普通视图

发现新文章,点击刷新页面。
昨天 — 2026年1月22日LeetCode 每日一题题解

移除最小数对使数组有序 I

2026年1月14日 09:50

方法一:模拟

思路与算法

由于数据范围非常小,故直接按题意模拟即可。

遍历 $\textit{nums}$ 的相邻元素,维护最小相邻数对和的同时判断 $\textit{nums}$ 是否满足非严格单调递增,如果不满足条件则更新数组,将相邻数对合并为新元素。重复以上操作,直到满足非严格单调递增的条件或 $\textit{nums}$ 的长度为 $1$ 为止。

代码

###C++

class Solution {
public:
    int minimumPairRemoval(std::vector<int>& nums) {
        int count = 0;

        while (nums.size() > 1) {
            bool isAscending = true;
            int minSum = std::numeric_limits<int>::max();
            int targetIndex = -1;

            for (size_t i = 0; i < nums.size() - 1; ++i) {
                int sum = nums[i] + nums[i + 1];
                
                if (nums[i] > nums[i + 1]) {
                    isAscending = false;
                }

                if (sum < minSum) {
                    minSum = sum;
                    targetIndex = static_cast<int>(i);
                }
            }

            if (isAscending) {
                break;
            }

            count++;
            nums[targetIndex] = minSum;
            nums.erase(nums.begin() + targetIndex + 1);
        }

        return count;
    }
};

###Java

class Solution {
    public int minimumPairRemoval(int[] nums) {
        List<Integer> list = new ArrayList<>();
        for (int num : nums) {
            list.add(num);
        }
        var count = 0;

        while (list.size() > 1) {
            var isAscending = true;
            var minSum = Integer.MAX_VALUE;
            var targetIndex = -1;

            for (var i = 0; i < list.size() - 1; i++) {
                var sum = list.get(i) + list.get(i + 1);

                if (list.get(i) > list.get(i + 1)) {
                    isAscending = false;
                }

                if (sum < minSum) {
                    minSum = sum;
                    targetIndex = i;
                }
            }

            if (isAscending) {
                break;
            }

            count++;
            list.set(targetIndex, minSum);
            list.remove(targetIndex + 1);
        }

        return count;
    }
}

###Python

class Solution:
    def minimumPairRemoval(self, nums: List[int]) -> int:
        count = 0

        while len(nums) > 1:
            isAscending = True
            minSum = float("inf")
            targetIndex = -1

            for i in range(len(nums) - 1):
                pair_sum = nums[i] + nums[i + 1]

                if nums[i] > nums[i + 1]:
                    isAscending = False

                if pair_sum < minSum:
                    minSum = pair_sum
                    targetIndex = i

            if isAscending:
                break

            count += 1
            nums[targetIndex] = minSum
            nums.pop(targetIndex + 1)

        return count

###C#

public class Solution {
    public int MinimumPairRemoval(int[] nums) {
        var count = 0;
        var list = nums.ToList();

        while (list.Count > 1) {
            var isAscending = true;
            var minSum = int.MaxValue;
            var targetIndex = -1;

            for (var i = 0; i < list.Count - 1; i++) {
                var sum = list[i] + list[i + 1];

                if (list[i] > list[i + 1]) {
                    isAscending = false;
                }

                if (sum < minSum) {
                    minSum = sum;
                    targetIndex = i;
                }
            }

            if (isAscending) {
                break;
            }

            count++;
            list[targetIndex] = minSum;
            list.RemoveAt(targetIndex + 1);
        }

        return count;
    }
}

###JavaScript

var minimumPairRemoval = function (nums) {
    let count = 0;

    while (nums.length > 1) {
        let isAscending = true;
        let minSum = Infinity;
        let targetIndex = -1;

        for (let i = 0; i < nums.length - 1; i++) {
            const sum = nums[i] + nums[i + 1];

            if (nums[i] > nums[i + 1]) {
                isAscending = false;
            }

            if (sum < minSum) {
                minSum = sum;
                targetIndex = i;
            }
        }

        if (isAscending) {
            break;
        }

        count++;
        nums[targetIndex] = minSum;
        nums.splice(targetIndex + 1, 1);
    }

    return count;
}

###TypeScript

function minimumPairRemoval(nums: number[]): number {
    let count = 0;

    while (nums.length > 1) {
        let isAscending = true;
        let minSum = Infinity;
        let targetIndex = -1;

        for (let i = 0; i < nums.length - 1; i++) {
            const sum = nums[i] + nums[i + 1];

            if (nums[i] > nums[i + 1]) {
                isAscending = false;
            }

            if (sum < minSum) {
                minSum = sum;
                targetIndex = i;
            }
        }

        if (isAscending) {
            break;
        }

        count++;
        nums[targetIndex] = minSum;
        nums.splice(targetIndex + 1, 1);
    }

    return count;
}

###Go

func minimumPairRemoval(nums []int) int {
    count := 0
    
    for len(nums) > 1 {
        isAscending := true
        minSum := 1 << 31 - 1
        targetIndex := -1
        
        for i := 0; i < len(nums)-1; i++ {
            sum := nums[i] + nums[i+1]
            if nums[i] > nums[i+1] {
                isAscending = false
            }
            if sum < minSum {
                minSum = sum
                targetIndex = i
            }
        }
        
        if isAscending {
            break
        }
        count++
        nums[targetIndex] = minSum
        nums = append(nums[:targetIndex+1], nums[targetIndex + 2:]...)
    }
    
    return count
}

###C

int minimumPairRemoval(int* nums, int numsSize) {
    int count = 0;
    int size = numsSize;
    
    while (size > 1) {
        int isAscending = 1;
        int minSum = INT_MAX;
        int targetIndex = -1;
        for (int i = 0; i < size - 1; i++) {
            int sum = nums[i] + nums[i + 1];
            if (nums[i] > nums[i + 1]) {
                isAscending = 0;
            }
            if (sum < minSum) {
                minSum = sum;
                targetIndex = i;
            }
        }
        
        if (isAscending) {
            break;
        }
        count++;
        nums[targetIndex] = minSum;
        for (int i = targetIndex + 1; i < size - 1; i++) {
            nums[i] = nums[i + 1];
        }
        size--;
    }
    
    return count;
}

###Rust

impl Solution {
    pub fn minimum_pair_removal(nums: Vec<i32>) -> i32 {
        let mut count = 0;
        let mut nums = nums.clone();
        
        while nums.len() > 1 {
            let mut is_ascending = true;
            let mut min_sum = i32::MAX;
            let mut target_index = -1;
            
            for i in 0..nums.len() - 1 {
                let sum = nums[i] + nums[i + 1];
                if nums[i] > nums[i + 1] {
                    is_ascending = false;
                }
                if sum < min_sum {
                    min_sum = sum;
                    target_index = i as i32;
                }
            }
            
            if is_ascending {
                break;
            }
            
            count += 1;
            let ti = target_index as usize;
            nums[ti] = min_sum;
            nums.remove(ti + 1);
        }
        
        count
    }
}

复杂度分析

  • 时间复杂度:$O(n^2)$,其中 $n$ 是 $\textit{nums}$ 的长度。合并数对最多进行 $n$ 次;判断单调性、寻找数对和删除数组中的元素均需要消耗 $O(n)$ 的时间,故总时间复杂度为 $O(n^2)$。

  • 空间复杂度:$O(1)$,只用到了常数个变量。

方法二:模拟 + 数组模拟链表

思路与算法

除了直接在数组上移除元素外,也可以采用模拟链表的思路,从而支持 $O(1)$ 的删除操作。考虑维护一个 $\textit{next}$ 数组,代表下标 $i$ 处元素的下一个元素所在位置。由于不管是判断单调性,还是寻找最小相邻数对和,都只是对线性表的顺序遍历,因此遍历部分的逻辑基本和方法一基本相同,只需要在删除元素的时候维护 $\textit{next}$ 数组,将目标元素的下一个元素指向下下个元素即可。

