news 2026/5/1 18:29:18

D.二分查找-二分答案-求最大——2576. 求出最多标记下标

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
D.二分查找-二分答案-求最大——2576. 求出最多标记下标

题目链接:2576. 求出最多标记下标(中等)

算法原理:

解法一:排序+双指针+贪心

33ms击败79.27%

时间复杂度O(Nlogn)

首先我们思考一件事情:当一个大的数遇到一堆小的数时,在同样满足2×小的数≤大的数的情况下,咱们选这些小的数中偏小的还是偏大的?那肯定选偏大的啊!因为偏小的可能还能与后续大的数再凑一对,这贪心的思想就来了

①我们要找大的数和小的数就要先排序

②从中间劈开,分别找满足题述条件的2*nums[i] <= nums[j]的数

如果当前的大数能跟前面小的数匹配上,ret+=2,left和right同时往后走

如果匹配不上,说明当前大数小了,要right往后走再继续匹配

解法二:二分查找

35ms击败43.90%

时间复杂度O(Nlogn)

①目标变量:对数

②目标条件:对数最多

③转换逻辑:在mid对的情况下能否满足2 * nums[i] <= nums[j]的条件

具体步骤:

①确定边界:

left:0,最少0对

right:n/2,n为数组长度,最多时,所有数都能组成一对

②确定二分模型:

由于要找最大对数,因此采用最右端点模型,如果没有mid对,说明mid太大了,属于最右端点的右边,需要返回true,缩小mid,向左调整

③check方法设计:判断方法跟解法一类似,都是贪心的思想,但不完全相同,如果数组长度为10,我们在找3对时,只需判断3个最大元素和3个最小元素能否配对即可,如果这都没有3对,那就更不可能再凑3对了

Java代码:

class Solution { //解法一:排序+双指针+贪心 public int maxNumOfMarkedIndices(int[] nums) { Arrays.sort(nums); int n=nums.length; int left=0,right=(n+1)/2; int ret=0; while(left<n/2&&right<n){ if(2*nums[left]<=nums[right]){ ret+=2; left++;right++; }else right++; } return ret; } }
class Solution { //解法二:二分查找 public int maxNumOfMarkedIndices(int[] nums) { Arrays.sort(nums); int n=nums.length; int left=0,right=n/2; int ret=0; while(left<right){ int mid=left+(right-left+1)/2; if(check(mid,nums)) right=mid-1; else left=mid; } return left*2; } //如果不能找到mid对则说明mid太大了,返回true,需要向左调整 private boolean check(int mid,int[] nums){ //0对一定可行,无需向更小调整 if(mid==0) return false; int n=nums.length; //贪心验证:前mid个最小元素配对最后mid个最大元素 for(int i=0;i<mid;i++) //有一个不满足,mid对就达不到 if(2*nums[i]>nums[n-mid+i]) return true; return false; } }
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/22 19:31:31

政务云Docker集群国产化改造失败率高达67%?资深架构师亲授5个不可跳过的国产中间件对接细节

第一章&#xff1a;政务云Docker集群国产化改造的典型困局与认知纠偏在政务云场景下推进Docker集群国产化改造&#xff0c;常陷入“重硬件替换、轻生态适配”“以容器镜像替换代替架构重构”“将信创等同于操作系统替换”等认知误区。这些偏差导致项目上线后出现兼容性断层、运…

作者头像 李华
网站建设 2026/4/29 6:37:58

Docker AI配置的“最后一公里”:如何让模型加载时间从42s压缩至6.3s?——基于layer caching、multi-stage build与squash优化的实测数据报告

第一章&#xff1a;Docker AI配置的“最后一公里”问题本质与性能瓶颈诊断 Docker AI配置的“最后一公里”并非指物理距离&#xff0c;而是指模型服务在容器化部署后&#xff0c;从镜像构建完成到生产级低延迟、高吞吐推理之间所暴露的隐性失配——包括GPU资源可见性缺失、CUDA…

作者头像 李华
网站建设 2026/4/29 5:40:38

循环矩阵的魔法:如何用傅里叶变换将O(n²)复杂度降到O(n log n)

循环矩阵的魔法&#xff1a;如何用傅里叶变换将O(n)复杂度降到O(n log n) 1. 循环矩阵的本质与特性 想象一下&#xff0c;你手中有一串珍珠项链&#xff0c;每颗珍珠上都刻着一个数字。现在&#xff0c;如果每次转动项链时&#xff0c;珍珠的位置循环移动&#xff0c;但数字的…

作者头像 李华
网站建设 2026/5/1 11:15:50

ChatTTS 语音合成实战:如何正确处理多音字与停顿问题

ChatTTS 语音合成实战&#xff1a;如何正确处理多音字与停顿问题 在语音合成应用中&#xff0c;多音字识别和自然停顿处理是影响用户体验的关键问题。本文深入解析 ChatTTS 在这两方面的技术实现&#xff0c;通过对比不同解决方案的优劣&#xff0c;提供可落地的代码示例和调优…

作者头像 李华