定dp[0][0] = nums[0]，因为只有一个元素时，其本身就是最大子集。然后遍历数组nums，对于每个...
python-leetcode面试题解之第76题最小覆盖子串-题解.zip
04-11
给定一个非空的字符串s和一个整数k，找到s中的最小长度的子串，使得这个子串中所有字符的和至少为k。如果不存在这样的子串，则返回0。 这个问题在面试中常见，因为它考察了对字符串处理、滑动窗口以及优化算法的...
leetcode怎么销号-leetcode-exercise:leetcode用python练习
06-30
leetcode怎么销号 leetcode-exercise leetcode exercises with ...找数组中不相邻元素最大和（动态规划） 12 Medium（Easy) May 28 整数转为罗马数字 13 Medium(Hard) May 29 字符串中把前面的数字
LeetCode热题100（搜索插入位置）
m0_46433333的博客
12-15 129
1.二分法的思路，注意最后返回的是left，分析原因，此时left > right才会跳出循环，第一种情况left = temp+1之后导致的跳出循环,target大于left和right所在的位置的值，往后移一位便是插入的位置。第二种情况，right = temp - 1导致的，target小于left和right所在的位置，返回之前的right所在的位置，也就是left。给定一个排序数组和一个目标值，在数组中找到目标值，并返回其索引。请必须使用时间复杂度为。
leetcode 2147
2301_77892984的博客
12-14 180
一般地，对于第 3,5,7,…个座位，可以在其到其左侧最近座位之间的任意空隙放置一个屏风，空隙个数为两个座位的下标之差。总的方案数为每个屏风的放法之积。在示例 1 中，我们可以在第 2 个座位和第 3 个座位之间的任意空隙放置一个屏风，空隙个数为两个座位的下标之差 4−1=3。2.一共有奇数个座位。这会导致某一段只有一个座位，不满足要求。不满足题目「每一段内都恰好有两个座位」的要求。2147: 分割长廊的方案数。
LeetCode 1306.跳跃游戏III
最新发布
qq_57349657的博客
12-16 109
图的遍历DFS：跳跃游戏III
day32（12.12）——leetcode面试经典150
2401_82757880的博客
12-12 321
这道题的重点是在获取更新最小值的时候，一定要加上<=，因为栈中可能为空；同时比较大小的时候要用equals来比较数值。
LeetCode 第 15 题：三数之和
2302_80706750的博客
12-16 371
本文详解三数之和问题，从暴力法到双指针优化，强调排序与去重技巧，将时间复杂度从O(n³)降至O(n²)，并对比两数之和解法，助你掌握算法思维与面试要点。
day122—二分查找—完成旅途的最少时间（LeetCode-2187）
the_dry的博客
12-11 569
摘要：本文提出了一种基于二分查找的算法，用于计算多辆公交车完成指定旅途数所需的最少时间。算法首先确定时间范围[0,最慢车×总趟数]，然后通过二分查找寻找满足条件的最小时间。每次验证时计算当前时间内所有车辆能完成的趟数总和，若不足则增大时间，否则尝试减小时间。算法利用提前退出优化和开区间二分查找提高效率，时间复杂度为O(nlogT)。示例表明该算法能正确找到最优解，如输入[1,2,3]和5趟时输出3。
day120—二分查找—统计公平数对的数目（LeetCode-2563）
the_dry的博客
12-11 441
摘要：该算法统计数组中满足条件的有序对(i,j)，其中i<j且nums[i]+nums[j]在[lower,upper]范围内。首先对数组排序，然后对每个元素nums[j]，在其左侧区间[0,j)内使用二分查找确定满足条件的nums[i]范围。通过两次二分查找分别确定下界和上界，最终统计满足条件的数对数量。时间复杂度为O(nlogn)，适用于大规模数据。示例输入nums=[0,1,7,4,4,5],lower=3,upper=6时，输出6个有效数对。
找到和最大的长度为k的子序列力扣
03-30
<think>好的，用户现在想解决LeetCode上关于寻找长度为k且和最大的子序列的问题。首先，我需要回忆相关的题目和解法。根据用户提供的引用，特别是引用[2]和[5]，LeetCode 2099题就是这个问题。用户提到需要算法或解题思路，所以我要先整理已有的信息。 首先，子序列和子数组不同，子序列不要求连续，但顺序必须保持。题目要求长度为k，且和最大。常见的思路可能是先排序然后取最大的k个数，但这样会破坏顺序，导致得到的子序列顺序与原数组不符。比如，如果数组是[3,1,4,2]，k=2，排序后最大的两个数是4和3，但原数组中4在3之后，所以正确的子序列应该是[3,4]，但直接排序选最大的两个可能得到[4,3]，顺序不对。因此，直接排序不行，需要考虑其他方法。 引用[5]中提到了选择排序的方法，每次选出剩余元素中的最大值，并记录其索引，然后将该位置置为None，避免重复选择。最后根据记录的索引排序，得到正确顺序的子序列。这种方法的时间复杂度是O(nk)，当k较小时比较高效。但若k接近n，则可能达到O(n²)，不过题目可能数据规模不大，可以接受。 另一种方法是使用堆（优先队列），如引用[2]提到的堆解法。具体来说，可以维护一个大小为k的最大堆，或者使用堆来快速找到最大的k个元素及其索引。不过需要注意保持元素的顺序。可能的步骤是：遍历数组，将元素和索引存入堆中，按值从大到小排序。取出前k个元素后，根据索引排序，得到正确顺序的子序列。这种方法的时间复杂度是O(n log n)，因为堆的插入操作是O(log n)，而最后对k个元素排序是O(k log k)。对于较大的n，这种方法可能更优。 然后，我需要考虑动态规划是否有适用的可能，但根据问题特点，子序列需要保持顺序，并且长度固定为k，和最大。