代码

###C++

class Solution {
public:
    int minimumPairRemoval(std::vector<int>& nums) {
        int n = nums.size();
        std::vector<int> next(n);
        std::iota(next.begin(), next.end(), 1);
        next[n - 1] = -1;
        int count = 0;

        while (n - count > 1) {
            int curr = 0;
            int target = 0;
            int targetAdjSum = nums[target] + nums[next[target]];
            bool isAscending = true;

            while (curr != -1 && next[curr] != -1) {
                if (nums[curr] > nums[next[curr]]) {
                    isAscending = false;
                }

                int currAdjSum = nums[curr] + nums[next[curr]];
                if (currAdjSum < targetAdjSum) {
                    target = curr;
                    targetAdjSum = currAdjSum;
                }
                curr = next[curr];
            }

            if (isAscending) {
                break;
            }

            count++;
            next[target] = next[next[target]];
            nums[target] = targetAdjSum;
        }

        return count;
    }
};

###Java

class Solution {
    public int minimumPairRemoval(int[] nums) {
        var n = nums.length;
        var next = new int[n];
        Arrays.setAll(next, i -> i + 1);
        next[n - 1] = -1;
        var count = 0;

        while (n - count > 1) {
            var curr = 0;
            var target = 0;
            var targetAdjSum = nums[target] + nums[next[target]];
            var isAscending = true;

            while (curr != -1 && next[curr] != -1) {
                if (nums[curr] > nums[next[curr]]) {
                    isAscending = false;
                }

                var currAdjSum = nums[curr] + nums[next[curr]];
                if (currAdjSum < targetAdjSum) {
                    target = curr;
                    targetAdjSum = currAdjSum;
                }
                curr = next[curr];
            }

            if (isAscending) {
                break;
            }

            count++;
            next[target] = next[next[target]];
            nums[target] = targetAdjSum;
        }

        return count;

    }
}

###Python

class Solution:
    def minimumPairRemoval(self, nums: List[int]) -> int:
        next_node = list(range(1, len(nums) + 1))
        next_node[-1] = None
        count = 0

        while len(nums) - count > 1:
            curr = 0
            target = 0
            target_adj_sum = nums[target] + nums[next_node[target]]
            is_ascending = True

            while curr is not None and next_node[curr] is not None:
                if nums[curr] > nums[next_node[curr]]:
                    is_ascending = False

                curr_adj_sum = nums[curr] + nums[next_node[curr]]
                if curr_adj_sum < target_adj_sum:
                    target = curr
                    target_adj_sum = curr_adj_sum

                curr = next_node[curr]

            if is_ascending:
                break

            count += 1
            next_node[target] = next_node[next_node[target]]
            nums[target] = target_adj_sum

        return count

###C#

public class Solution {
    public int MinimumPairRemoval(int[] nums) {
        var next = new int?[nums.Length];
        for (var i = 0; i < nums.Length - 1; i++) next[i] = i + 1;

        var count = 0;

        while (nums.Length - count > 1) {
            int? curr = 0;
            var target = 0;
            var targetAdjSum = nums[target] + nums[next[target]!.Value];
            var isAscending = true;

            while (curr is not null && next[curr.Value] is not null) {
                var nextVal = next[curr.Value]!.Value;

                if (nums[curr.Value] > nums[nextVal]) {
                    isAscending = false;
                }

                var currAdjSum = nums[curr.Value] + nums[nextVal];
                if (currAdjSum < targetAdjSum) {
                    target = curr.Value;
                    targetAdjSum = currAdjSum;
                }

                curr = next[curr.Value];
            }

            if (isAscending) {
                break;
            }

            count++;
            next[target] = next[next[target]!.Value];
            nums[target] = targetAdjSum;
        }

        return count;
    }
}

###JavaScript

var minimumPairRemoval = function (nums) {
    const next = nums.map((_, i) => i + 1);
    next[nums.length - 1] = null;
    let count = 0;

    while (nums.length - count > 1) {
        let curr = 0;
        let target = 0;
        let targetAdjSum = nums[target] + nums[next[target]];
        let isAscending = true;

        while (curr !== null && next[curr] !== null) {
            if (nums[curr] > nums[next[curr]]) {
                isAscending = false;
            }

            let currAdjSum = nums[curr] + nums[next[curr]];
            if (currAdjSum < targetAdjSum) {
                target = curr;
                targetAdjSum = currAdjSum;
            }
            curr = next[curr];
        }

        if (isAscending) {
            break;
        }

        count++;
        next[target] = next[next[target]];
        nums[target] = targetAdjSum;
    }

    return count;
}

###TypeScript

function minimumPairRemoval(nums: number[]): number {
    const next = nums.map<number | null>((_, i) => i + 1);
    next[nums.length - 1] = null;
    let count = 0;

    while (nums.length - count > 1) {
        let curr: number | null = 0;
        let target = 0;
        let targetAdjSum = nums[target] + nums[next[target]!];
        let isAscending = true;

        while (curr !== null && next[curr] !== null) {
            if (nums[curr] > nums[next[curr]!]) {
                isAscending = false;
            }

            let currAdjSum = nums[curr] + nums[next[curr]!];
            if (currAdjSum < targetAdjSum) {
                target = curr;
                targetAdjSum = currAdjSum;
            }
            curr = next[curr];
        }

        if (isAscending) {
            break;
        }

        count++;
        next[target] = next[next[target]!];
        nums[target] = targetAdjSum;
    }

    return count;
}

###Go

func minimumPairRemoval(nums []int) int {
    n := len(nums)
    next := make([]int, n)
    
    for i := 0; i < n; i++ {
        next[i] = i + 1
    }
    next[n - 1] = -1
    count := 0
    for n - count > 1 {
        curr := 0
        target := 0
        targetAdjSum := nums[target] + nums[next[target]]
        isAscending := true
        
        for curr != -1 && next[curr] != -1 {
            if nums[curr] > nums[next[curr]] {
                isAscending = false
            }
            
            currAdjSum := nums[curr] + nums[next[curr]]
            if currAdjSum < targetAdjSum {
                target = curr
                targetAdjSum = currAdjSum
            }
            curr = next[curr]
        }
        
        if isAscending {
            break
        }
        
        count++
        next[target] = next[next[target]]
        nums[target] = targetAdjSum
    }
    
    return count
}

###C

int minimumPairRemoval(int* nums, int n) {
    int* next = (int*)malloc(n * sizeof(int));
    if (next == NULL) {
        return -1;
    }
    for (int i = 0; i < n; i++) {
        next[i] = i + 1;
    }
    next[n - 1] = -1;

    int count = 0;
    while (n - count > 1) {
        int curr = 0;
        int target = 0;
        int targetAdjSum = nums[target] + nums[next[target]];
        int isAscending = 1;
        
        while (curr != -1 && next[curr] != -1) {
            if (nums[curr] > nums[next[curr]]) {
                isAscending = 0;
            }
            
            int currAdjSum = nums[curr] + nums[next[curr]];
            if (currAdjSum < targetAdjSum) {
                target = curr;
                targetAdjSum = currAdjSum;
            }
            curr = next[curr];
        }
        if (isAscending) {
            break;
        }
        count++;
        next[target] = next[next[target]];
        nums[target] = targetAdjSum;
    }
    
    free(next);
    return count;
}

###Rust

impl Solution {
    pub fn minimum_pair_removal(nums: Vec<i32>) -> i32 {
        let n = nums.len();
        let mut nums = nums.clone();
        let mut next: Vec<isize> = (0..n as isize).map(|i| i + 1).collect();
        next[n - 1] = -1;
        
