[LeetCode] 每日一题 1760. 袋子里最少数目的球
题目链接
题目描述
给你一个整数数组 nums
,其中 nums[i]
表示第 i
个袋子里球的数目。同时给你一个整数 maxOperations
。
你可以进行如下操作至多 maxOperations
次:
选择任意一个袋子,并将袋子里的球分到 2 个新的袋子中,每个袋子里都有 正整数 个球。
比方说,一个袋子里有
5
个球,你可以把它们分到两个新袋子里,分别有1
个和4
个球,或者分别有2
个和3
个球。
你的开销是单个袋子里球数目的 最大值 ,你想要 最小化 开销。
请你返回进行上述操作后的最小开销。
示例输入
示例 1
输入:nums = [9], maxOperations = 2
输出:3
解释:
- 将装有 9 个球的袋子分成装有 6 个和 3 个球的袋子。[9] -> [6,3] 。
- 将装有 6 个球的袋子分成装有 3 个和 3 个球的袋子。[6,3] -> [3,3,3] 。
装有最多球的袋子里装有 3 个球,所以开销为 3 并返回 3 。
示例 2
输入:nums = [2,4,8,2], maxOperations = 4
输出:2
解释:
- 将装有 8 个球的袋子分成装有 4 个和 4 个球的袋子。[2,4,8,2] -> [2,4,4,4,2] 。
- 将装有 4 个球的袋子分成装有 2 个和 2 个球的袋子。[2,4,4,4,2] -> [2,2,2,4,4,2] 。
- 将装有 4 个球的袋子分成装有 2 个和 2 个球的袋子。[2,2,2,4,4,2] -> [2,2,2,2,2,4,2] 。
- 将装有 4 个球的袋子分成装有 2 个和 2 个球的袋子。[2,2,2,2,2,4,2] -> [2,2,2,2,2,2,2,2] 。
装有最多球的袋子里装有 2 个球,所以开销为 2 并返回 2 。
示例 3
输入:nums = [7,17], maxOperations = 2
输出:7
提示
1 <= nums.length <= 10^5
1 <= maxOperations, nums[i] <= 10^9
解题思路
解题思路
一开始,我考虑使用 最大堆 来模拟拆分操作,每次取出当前最大的袋子并拆成两个新袋子。虽然这种方法直观,但由于 maxOperations
可能很大,导致 超时,直接模拟拆分并不现实
后来,我看到了一个 有意思的思路——可以通过 二分查找 来解决这个问题,而不是直接模拟操作。具体来说,我们可以反向思考:
假设我们设定一个限制
x
,要求每个袋子里的球数最多为x
,那么能否在maxOperations
次内将所有袋子调整成满足该限制?如果可以,说明
x
可能还能更小;如果不可以,说明x
太小了,需要放宽限制
这种方式就可以通过 二分查找 来找到最小的可行 x
,从而最小化袋子里球数的最大值
代码实现
class Solution {
public int minimumSize(int[] nums, int maxOperations) {
int max = 0;
for (int num : nums) {
max = Math.max(max, num);
}
// 二分查找最小的 maxNum
int left = 0, right = max;
while (left + 1 < right) {
int mid = (left + right) / 2;
if (check(nums, mid, maxOperations)) {
right = mid;
} else {
left = mid;
}
}
return right;
}
private boolean check(int[] nums, int maxNum, int maxOperations) {
long count = 0;
for (int num : nums) {
count += (num - 1) / maxNum; // 计算需要的拆分次数
}
return count <= maxOperations;
}
}
复杂度分析
时间复杂度:O(n log U),其中
n
是nums
的长度,U = max(nums)
,二分查找log U
次,每次O(n)
遍历数组进行check
判断空间复杂度:O(1),只用了几个变量,没有额外的数据结构
总结
最开始,我的想法是用 最大堆 来模拟拆分,但由于 maxOperations
数量较大,这种方法导致 超时。后来,我看到了 二分查找 的思路:与其直接模拟拆分,不如反向思考 “如果袋子里球的最大值设为 x
,是否能满足 maxOperations
的约束?”,这样可以大幅减少计算量
最终,使用 二分查找 成功降低了时间复杂度,从暴力模拟的 O(n * maxOperations) 降到了 O(n log U),使得问题在大规模数据下仍能高效求解。这种 “设定目标值 + 判断可行性” 的二分法 在许多优化问题中都非常常见,值得深入学习
希望这篇分享能为你带来启发!如果你有任何问题或建议,欢迎在评论区留言,与我共同交流探讨。