动态规划的状态可能设计为dp[i][j]，表示前i个元素中长度为j的子序列的最大和。状态转移方程需要考虑是否选择当前元素。但这样的动态规划时间复杂度是O(nk)，可能和选择排序方法相当，但实现起来稍微复杂。不过引用中没有提到动态规划解法，可能更推荐堆或选择方法。 现在需要比较这两种方法的优劣。堆方法的时间复杂度更低，尤其是当k较大时。而选择排序方法在k较小时更优，实现简单。根据题目给出的示例代码，引用[5]中的解法就是选择排序的思路，每次选最大的元素，记录索引，最后按索引排序输出。这可能更适合快速实现，尤其是在编程比赛中。 另外，还需要注意重复元素的情况。例如，如果有多个相同的最大值，需要正确选择它们的索引，以保持子序列的顺序。例如数组[5,3,5,2]，k=2，应选择第一个5和第二个5，子序列是[5,5]，但它们的索引分别是0和2，所以最终输出应为[5,5]。 总结可能的解题步骤： 1. 遍历数组，找到最大的k个元素，并记录它们的值和原始索引。 2. 根据记录的索引进行排序，确保子序列的顺序与原数组一致。 3. 提取对应的值形成结果子序列。 在实现时，需要注意如何处理元素的选择，确保每次选的是当前剩余元素中的最大值，同时记录索引。引用[5]中的代码通过将已选元素置为None来避免重复选择，这可能有效，但修改原数组是否允许需要考虑题目要求。如果题目不允许修改原数组，可能需要复制数组或使用其他方式标记已选元素。 另外，堆方法如何实现？例如，可以将所有元素和索引一起存入堆中，按值从大到小排序。取出前k个元素后，根据索引排序，然后输出对应的值。这样可以避免修改原数组，并且时间复杂度为O(n + k log k)，因为堆化需要O(n)时间（如果使用heapq.nlargest），然后对k个元素排序需要O(k log k)。这可能更高效，尤其是当n较大时。 因此，用户的问题需要给出这两种可能的解法，并比较它们的优缺点。同时，引用中的示例代码使用的是选择排序的方法，而引用[2]提到了堆解法，所以需要详细说明这两种方法，并给出代码示例。 另外，需要注意子序列和子数组的区别，确保解答中明确说明这一点。例如，子序列不需要连续，但顺序必须保持，而子数组是连续的。 最后，根据用户提供的引用，特别是引用[2]和[5]，需要将这两种方法整合到回答中，并正确引用对应的参考资料。</think>### LeetCode 2099. 找到和最大的长度为 K 的子序列 #### 问题分析 题目要求从整数数组 $nums$ 中选出长度为 $k$ 的子序列，使得其和为最大，且保持元素的原始顺序[^2]。由于子序列不要求连续，但必须保持顺序，直接排序会破坏索引关系，因此需要结合数值大小和索引顺序进行选择。 --- ### 核心解法 #### 1. 选择排序法（贪心思想） **思路**：每次选择当前剩余元素中的最大值，记录其索引，并将该位置标记为已选（例如置为 `None`），重复此过程直到选满 $k$ 个元素。最后根据索引顺序输出结果。 - **时间复杂度**：$O(nk)$，适用于 $k$ 较小的情况。 - **空间复杂度**：$O(1)$（原地修改数组）或 $O(n)$（使用辅助数组）。 ```python def maxSubsequence(nums, k): ans = [] for _ in range(k): max_val, max_idx = -float('inf'), -1 for idx, val in enumerate(nums): if val is not None and val > max_val: max_val, max_idx = val, idx ans.append((max_idx, max_val)) nums[max_idx] = None # 标记已选元素 # 按索引排序后提取值 return [val for idx, val in sorted(ans)] ``` --- #### 2. 堆（优先队列）优化法 **思路**：利用最大堆快速获取前 $k$ 个最大元素及其索引，再按索引排序恢复原始顺序。 - **时间复杂度**：$O(n \log n + k \log k)$，适合 $k$ 较大的情况。 - **空间复杂度**：$O(n)$。 ```python import heapq def maxSubsequence(nums, k): # 将元素和索引存入堆，按值降序排列 heap = [(-val, idx) for idx, val in enumerate(nums)] heapq.heapify(heap) # 取前k个元素（值最大的k个） selected = [] for _ in range(k): val, idx = heapq.heappop(heap) selected.append((idx, -val)) # 按索引排序后提取值 selected.sort() return [val for idx, val in selected] ``` --- ### 关键点对比 | 方法 | 适用场景 | 时间复杂度 | 空间复杂度 | |--------------|------------------|------------------|------------| | 选择排序法 | $k$ 较小 | $O(nk)$ | $O(1)$ | | 堆优化法 | $k$ 较大或通用 | $O(n \log n)$ | $O(n)$ | --- ### 典型用例 1. **输入**：$nums = [3,1,4,2], k = 2$ **输出**：$[3,4]$（子序列索引为0和2，和为7） 2. **输入**：$nums = [5,3,5,2], k = 2$ **输出**：$[5,5]$（索引0和2，和为10） ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值