        let mut count = 0;
        
        while (n as i32 - count) > 1 {
            let mut curr: isize = 0;
            let mut target: isize = 0;
            let mut target_adj_sum = nums[0] + nums[next[0] as usize];
            let mut is_ascending = true;
            
            while curr != -1 && next[curr as usize] != -1 {
                let curr_idx = curr as usize;
                let next_idx = next[curr_idx] as usize;
                
                if nums[curr_idx] > nums[next_idx] {
                    is_ascending = false;
                }
                
                let curr_adj_sum = nums[curr_idx] + nums[next_idx];
                if curr_adj_sum < target_adj_sum {
                    target = curr;
                    target_adj_sum = curr_adj_sum;
                }
                curr = next[curr_idx];
            }
            
            if is_ascending {
                break;
            }
            
            count += 1;
            let target_idx = target as usize;
            let next_target = next[target_idx] as usize;
            next[target_idx] = next[next_target];
            nums[target_idx] = target_adj_sum;
        }
        
        count
    }
}

复杂度分析

  • 时间复杂度:$O(n^2)$,其中 $n$ 是 $\textit{nums}$ 的长度。具体分析同方法一,只是删除操作此时只需 $O(1)$ 即可完成。

  • 空间复杂度:$O(n)$,$\textit{next}$ 数组需要使用 $O(n)$ 的辅助空间。

[Python3/Java/C++/Go/TypeScript] 一题一解:模拟(清晰题解)

作者 lcbin
2026年1月22日 07:39

方法一:模拟

我们定义一个函数 $\text{is_non_decreasing}(a)$,用于判断数组 $a$ 是否为非递减数组。

我们使用一个循环,直到数组 $arr$ 为非递减数组为止。在每次循环中,我们找到数组 $arr$ 中相邻元素对的和的最小值,并记录该对的左边元素的下标 $k$。然后,我们将该对的和替换左边的元素,并删除右边的元素。最后,我们返回操作的次数。

###python

class Solution:
    def minimumPairRemoval(self, nums: List[int]) -> int:
        arr = nums[:]
        ans = 0

        def is_non_decreasing(a: List[int]) -> bool:
            for i in range(1, len(a)):
                if a[i] < a[i - 1]:
                    return False
            return True

        while not is_non_decreasing(arr):
            k = 0
            s = arr[0] + arr[1]
            for i in range(1, len(arr) - 1):
                t = arr[i] + arr[i + 1]
                if s > t:
                    s = t
                    k = i
            arr[k] = s
            arr.pop(k + 1)
            ans += 1
        return ans

###java

class Solution {
    public int minimumPairRemoval(int[] nums) {
        List<Integer> arr = new ArrayList<>();
        for (int x : nums) {
            arr.add(x);
        }
        int ans = 0;
        while (!isNonDecreasing(arr)) {
            int k = 0;
            int s = arr.get(0) + arr.get(1);
            for (int i = 1; i < arr.size() - 1; ++i) {
                int t = arr.get(i) + arr.get(i + 1);
                if (s > t) {
                    s = t;
                    k = i;
                }
            }
            arr.set(k, s);
            arr.remove(k + 1);
            ++ans;
        }
        return ans;
    }

    private boolean isNonDecreasing(List<Integer> arr) {
        for (int i = 1; i < arr.size(); ++i) {
            if (arr.get(i) < arr.get(i - 1)) {
                return false;
            }
        }
        return true;
    }
}

###cpp

class Solution {
public:
    int minimumPairRemoval(vector<int>& nums) {
        vector<int> arr = nums;
        int ans = 0;

        while (!isNonDecreasing(arr)) {
            int k = 0;
            int s = arr[0] + arr[1];

            for (int i = 1; i < arr.size() - 1; ++i) {
                int t = arr[i] + arr[i + 1];
                if (s > t) {
                    s = t;
                    k = i;
                }
            }

            arr[k] = s;
            arr.erase(arr.begin() + (k + 1));
            ++ans;
        }

        return ans;
    }

private:
    bool isNonDecreasing(const vector<int>& arr) {
        for (int i = 1; i < (int) arr.size(); ++i) {
            if (arr[i] < arr[i - 1]) {
                return false;
            }
        }
        return true;
    }
};

###go

func minimumPairRemoval(nums []int) int {
arr := append([]int(nil), nums...)
ans := 0

isNonDecreasing := func(a []int) bool {
for i := 1; i < len(a); i++ {
if a[i] < a[i-1] {
return false
}
}
return true
}

for !isNonDecreasing(arr) {
k := 0
s := arr[0] + arr[1]

for i := 1; i < len(arr)-1; i++ {
t := arr[i] + arr[i+1]
if s > t {
s = t
k = i
}
}

arr[k] = s
copy(arr[k+1:], arr[k+2:])
arr = arr[:len(arr)-1]
ans++
}

return ans
}

###ts

function minimumPairRemoval(nums: number[]): number {
    const arr = nums.slice();
    let ans = 0;
    const isNonDecreasing = (a: number[]): boolean => {
        for (let i = 1; i < a.length; i++) {
            if (a[i] < a[i - 1]) {
                return false;
            }
        }
        return true;
    };
    while (!isNonDecreasing(arr)) {
        let k = 0;
        let s = arr[0] + arr[1];
        for (let i = 1; i < arr.length - 1; ++i) {
            const t = arr[i] + arr[i + 1];
            if (s > t) {
                s = t;
                k = i;
            }
        }
        arr[k] = s;
        arr.splice(k + 1, 1);
        ans++;
    }
    return ans;
}

###rust

impl Solution {
    pub fn minimum_pair_removal(nums: Vec<i32>) -> i32 {
        let mut arr: Vec<i32> = nums.clone();
        let mut ans: i32 = 0;

        fn is_non_decreasing(a: &Vec<i32>) -> bool {
            for i in 1..a.len() {
                if a[i] < a[i - 1] {
                    return false;
                }
            }
            true
        }

        while !is_non_decreasing(&arr) {
            let mut k: usize = 0;
            let mut s: i32 = arr[0] + arr[1];
            for i in 1..arr.len() - 1 {
                let t: i32 = arr[i] + arr[i + 1];
                if s > t {
                    s = t;
                    k = i;
                }
            }
            arr[k] = s;
            arr.remove(k + 1);
            ans += 1;
        }

        ans
    }
}

时间复杂度 $O(n^2)$,空间复杂度 $O(n)$。其中 $n$ 为数组的长度。


有任何问题,欢迎评论区交流,欢迎评论区提供其它解题思路(代码),也可以点个赞支持一下作者哈 😄~

每日一题-移除最小数对使数组有序 I🟢

2026年1月22日 00:00

给你一个数组 nums,你可以执行以下操作任意次数:

  • 选择 相邻 元素对中 和最小 的一对。如果存在多个这样的对,选择最左边的一个。
  • 用它们的和替换这对元素。

返回将数组变为 非递减 所需的 最小操作次数 

如果一个数组中每个元素都大于或等于它前一个元素(如果存在的话),则称该数组为非递减

 

示例 1:

输入: nums = [5,2,3,1]

输出: 2

解释:

  • 元素对 (3,1) 的和最小,为 4。替换后 nums = [5,2,4]
  • 元素对 (2,4) 的和为 6。替换后 nums = [5,6]

数组 nums 在两次操作后变为非递减。

示例 2:

输入: nums = [1,2,2]

输出: 0

解释:

数组 nums 已经是非递减的。

 

提示:

