523-Continuous Subarray Sum

本文介绍了一种中等难度的动态规划问题,旨在判断数组中是否存在至少包含两个元素的连续子数组,其总和为给定整数k的倍数。通过累加数组元素并利用哈希表记录特定余数首次出现的位置来解决该问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

类别:dynamic programming

难度:medium


题目描述

Given a list of non-negative numbers and a target integer k, write a function to check if the array has a continuous subarray of size at least 2 that sums up to the multiple of k, that is, sums up to n*k where n is also an integer.

Example 1:

Input: [23, 2, 4, 6, 7],  k=6
Output: True
Explanation: Because [2, 4] is a continuous subarray of size 2 and sums up to 6.

Example 2:

Input: [23, 2, 6, 4, 7],  k=6
Output: True
Explanation: Because [23, 2, 6, 4, 7] is an continuous subarray of size 5 and sums up to 42.

Note:

  1. The length of the array won't exceed 10,000.
  2. You may assume the sum of all the numbers is in the range of a signed 32-bit integer.

算法分析

(1)首先,对数字进行累加运算

(2)因为对于两个数字,如果%k得到相同的余数,那么两者之差为k的整数倍

(3)由于需要用到除以k的操作,所以需要对k=0的情况做特别的处理(只要有两个相邻的0(或者以上)即可)

(4)这个算法的关键点是:a[i]+a[i+1]+....a[j] = S[j] - S[i - 1]

(5)判断是否满足条件,除了判断余数是否相同之外,还需要判断之间相邻的数目是否大于等于2

(6)用到了map的find操作,存储的是具有余数x的累加数的下标


代码实现

class Solution {
public:
    bool checkSubarraySum(vector<int>& nums, int k) {
        int n = nums.size();
        int sum = 0;
        if (n < 2) return false;
        //  因为后面用到取余操作,所以需要都除数为0的情况特殊考虑 
        if (k == 0) {
        	for (int i = 1; i < n; ++i) {
        		if (nums[i] == 0 && nums[i - 1] == 0) return true;
			}
			return false;
		}
        for (int i = 1; i < n; ++i) {
        	nums[i] += nums[i - 1];
            if (nums[i] % k == 0 && i != 0) return true;
		}
		map<int, int> remain;
		for (int i =  0; i < n; ++i) {
            // 两个数字如果除以k有同样的余数,说明两者之差为k的整数倍
			if (remain.find(nums[i] % k) == remain.end()) {
				remain[nums[i] % k] == i;
			} else {
				if (i - remain[nums[i] % k] > 1) return true;
			}
		}
	   return false;
    }
};


### 如何在 Python 中对列表中的连续元素进行求和 在 Python 中,可以通过多种方法实现对列表中连续子序列的元素求和。以下是几种常见的解决方案: #### 方法一:使用嵌套循环遍历所有可能的连续子序列 通过两层 `for` 循环枚举所有的起始位置和结束位置,并计算对应的子序列之和。 ```python def continuous_sum(lst): results = [] n = len(lst) for i in range(n): # 遍历起始索引 current_sum = 0 for j in range(i, n): # 遍历终止索引 current_sum += lst[j] results.append(current_sum) # 将当前子序列的和加入结果列表 return results # 示例代码 my_list = [1, 2, 3, 4, 5] result = continuous_sum(my_list) print("所有连续子序列的和为:", result) ``` 这种方法的时间复杂度较高,适用于小型列表[^1]。 --- #### 方法二:利用前缀和优化求解过程 前缀和是一种高效的算法技巧,能够快速计算任意区间的和。先构建一个前缀和数组,再基于此计算任何连续子序列的和。 ```python def prefix_continuous_sum(lst): prefix_sums = [0] * (len(lst) + 1) # 初始化前缀和数组 for i in range(len(lst)): prefix_sums[i + 1] = prefix_sums[i] + lst[i] results = [] for start in range(len(lst)): # 枚举起始位置 for end in range(start + 1, len(lst) + 1): # 枚举结束位置 subarray_sum = prefix_sums[end] - prefix_sums[start] results.append(subarray_sum) return results # 示例代码 my_list = [1, 2, 3, 4, 5] result = prefix_continuous_sum(my_list) print("所有连续子序列的和为:", result) ``` 该方法相比暴力法更高效,在处理大规模数据时表现更好[^2]。 --- #### 方法三:动态规划解决最大连续子序列和问题 如果目标仅限于找到最大的连续子序列和,则可以应用经典的 Kadane 算法。尽管这不完全满足题目需求,但它展示了如何针对特定场景简化问题。 ```python def max_subarray_sum(lst): max_current = max_global = lst[0] for num in lst[1:]: max_current = max(num, max_current + num) if max_current > max_global: max_global = max_current return max_global # 示例代码 my_list = [-2, 1, -3, 4, -1, 2, 1, -5, 4] max_result = max_subarray_sum(my_list) print("最大连续子序列的和为:", max_result) ``` Kadane 算法的核心在于维护两个变量分别记录全局最优解和局部最优解[^3]。 --- #### 总结 以上三种方法各有优劣: - 嵌套循环适合初学者理解逻辑; - 前缀和显著提升性能; - 动态规划则专注于特殊应用场景下的效率最大化。
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