1438 绝对差不超过限制的最长连续子数组(单调队列)

文章介绍了如何使用滑动窗口和双端队列的方法解决给定整数数组中,找到最长的连续子数组,使得子数组内任意两个元素的绝对差不超过给定限制的问题。

题目

绝对差不超过限制的最长连续子数组

给你一个整数数组 nums ,和一个表示限制的整数 limit,请你返回最长连续子数组的长度,该子数组中的任意两个元素之间的绝对差必须小于或者等于 limit 。

如果不存在满足条件的子数组,则返回 0 。

示例 1:

输入:nums = [8,2,4,7], limit = 4
输出:2 
解释:所有子数组如下:
[8] 最大绝对差 |8-8| = 0 <= 4.
[8,2] 最大绝对差 |8-2| = 6 > 4. 
[8,2,4] 最大绝对差 |8-2| = 6 > 4.
[8,2,4,7] 最大绝对差 |8-2| = 6 > 4.
[2] 最大绝对差 |2-2| = 0 <= 4.
[2,4] 最大绝对差 |2-4| = 2 <= 4.
[2,4,7] 最大绝对差 |2-7| = 5 > 4.
[4] 最大绝对差 |4-4| = 0 <= 4.
[4,7] 最大绝对差 |4-7| = 3 <= 4.
[7] 最大绝对差 |7-7| = 0 <= 4. 
因此,满足题意的最长子数组的长度为 2 。

示例 2:

输入:nums = [10,1,2,4,7,2], limit = 5
输出:4 
解释:满足题意的最长子数组是 [2,4,7,2],其最大绝对差 |2-7| = 5 <= 5 。

示例 3:

输入:nums = [4,2,2,2,4,4,2,2], limit = 0
输出:3

提示:

  • 1 <= nums.length <= 10^5
  • 1 <= nums[i] <= 10^9
  • 0 <= limit <= 10^9

题解

与滑动窗口最大值类似,维护一个max队列保证队首为最大值,维护一个min队列保证队首为最小值,枚举right更新答案

class Solution {
    public int longestSubarray(int[] nums, int limit) {
        //利用两个双端队列,max从左到右单调递增,队首为最大值,min相反
        Deque<Integer> maxdeque = new ArrayDeque<>();
        Deque<Integer> mindeque = new ArrayDeque<>();
        int n = nums.length;
        int right = 0, left = 0, ans = 0;
        //枚举right
        while (right < n) {
            while (!maxdeque.isEmpty() && nums[right] > maxdeque.peekLast()) {
                maxdeque.removeLast();
            }
            while (!mindeque.isEmpty() && nums[right] < mindeque.peekLast()) {
                mindeque.removeLast();
            }
            maxdeque.addLast(nums[right]);
            mindeque.addLast(nums[right]);
            //移动left
            while (maxdeque.peekFirst() - mindeque.peekFirst() > limit) {
                //更新对内元素
                if (maxdeque.peekFirst() == nums[left]) {
                    maxdeque.removeFirst();
                }
                if (mindeque.peekFirst() == nums[left]) {
                    mindeque.removeFirst();
                }
                left++;
            }
            ans = Math.max(ans, right - left + 1);
            right++;
        }
        return ans;
    }
}

### 使用单调队列实现最长下降子序列算法 单调队列是一种高效的优化方法,可以将原本复杂度为 \( O(n^2) \) 的动态规划算法优化到 \( O(n \log n) \)[^1]。以下是使用单调队列求解最长下降子序列(LIS)的详细算法和实现。 #### 算法思想 在求解最长下降子序列时,动态规划的核心是维护一个数组 `dp`,其中 `dp[i]` 表示以第 `i` 个元素结尾的最长下降子序列的长度。然而,这种方法的时间复杂度较高,因此需要借助单调队列进行优化[^4]。 单调队列优化的核心思想是:对于一个单调递增的序列,只需要记录每个长度对应的最小值即可[^2]。具体来说: - 使用一个数组 `f` 来存储当前可能成为 LIS 的候选序列。 - 遍历输入序列中的每个元素,通过二分查找确定该元素在 `f` 中的位置,并更新 `f` 的值。 #### 实现步骤 以下是基于单调队列的最长下降子序列算法的 Python 实现: ```python def lis_with_monotonic_queue(nums): if not nums: return 0 # 定义一个列表 f,用于存储当前的 LIS 候选序列 f = [] for num in nums: # 使用二分查找找到 num 在 f 中的插入位置 left, right = 0, len(f) while left < right: mid = (left + right) // 2 if f[mid] <= num: # 找到第一个大于 num 的位置 left = mid + 1 else: right = mid # 如果 left 等于 len(f),说明 num 比 f 中的所有数都大,直接追加 if left == len(f): f.append(num) else: # 否则替换掉第一个大于等于 num 的数 f[left] = num # 最终 f 的长度即为最长下降子序列的长度 return len(f) # 示例用法 nums = [11, 12, 13, 9, 8, 17, 19] print(lis_with_monotonic_queue(nums)) # 输出 5 ``` #### 代码解析 1. **初始化**:创建一个空列表 `f`,用于存储当前的 LIS 候选序列。 2. **遍历输入序列**:对每个元素 `num`,通过二分查找找到其在 `f` 中的插入位置。 3. **更新候选序列**: - 如果 `num` 大于 `f` 中的所有元素,则将其追加到 `f` 的末尾。 - 否则,替换掉 `f` 中第一个大于等于 `num` 的元素。 4. **返回结果**:最终 `f` 的长度即为最长下降子序列的长度。 #### 时间复杂度分析 - **二分查找**:每次查找的时间复杂度为 \( O(\log n) \)。 - **总复杂度**:由于需要对每个元素进行一次二分查找,因此总时间复杂度为 \( O(n \log n) \)[^1]。 #### 注意事项 1. 单调队列优化适用于严格递增或递减的子序列问题。 2. 如果需要输出具体的最长下降子序列,可以通过额外的回溯操作实现[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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