  • 1 <= nums.length <= 50
  • -1000 <= nums[i] <= 1000

3507. 移除最小数对使数组有序 I

作者 stormsunshine
2025年4月7日 06:11

解法一

思路和算法

如果初始时数组 $\textit{nums}$ 已经非递减,则最小操作次数是 $0$。以下只考虑初始时数组 $\textit{nums}$ 不满足非递减的情况。

最直观的思路是模拟数组的操作。每次操作时,遍历数组 $\textit{nums}$ 寻找相邻元素对中的元素和最小且最左边的一个元素对,用元素和替换这对元素,直到数组变成非递减,此时的操作次数即为将数组变为非递减所需的最小操作次数。

用 $n$ 表示数组 $\textit{nums}$ 的长度。由于每次操作之后都会将数组中的元素个数减少 $1$,因此每次操作应将执行合并操作的元素对右侧的元素向左移动。对于 $0 \le k < n$ 的整数 $k$,在执行 $k$ 次操作之后,剩余元素个数是 $n - k$,因此下一次操作时应只考虑数组的前 $n - k$ 个元素。

代码

###Java

class Solution {
    public int minimumPairRemoval(int[] nums) {
        int removals = 0;
        int n = nums.length;
        while (!isNonDecreasing(nums, n)) {
            update(nums, n);
            removals++;
            n--;
        }
        return removals;
    }

    public void update(int[] nums, int n) {
        int minSum = Integer.MAX_VALUE;
        int index = -1;
        for (int i = 0; i < n - 1; i++) {
            if (nums[i] + nums[i + 1] < minSum) {
                minSum = nums[i] + nums[i + 1];
                index = i;
            }
        }
        if (index >= 0) {
            nums[index] = minSum;
            for (int i = index + 1; i < n - 1; i++) {
                nums[i] = nums[i + 1];
            }
        }
    }

    public boolean isNonDecreasing(int[] nums, int n) {
        for (int i = 1; i < n; i++) {
            if (nums[i - 1] > nums[i]) {
                return false;
            }
        }
        return true;
    }
}

###C#

public class Solution {
    public int MinimumPairRemoval(int[] nums) {
        int removals = 0;
        int n = nums.Length;
        while (!IsNonDecreasing(nums, n)) {
            Update(nums, n);
            removals++;
            n--;
        }
        return removals;
    }

    public void Update(int[] nums, int n) {
        int minSum = int.MaxValue;
        int index = -1;
        for (int i = 0; i < n - 1; i++) {
            if (nums[i] + nums[i + 1] < minSum) {
                minSum = nums[i] + nums[i + 1];
                index = i;
            }
        }
        if (index >= 0) {
            nums[index] = minSum;
            for (int i = index + 1; i < n - 1; i++) {
                nums[i] = nums[i + 1];
            }
        }
    }

    public bool IsNonDecreasing(int[] nums, int n) {
        for (int i = 1; i < n; i++) {
            if (nums[i - 1] > nums[i]) {
                return false;
            }
        }
        return true;
    }
}

复杂度分析

  • 时间复杂度:$O(n^2)$,其中 $n$ 是数组 $\textit{nums}$ 的长度。最差情况需要执行 $n - 1$ 次操作,每次操作的时间是 $O(n)$,因此时间复杂度是 $O(n^2)$。

  • 空间复杂度:$O(1)$。所有的操作均为原地修改数组。

解法二

思路和算法

使用双向链表、哈希表和优先队列,可以将时间复杂度降低到 $O(n \log n)$。具体见题解「3510. 移除最小数对使数组有序 II」。

代码

###Java

class Solution {
    private class Node {
        private int index;
        private long value;
        private Node prev;
        private Node next;

        public Node() {
            this(-1, Integer.MAX_VALUE);
        }

        public Node(int index, long value) {
            this.index = index;
            this.value = value;
            prev = null;
            next = null;
        }

        public int getIndex() {
            return index;
        }

        public long getValue() {
            return value;
        }

        public void setValue(long value) {
            this.value = value;
        }

        public Node getPrev() {
            return prev;
        }

        public void setPrev(Node prev) {
            this.prev = prev;
        }

        public Node getNext() {
            return next;
        }

        public void setNext(Node next) {
            this.next = next;
        }
    }

    public int minimumPairRemoval(int[] nums) {
        int removals = 0;
        Map<Integer, Node> indexToNode = new HashMap<Integer, Node>();
        Node pseudoHead = new Node();
        Node pseudoTail = new Node();
        Node prevNode = pseudoHead;
        int n = nums.length;
        for (int i = 0; i < n; i++) {
            Node node = new Node(i, nums[i]);
            indexToNode.put(i, node);
            prevNode.setNext(node);
            node.setPrev(prevNode);
            prevNode = node;
        }
        prevNode.setNext(pseudoTail);
        pseudoTail.setPrev(prevNode);
        PriorityQueue<long[]> pq = new PriorityQueue<long[]>((a, b) -> a[0] != b[0] ? Long.compare(a[0], b[0]) : Long.compare(a[1], b[1]));
        int reversePairs = 0;
        for (int i = 0; i < n - 1; i++) {
            pq.offer(new long[]{nums[i] + nums[i + 1], i, i + 1});
            if (nums[i] > nums[i + 1]) {
                reversePairs++;
            }
        }
        while (reversePairs > 0) {
            long[] arr = pq.poll();
            long newValue = arr[0];
            int index1 = (int) arr[1], index2 = (int) arr[2];
            if (!indexToNode.containsKey(index1) || !indexToNode.containsKey(index2) || newValue != indexToNode.get(index1).getValue() + indexToNode.get(index2).getValue()) {
                continue;
            }
            removals++;
            Node node1 = indexToNode.get(index1), node2 = indexToNode.get(index2);
            if (node1.getValue() > node2.getValue()) {
                reversePairs--;
            }
            if (node1.getPrev().getIndex() >= 0 && node1.getPrev().getValue() > node1.getValue()) {
                reversePairs--;
            }
            if (node2.getNext().getIndex() >= 0 && node2.getNext().getValue() < node2.getValue()) {
                reversePairs--;
            }
            node1.setValue(newValue);
            remove(node2);
            indexToNode.remove(index2);
            if (node1.getPrev().getIndex() >= 0) {
                pq.offer(new long[]{node1.getPrev().getValue() + node1.getValue(), node1.getPrev().getIndex(), node1.getIndex()});
                if (node1.getPrev().getValue() > node1.getValue()) {
                    reversePairs++;
                }
            }
            if (node1.getNext().getIndex() >= 0) {
                pq.offer(new long[]{node1.getValue() + node1.getNext().getValue(), node1.getIndex(), node1.getNext().getIndex()});
                if (node1.getNext().getValue() < node1.getValue()) {
                    reversePairs++;
                }
            }
        }
        return removals;
    }

    public void remove(Node node) {
        Node prev = node.getPrev(), next = node.getNext();
        prev.setNext(next);
        next.setPrev(prev);
    }
}

