华为OD机试 - 分割数组的最大差值 - 双指针(Java 2025 A卷 100分)

博客介绍了如何解决华为在线开发者(OD)机试中的一道题目,该题要求根据给定数组找到最佳分割点以最大化两个子数组的差值。解题思路涉及双指针法,输入输出描述详细,Java算法源码清晰,最终输出最大差值为17。

一、题目描述

给定一个由若干个整数组成的数组nums,可以在数组内的任意位置进行分割,将该数组分割成两个非空子数组(即左数组和右数组),分别对子数组求和得到两个值,计算这两个值得差值,请输出所有分割方案中,差值最大的值。

二、输入描述

第一行输入数组中的元素个数n,1 < n <= 100000

第二行输入数字序列,以空格进行分割,数字取值为4字节整数。

三、输出描述

输出差值的最大取值。

四、测试用例

测试用例1

1、输入

4
-5 -2 10 3

2、输出

20

3、说明

数组总和为6。
分割位置0:左数组:[-5],右数组:[-2,10,3],差值 = | -5 - 11 | = 16。
分割位置1:左数组:[-5,-2],右数组:[10,3],差值 = | -7 - 13 | = 20。
分割位置2:左数组:[-5,-2,10],右数组:[3],差值 = |3 - 3| = 0。

输出20

测试用例2

1、输入

5
-1 5 -3 2 7

### 华为OD最小调整顺序算法问题解析 在华为OD中,“最小调整顺序次数”问题是常见的考察点之一,通常涉及数组或序列的操作。这类问题的核心在于优化操作步骤以达到特定的目标状态。 #### 问题描述 给定一个数组 `arr` 和目标数组 `target`,每次可以交换相邻的两个元素或将某个位置上的值增加/减少一定量。目标是最少经过多少次操作使得原数组变为目标数组--- #### 解决方案概述 此类问题可以通过以下几种常见方法解决: 1. **贪心策略** 如果允许直接修改数值而非仅限于交换,则可逐位比较两数组差异并累加所需变化步数[^2]。 2. **双指针法** 对于只允许交换的情况,利用双指针定位需移动的位置及其对应目标位置,统计总交换次数[^3]。 3. **动态规划 (Dynamic Programming)** 当存在复杂约束条件时(如路径代价),采用 DP 表记录中间状态转移关系,最终得出全局最优解[^4]。 以下是基于上述逻辑的具体实现方式: --- #### 实现代码示例 ##### 方法一:贪心算法 适用于简单场景下直接改变数值大小至匹配目标值的情形。 ```java public int minAdjustmentCost(int[] arr, int[] target) { int cost = 0; for (int i = 0; i < arr.length; i++) { cost += Math.abs(arr[i] - target[i]); // 计算当前索引处差值绝对值作为单步成本 } return cost; // 返回累积的成本即为最少调整次数 } ``` ##### 方法二:双指针技术 当限定只能通过邻近互换来完成排列转换时适用此法。 ```python def minSwapsToTarget(source, target): swaps = 0 n = len(source) src_idx = tar_idx = 0 while src_idx < n and tar_idx < n: if source[src_idx] == target[tar_idx]: tar_idx += 1 elif source[src_idx] != target[tar_idx]: # 寻找下一个相等项进行置换 next_pos = src_idx + 1 while next_pos < n and source[next_pos] != target[tar_idx]: next_pos += 1 if next_pos >= n: break # 若找不到则退出循环 # 执行多次内部翻转直至正确放置该元素 for j in range(next_pos, src_idx, -1): swapElements(source, j, j-1) swaps += 1 tar_idx += 1 src_idx += 1 return swaps def swapElements(lst, idxA, idxB): lst[idxA], lst[idxB] = lst[idxB], lst[idxA] ``` ##### 方法三:动态规划 针对更复杂的变换规则或者额外限制条件下使用。 ```cpp #include <vector> using namespace std; // 动态规划表定义 struct State { vector<int> prevStates; }; int minimumOperations(const vector<int>& nums, const vector<int>& targets){ int N = nums.size(); vector<State> dp(N); // 初始化第一个状态 dp[0].prevStates.push_back(0); for(int i=1;i<N;++i){ for(auto prevState : dp[i-1].prevStates){ // 尝所有可能的状态迁移... // (此处省略具体细节) } } // 结果取最后一个节点可达状态集合中最优者 return *min_element(dp[N-1].prevStates.begin(),dp[N-1].prevStates.end()); } ``` --- #### 总结说明 以上三种方法别适应不同的输入特性与业务需求,在实际应用过程中可根据具体情况选用合适的技术路线加以应对。值得注意的是,无论采取哪种途径都需要充考虑边界情况以及极端测数据的影响因素[^1]。
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

打赏作者

哪 吒

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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