###C#

public class Solution {
    public class Node {
        public int Index { get; set; }
        public long Value { get; set; }
        public Node Prev { get; set; }
        public Node Next { get; set; }

        public Node() : this(-1, int.MaxValue) {

        }

        public Node(int index, long value) {
            Index = index;
            Value = value;
            Prev = null;
            Next = null;
        }
    }

    public int MinimumPairRemoval(int[] nums) {
        int removals = 0;
        IDictionary<int, Node> indexToNode = new Dictionary<int, Node>();
        Node pseudoHead = new Node();
        Node pseudoTail = new Node();
        Node prevNode = pseudoHead;
        int n = nums.Length;
        for (int i = 0; i < n; i++) {
            Node node = new Node(i, nums[i]);
            indexToNode.Add(i, node);
            prevNode.Next = node;
            node.Prev = prevNode;
            prevNode = node;
        }
        prevNode.Next = pseudoTail;
        pseudoTail.Prev = prevNode;
        Comparer<Tuple<long, int, int>> comparer = Comparer<Tuple<long, int, int>>.Create((a, b) => a.Item1 != b.Item1 ? a.Item1.CompareTo(b.Item1) : a.Item2.CompareTo(b.Item2));
        PriorityQueue<Tuple<long, int, int>, Tuple<long, int, int>> pq = new PriorityQueue<Tuple<long, int, int>, Tuple<long, int, int>>(comparer);
        int reversePairs = 0;
        for (int i = 0; i < n - 1; i++) {
            pq.Enqueue(new Tuple<long, int, int>(nums[i] + nums[i + 1], i, i + 1), new Tuple<long, int, int>(nums[i] + nums[i + 1], i, i + 1));
            if (nums[i] > nums[i + 1]) {
                reversePairs++;
            }
        }
        while (reversePairs > 0) {
            Tuple<long, int, int> tuple = pq.Dequeue();
            long newValue = tuple.Item1;
            int index1 = tuple.Item2, index2 = tuple.Item3;
            if (!indexToNode.ContainsKey(index1) || !indexToNode.ContainsKey(index2) || newValue != indexToNode[index1].Value + indexToNode[index2].Value) {
                continue;
            }
            removals++;
            Node node1 = indexToNode[index1], node2 = indexToNode[index2];
            if (node1.Value > node2.Value) {
                reversePairs--;
            }
            if (node1.Prev.Index >= 0 && node1.Prev.Value > node1.Value) {
                reversePairs--;
            }
            if (node2.Next.Index >= 0 && node2.Next.Value < node2.Value) {
                reversePairs--;
            }
            node1.Value = newValue;
            Remove(node2);
            indexToNode.Remove(index2);
            if (node1.Prev.Index >= 0) {
                pq.Enqueue(new Tuple<long, int, int>(node1.Prev.Value + node1.Value, node1.Prev.Index, node1.Index), new Tuple<long, int, int>(node1.Prev.Value + node1.Value, node1.Prev.Index, node1.Index));
                if (node1.Prev.Value > node1.Value) {
                    reversePairs++;
                }
            }
            if (node1.Next.Index >= 0) {
                pq.Enqueue(new Tuple<long, int, int>(node1.Value + node1.Next.Value, node1.Index, node1.Next.Index), new Tuple<long, int, int>(node1.Value + node1.Next.Value, node1.Index, node1.Next.Index));
                if (node1.Next.Value < node1.Value) {
                    reversePairs++;
                }
            }
        }
        return removals;
    }

    public void Remove(Node node) {
        Node prev = node.Prev, next = node.Next;
        prev.Next = next;
        next.Prev = prev;
    }
}

复杂度分析

  • 时间复杂度:$O(n \log n)$,其中 $n$ 是数组 $\textit{nums}$ 的长度。遍历数组初始化数据结构的时间是 $O(n \log n)$,最差情况需要执行 $n - 1$ 次操作,每次操作中的双向链表和哈希表的更新时间是 $O(1)$,优先队列的更新时间是 $O(\log n)$,因此时间复杂度是 $O(n \log n)$。

  • 空间复杂度:$O(n)$,其中 $n$ 是数组 $\textit{nums}$ 的长度。双向链表、哈希表和优先队列的空间是 $O(n)$。

昨天以前LeetCode 每日一题题解

[Python3/Java/C++/Go/TypeScript] 一题一解:位运算(清晰题解)

作者 lcbin
2026年1月21日 07:54

方法一:位运算

对于一个整数 $a$,满足 $a \lor (a + 1)$ 的结果一定为奇数,因此,如果 $\text{nums[i]}$ 是偶数,那么 $\text{ans}[i]$ 一定不存在,直接返回 $-1$。本题中 $\textit{nums}[i]$ 是质数,判断是否是偶数,只需要判断是否等于 $2$ 即可。

如果 $\text{nums[i]}$ 是奇数,假设 $\text{nums[i]} = \text{0b1101101}$,由于 $a \lor (a + 1) = \text{nums[i]}$,等价于将 $a$ 的最后一个为 $0$ 的二进制位变为 $1$。那么求解 $a$,就等价于将 $\text{nums[i]}$ 的最后一个 $0$ 的下一位 $1$ 变为 $0$。我们只需要从低位(下标为 $1$)开始遍历,找到第一个为 $0$ 的二进制位,如果是第 $i$ 位,那么我们就将 $\text{nums[i]}$ 的第 $i - 1$ 位变为 $1$,即 $\text{ans}[i] = \text{nums[i]} \oplus 2^{i - 1}$。

遍历所有的 $\text{nums[i]}$,即可得到答案。

###python

class Solution:
    def minBitwiseArray(self, nums: List[int]) -> List[int]:
        ans = []
        for x in nums:
            if x == 2:
                ans.append(-1)
            else:
                for i in range(1, 32):
                    if x >> i & 1 ^ 1:
                        ans.append(x ^ 1 << (i - 1))
                        break
        return ans

###java

class Solution {
    public int[] minBitwiseArray(List<Integer> nums) {
        int n = nums.size();
        int[] ans = new int[n];
        for (int i = 0; i < n; ++i) {
            int x = nums.get(i);
            if (x == 2) {
                ans[i] = -1;
            } else {
                for (int j = 1; j < 32; ++j) {
                    if ((x >> j & 1) == 0) {
                        ans[i] = x ^ 1 << (j - 1);
                        break;
                    }
                }
            }
        }
        return ans;
    }
}

###cpp

class Solution {
public:
    vector<int> minBitwiseArray(vector<int>& nums) {
        vector<int> ans;
        for (int x : nums) {
            if (x == 2) {
                ans.push_back(-1);
            } else {
                for (int i = 1; i < 32; ++i) {
                    if (x >> i & 1 ^ 1) {
                        ans.push_back(x ^ 1 << (i - 1));
                        break;
                    }
                }
            }
        }
        return ans;
    }
};

###go

func minBitwiseArray(nums []int) (ans []int) {
for _, x := range nums {
if x == 2 {
ans = append(ans, -1)
} else {
for i := 1; i < 32; i++ {
if x>>i&1 == 0 {
ans = append(ans, x^1<<(i-1))
break
}
}
}
}
return
}

###ts

function minBitwiseArray(nums: number[]): number[] {
    const ans: number[] = [];
    for (const x of nums) {
        if (x === 2) {
            ans.push(-1);
        } else {
            for (let i = 1; i < 32; ++i) {
                if (((x >> i) & 1) ^ 1) {
                    ans.push(x ^ (1 << (i - 1)));
                    break;
                }
            }
        }
    }
    return ans;
}

时间复杂度 $O(n \times \log M)$,其中 $n$ 和 $M$ 分别是数组 $\text{nums}$ 的长度和数组中的最大值。忽略答案数组的空间消耗,空间复杂度 $O(1)$。


有任何问题,欢迎评论区交流,欢迎评论区提供其它解题思路(代码),也可以点个赞支持一下作者哈 😄~

每日一题-构造最小位运算数组 II🟡

2026年1月21日 00:00

给你一个长度为 n 的 质数 数组 nums 。你的任务是返回一个长度为 n 的数组 ans ,对于每个下标 i ,以下 条件 均成立:

  • ans[i] OR (ans[i] + 1) == nums[i]

除此以外,你需要 最小化 结果数组里每一个 ans[i] 。

如果没法找到符合 条件 的 ans[i] ,那么 ans[i] = -1 。

质数 指的是一个大于 1 的自然数,且它只有 1 和自己两个因数。

 

示例 1:

输入:nums = [2,3,5,7]

输出:[-1,1,4,3]

解释:

  • 对于 i = 0 ,不存在 ans[0] 满足 ans[0] OR (ans[0] + 1) = 2 ,所以 ans[0] = -1 。
  • 对于 i = 1 ,满足 ans[1] OR (ans[1] + 1) = 3 的最小 ans[1] 为 1 ,因为 1 OR (1 + 1) = 3 。
  • 对于 i = 2 ,满足 ans[2] OR (ans[2] + 1) = 5 的最小 ans[2] 为 4 ,因为 4 OR (4 + 1) = 5 。
  • 对于 i = 3 ,满足 ans[3] OR (ans[3] + 1) = 7 的最小 ans[3] 为 3 ,因为 3 OR (3 + 1) = 7 。

示例 2:

输入:nums = [11,13,31]

输出:[9,12,15]

解释:

  • 对于 i = 0 ,满足 ans[0] OR (ans[0] + 1) = 11 的最小 ans[0] 为 9 ,因为 9 OR (9 + 1) = 11 。
  • 对于 i = 1 ,满足 ans[1] OR (ans[1] + 1) = 13 的最小 ans[1] 为 12 ,因为 12 OR (12 + 1) = 13 。
  • 对于 i = 2 ,满足 ans[2] OR (ans[2] + 1) = 31 的最小 ans[2] 为 15 ,因为 15 OR (15 + 1) = 31 。

 

提示:

  • 1 <= nums.length <= 100
  • 2 <= nums[i] <= 109
  • nums[i] 是一个质数。

O(1) 计算每个数(Python/Java/C++/Go)

作者 endlesscheng
2024年10月13日 08:11

例如 $x=100111$,那么 $x\ |\ (x+1) = 100111\ |\ 101000 = 101111$。

可以发现,$x\ |\ (x+1)$ 的本质是把二进制最右边的 $0$ 置为 $1$。

反过来,如果已知 $x\ |\ (x+1) = 101111$,那么倒推 $x$,需要把 $101111$ 中的某个 $1$ 变成 $0$。满足要求的 $x$ 有:

$$
\begin{aligned}
100111 \
101011 \
101101 \
101110 \
\end{aligned}
$$

其中最小的是 $100111$,也就是把 $101111$ 最右边的 $0$ 的右边的 $1$ 置为 $0$。

无解的情况:由于 $x\ |\ (x+1)$ 最低位一定是 $1$(因为 $x$ 和 $x+1$ 中必有一奇数),所以如果 $\textit{nums}[i]$ 是偶数(质数中只有 $2$),那么无解。

写法一

举例说明:把 $101111$ 取反,得 $010000$,其 $\text{lowbit}=10000$,右移一位得 $1000$。把 $101111$ 与 $1000$ 异或,即可得到 $100111$。

关于 $\text{lowbit}$ 的原理,请看 从集合论到位运算,常见位运算技巧分类总结!

本题视频讲解,欢迎点赞关注~

###py

class Solution:
    def minBitwiseArray(self, nums: List[int]) -> List[int]:
        for i, x in enumerate(nums):
            if x == 2:
                nums[i] = -1
            else:
                t = ~x
                nums[i] ^= (t & -t) >> 1
        return nums

###java

class Solution {
    public int[] minBitwiseArray(List<Integer> nums) {
        int n = nums.size();
        int[] ans = new int[n];
        for (int i = 0; i < n; i++) {
            int x = nums.get(i);
            if (x == 2) {
                ans[i] = -1;
            } else {
                int t = ~x;
                int lowbit = t & -t;
                ans[i] = x ^ (lowbit >> 1);
            }
        }
        return ans;
    }
}

###cpp

class Solution {
public:
    vector<int> minBitwiseArray(vector<int>& nums) {
        for (int& x : nums) { // 注意这里是引用
            if (x == 2) {
                x = -1;
            } else {
                int t = ~x;
                x ^= (t & -t) >> 1;
            }
        }
        return nums;
    }
};

###go

func minBitwiseArray(nums []int) []int {
for i, x := range nums {
if x == 2 {
nums[i] = -1
} else {
t := ^x
nums[i] ^= t & -t >> 1
}
}
return nums
}

写法二

把 $101111$ 加一,得到 $110000$,再 AND $101111$ 取反后的值 $010000$,可以得到方法一中的 $\text{lowbit}=10000$。

###py

class Solution:
    def minBitwiseArray(self, nums: List[int]) -> List[int]:
        for i, x in enumerate(nums):
            if x == 2:
                nums[i] = -1
            else:
                nums[i] ^= ((x + 1) & ~x) >> 1
        return nums

###java

class Solution {
    public int[] minBitwiseArray(List<Integer> nums) {
        int n = nums.size();
        int[] ans = new int[n];
        for (int i = 0; i < n; i++) {
            int x = nums.get(i);
            if (x == 2) {
                ans[i] = -1;
            } else {
                int lowbit = (x + 1) & ~x;
                ans[i] = x ^ (lowbit >> 1);
            }
        }
        return ans;
    }
}

###cpp

class Solution {
public:
    vector<int> minBitwiseArray(vector<int>& nums) {
        for (int& x : nums) { // 注意这里是引用
            if (x == 2) {
                x = -1;
            } else {
                x ^= ((x + 1) & ~x) >> 1;
            }
        }
        return nums;
    }
};

###go

func minBitwiseArray(nums []int) []int {
for i, x := range nums {
if x == 2 {
nums[i] = -1
} else {
nums[i] ^= (x + 1) &^ x >> 1
}
}
return nums
}

复杂度分析

  • 时间复杂度:$\mathcal{O}(n)$,其中 $n$ 是 $\textit{nums}$ 的长度。
  • 空间复杂度:$\mathcal{O}(1)$。

专题训练

见下面位运算题单的「八、思维题」。

分类题单

如何科学刷题?

  1. 滑动窗口与双指针(定长/不定长/单序列/双序列/三指针/分组循环)
  2. 二分算法(二分答案/最小化最大值/最大化最小值/第K小)
  3. 单调栈(基础/矩形面积/贡献法/最小字典序)
  4. 网格图(DFS/BFS/综合应用)
  5. 位运算(基础/性质/拆位/试填/恒等式/思维)
  6. 图论算法(DFS/BFS/拓扑排序/基环树/最短路/最小生成树/网络流)
  7. 动态规划(入门/背包/划分/状态机/区间/状压/数位/数据结构优化/树形/博弈/概率期望)
  8. 常用数据结构(前缀和/差分/栈/队列/堆/字典树/并查集/树状数组/线段树)
  9. 数学算法(数论/组合/概率期望/博弈/计算几何/随机算法)
  10. 贪心与思维(基本贪心策略/反悔/区间/字典序/数学/思维/脑筋急转弯/构造)
  11. 链表、树与回溯(前后指针/快慢指针/DFS/BFS/直径/LCA)
  12. 字符串(KMP/Z函数/Manacher/字符串哈希/AC自动机/后缀数组/子序列自动机)

我的题解精选(已分类)

欢迎关注 B站@灵茶山艾府

[Python3/Java/C++/Go/TypeScript] 一题一解:位运算(清晰题解)

作者 lcbin
2026年1月20日 07:21

方法一:位运算

对于一个整数 $a$,满足 $a \lor (a + 1)$ 的结果一定为奇数,因此,如果 $\text{nums[i]}$ 是偶数,那么 $\text{ans}[i]$ 一定不存在,直接返回 $-1$。本题中 $\textit{nums}[i]$ 是质数,判断是否是偶数,只需要判断是否等于 $2$ 即可。

如果 $\text{nums[i]}$ 是奇数,假设 $\text{nums[i]} = \text{0b1101101}$,由于 $a \lor (a + 1) = \text{nums[i]}$,等价于将 $a$ 的最后一个为 $0$ 的二进制位变为 $1$。那么求解 $a$,就等价于将 $\text{nums[i]}$ 的最后一个 $0$ 的下一位 $1$ 变为 $0$。我们只需要从低位(下标为 $1$)开始遍历,找到第一个为 $0$ 的二进制位,如果是第 $i$ 位,那么我们就将 $\text{nums[i]}$ 的第 $i - 1$ 位变为 $1$,即 $\text{ans}[i] = \text{nums[i]} \oplus 2^{i - 1}$。

遍历所有的 $\text{nums[i]}$,即可得到答案。

###python

class Solution:
    def minBitwiseArray(self, nums: List[int]) -> List[int]:
        ans = []
        for x in nums:
            if x == 2:
                ans.append(-1)
            else:
                for i in range(1, 32):
                    if x >> i & 1 ^ 1:
                        ans.append(x ^ 1 << (i - 1))
                        break
        return ans

###java

class Solution {
    public int[] minBitwiseArray(List<Integer> nums) {
        int n = nums.size();
        int[] ans = new int[n];
        for (int i = 0; i < n; ++i) {
            int x = nums.get(i);
            if (x == 2) {
                ans[i] = -1;
            } else {
                for (int j = 1; j < 32; ++j) {
                    if ((x >> j & 1) == 0) {
                        ans[i] = x ^ 1 << (j - 1);
                        break;
                    }
                }
            }
        }
        return ans;
    }
}

###cpp

class Solution {
public:
    vector<int> minBitwiseArray(vector<int>& nums) {
        vector<int> ans;
        for (int x : nums) {
            if (x == 2) {
                ans.push_back(-1);
            } else {
                for (int i = 1; i < 32; ++i) {
                    if (x >> i & 1 ^ 1) {
                        ans.push_back(x ^ 1 << (i - 1));
                        break;
                    }
                }
            }
        }
        return ans;
    }
};

###go

func minBitwiseArray(nums []int) (ans []int) {
for _, x := range nums {
if x == 2 {
ans = append(ans, -1)
} else {
for i := 1; i < 32; i++ {
if x>>i&1 == 0 {
ans = append(ans, x^1<<(i-1))
break
}
}
}
}
return
}

###ts

function minBitwiseArray(nums: number[]): number[] {
    const ans: number[] = [];
    for (const x of nums) {
        if (x === 2) {
            ans.push(-1);
        } else {
            for (let i = 1; i < 32; ++i) {
                if (((x >> i) & 1) ^ 1) {
                    ans.push(x ^ (1 << (i - 1)));
                    break;
                }
            }
        }
    }
    return ans;
}

时间复杂度 $O(n \times \log M)$,其中 $n$ 和 $M$ 分别是数组 $\text{nums}$ 的长度和数组中的最大值。忽略答案数组的空间消耗,空间复杂度 $O(1)$。


有任何问题,欢迎评论区交流,欢迎评论区提供其它解题思路(代码),也可以点个赞支持一下作者哈 😄~

每日一题-构造最小位运算数组 I🟢

2026年1月20日 00:00

给你一个长度为 n 的质数数组 nums 。你的任务是返回一个长度为 n 的数组 ans ,对于每个下标 i ,以下 条件 均成立:

  • ans[i] OR (ans[i] + 1) == nums[i]

除此以外,你需要 最小化 结果数组里每一个 ans[i] 。

如果没法找到符合 条件 的 ans[i] ,那么 ans[i] = -1 。

质数 指的是一个大于 1 的自然数,且它只有 1 和自己两个因数。

 

示例 1:

输入:nums = [2,3,5,7]

输出:[-1,1,4,3]

解释:

  • 对于 i = 0 ,不存在 ans[0] 满足 ans[0] OR (ans[0] + 1) = 2 ,所以 ans[0] = -1 。
  • 对于 i = 1 ,满足 ans[1] OR (ans[1] + 1) = 3 的最小 ans[1] 为 1 ,因为 1 OR (1 + 1) = 3 。
  • 对于 i = 2 ,满足 ans[2] OR (ans[2] + 1) = 5 的最小 ans[2] 为 4 ,因为 4 OR (4 + 1) = 5 。
  • 对于 i = 3 ,满足 ans[3] OR (ans[3] + 1) = 7 的最小 ans[3] 为 3 ,因为 3 OR (3 + 1) = 7 。

示例 2:

输入:nums = [11,13,31]

输出:[9,12,15]

解释:

  • 对于 i = 0 ,满足 ans[0] OR (ans[0] + 1) = 11 的最小 ans[0] 为 9 ,因为 9 OR (9 + 1) = 11 。
  • 对于 i = 1 ,满足 ans[1] OR (ans[1] + 1) = 13 的最小 ans[1] 为 12 ,因为 12 OR (12 + 1) = 13 。
  • 对于 i = 2 ,满足 ans[2] OR (ans[2] + 1) = 31 的最小 ans[2] 为 15 ,因为 15 OR (15 + 1) = 31 。

 

提示:

  • 1 <= nums.length <= 100
  • 2 <= nums[i] <= 1000
  • nums[i] 是一个质数。

3314. 构造最小位运算数组 I

作者 stormsunshine
2024年10月13日 15:48

解法一

思路和算法

数组 $\textit{nums}$ 的长度是 $n$。对于 $0 \le i < n$ 的每个下标 $i$,满足 $(\textit{ans}[i] ~|~ (\textit{ans}[i] + 1)) = \textit{nums}[i]$。由于 $\textit{nums}[i]$ 是质数,即 $\textit{nums}[i]$ 至少等于 $2$,因此 $\textit{ans}[i]$ 一定是正整数。

最直观的计算 $\textit{ans}[i]$ 的方法是从小到大遍历每个正整数 $x$,寻找满足 $(x ~|~ (x + 1)) = \textit{nums}[i]$ 的最小正整数 $x$ 填入 $\textit{ans}[i]$,如果不存在符合要求的正整数 $x$ 则 $\textit{ans}[i] = -1$。

根据按位或运算的性质,必有 $(\textit{ans}[i] ~|~ (\textit{ans}[i] + 1)) \ge \textit{ans}[i]$,因此当 $\textit{ans}[i] > \textit{nums}[i]$ 时必有 $(\textit{ans}[i] ~|~ (\textit{ans}[i] + 1)) > \textit{nums}[i]$,计算 $\textit{ans}[i]$ 时只需要遍历不超过 $\textit{nums}[i]$ 的值。

代码

###Java

class Solution {
    public int[] minBitwiseArray(List<Integer> nums) {
        int n = nums.size();
        int[] ans = new int[n];
        for (int i = 0; i < n; i++) {
            ans[i] = find(nums.get(i));
        }
        return ans;
    }

    public int find(int num) {
        for (int i = 1; i <= num; i++) {
            if ((i | (i + 1)) == num) {
                return i;
            }
        }
        return -1;
    }
}

###C#

public class Solution {
    public int[] MinBitwiseArray(IList<int> nums) {
        int n = nums.Count;
        int[] ans = new int[n];
        for (int i = 0; i < n; i++) {
            ans[i] = Find(nums[i]);
        }
        return ans;
    }

    public int Find(int num) {
        for (int i = 1; i <= num; i++) {
            if ((i | (i + 1)) == num) {
                return i;
            }
        }
        return -1;
    }
}

复杂度分析

  • 时间复杂度:$O(nm)$,其中 $n$ 是数组 $\textit{nums}$ 的长度,$m$ 是数组 $\textit{nums}$ 中的最大元素。答案数组中的每个元素的计算时间都是 $O(m)$。

  • 空间复杂度:$O(1)$。注意返回值不计入空间复杂度。

解法二

思路和算法

当存在正整数 $x$ 满足 $(x ~|~ (x + 1)) = \textit{nums}[i]$ 时,由于 $x$ 和 $x + 1$ 当中一定有一个奇数,因此 $\textit{nums}[i]$ 一定是奇数。如果 $\textit{nums}[i]$ 是偶数,则不存在符合要求的 $x$,对应 $\textit{ans}[i] = -1$。当 $\textit{nums}[i]$ 是奇数时,可以取 $x = \textit{nums}[i] - 1$,则满足 $(x ~|~ (x + 1)) = \textit{nums}[i]$,因此如果 $\textit{nums}[i]$ 是奇数,则一定存在符合要求的 $x$。

由于 $\textit{nums}[i]$ 是质数,唯一的偶质数是 $2$,因此当 $\textit{nums}[i] = 2$ 时 $\textit{ans}[i] = -1$。当 $\textit{nums}[i] > 2$ 时 $\textit{ans}[i] > 0$,需要计算 $\textit{ans}[i]$。

考虑正整数 $x$ 和 $x + 1$ 的二进制表示的如下两种情况。

  • 当 $x$ 是偶数时,$x$ 的二进制表示的最低位是 $0$,$x + 1$ 的二进制表示等于 $x$ 的二进制表示的最低位从 $0$ 变成 $1$。

  • 当 $x$ 是奇数时,$x$ 的二进制表示最低位有 $k$ 个 $1$ 且从低到高第 $k$ 位等于 $0$(位数从 $0$ 开始计数),其中 $k \ge 1$,$x + 1$ 的二进制表示等于 $x$ 的二进制表示的最低 $k$ 位从 $1$ 变成 $0$ 且从低到高第 $k$ 位从 $0$ 变成 $1$。

因此,$x ~|~ (x + 1)$ 的二进制表示的结果等于 $x$ 的二进制表示的最右边的 $0$ 变成 $1$。

为了使 $\textit{ans}[i]$ 的值最小,需要找到 $\textit{nums}[i]$ 的二进制表示中的可以变成 $0$ 的最左边的 $1$,满足将 $0$ 变成 $1$ 之后在其右侧没有任何 $0$。计算方法如下。

  1. 计算 $\textit{nums}[i]$ 的二进制表示的最低连续 $1$ 的最大位数 $k$,满足二进制表示最低位有 $k$ 个 $1$ 且从低到高第 $k$ 位等于 $0$(位数从 $0$ 开始计数)。

  2. 计算 $\textit{ans}[i] = \textit{nums}[i] - 2^{k - 1}$。

根据位运算的性质,计算方法如下:计算 $\textit{lowbit} = ((\textit{nums}[i] + 1) ~&~ (-\textit{nums}[i] - 1)) >> 1$,则 $\textit{lowbit}$ 等于上述 $2^{k - 1}$,$\textit{ans}[i] = \textit{nums}[i] - \textit{lowbit}$。

代码

###Java

class Solution {
    public int[] minBitwiseArray(List<Integer> nums) {
        int n = nums.size();
        int[] ans = new int[n];
        for (int i = 0; i < n; i++) {
            ans[i] = find(nums.get(i));
        }
        return ans;
    }

    public int find(int num) {
        if (num % 2 == 0) {
            return -1;
        } else {
            int lowbit = ((num + 1) & (-num - 1)) >> 1;
            return num - lowbit;
        }
    }
}

###C#

public class Solution {
    public int[] MinBitwiseArray(IList<int> nums) {
        int n = nums.Count;
        int[] ans = new int[n];
        for (int i = 0; i < n; i++) {
            ans[i] = Find(nums[i]);
        }
        return ans;
    }

    public int Find(int num) {
        if (num % 2 == 0) {
            return -1;
        } else {
            int lowbit = ((num + 1) & (-num - 1)) >> 1;
            return num - lowbit;
        }
    }
}

复杂度分析

  • 时间复杂度:$O(n)$,其中 $n$ 是数组 $\textit{nums}$ 的长度。答案数组中的每个元素的计算时间都是 $O(1)$。

  • 空间复杂度:$O(1)$。注意返回值不计入空间复杂度。

数学

作者 tsreaper
2024年10月13日 00:08

解法:数学

考虑 x or (x + 1) 是一个怎样的数。可以发现,x + 1 的二进制表示和 x 相比,其实就是把 x 从最低位开始的连续 $1$ 都变成 $0$,然后把下一位变成 $1$,更高位都不变。

因此我们找出 nums[i] 从最低位开始的连续 $1$,把连续 $1$ 的最后一位变成 $0$,就是答案。复杂度 $\mathcal{O}(n\log X)$,其中 $X = 10^9$ 是取值范围。

参考代码(c++)

###cpp

class Solution {
public:
    vector<int> minBitwiseArray(vector<int>& nums) {
        vector<int> ans;
        for (int x : nums) {
            if (x == 2) ans.push_back(-1);
            else {
                // 求从最低位开始的连续 1
                int p;
                for (p = 0; x >> p & 1; p++);
                // 把连续 1 的最后一位变成 0
                ans.push_back(x ^ (1 << (p - 1)));
            }
        }
        return ans;
    }
};

每日一题-元素和小于等于阈值的正方形的最大边长🟡

2026年1月19日 00:00

给你一个大小为 m x n 的矩阵 mat 和一个整数阈值 threshold

请你返回元素总和小于或等于阈值的正方形区域的最大边长;如果没有这样的正方形区域,则返回
 

示例 1:

输入:mat = [[1,1,3,2,4,3,2],[1,1,3,2,4,3,2],[1,1,3,2,4,3,2]], threshold = 4
输出:2
解释:总和小于或等于 4 的正方形的最大边长为 2,如图所示。

示例 2:

输入:mat = [[2,2,2,2,2],[2,2,2,2,2],[2,2,2,2,2],[2,2,2,2,2],[2,2,2,2,2]], threshold = 1
输出:0

 

提示:

  • m == mat.length
  • n == mat[i].length
  • 1 <= m, n <= 300
  • 0 <= mat[i][j] <= 104
  • 0 <= threshold <= 105 

无需二分,暴力枚举就是 O(mn)(Python/Java/C++/Go)

作者 endlesscheng
2026年1月6日 09:29

前置知识【图解】一张图秒懂二维前缀和

预处理二维前缀和后,暴力的做法是写一个三重循环:

  • 外面两重循环,枚举正方形的左上角 $(i,j)$。
  • 最内层循环,枚举正方形的边长为 $1,2,3,\ldots$ 直到出界或者正方形元素和超过 $\textit{threshold}$ 为止。在此过程中更新答案 $\textit{ans}$ 的最大值。

这样做的时间复杂度是 $\mathcal{O}(mn\min(m,n))$。

只需改一个地方,就能让算法的时间复杂度变小:

  • 最内层循环,从 $\textit{ans}+1$ 开始枚举。

比如现在 $\textit{ans}=3$,那么枚举正方形的边长为 $1,2,3$ 是毫无意义的,不会让答案变得更大。所以直接从 $\textit{ans}+1=4$ 开始枚举更好。

###py

class Solution:
    def maxSideLength(self, mat: List[List[int]], threshold: int) -> int:
        m, n = len(mat), len(mat[0])
        s = [[0] * (n + 1) for _ in range(m + 1)]
        for i, row in enumerate(mat):
            for j, x in enumerate(row):
                s[i + 1][j + 1] = s[i + 1][j] + s[i][j + 1] - s[i][j] + x

        # 返回左上角在 (r1, c1),右下角在 (r2, c2) 的子矩阵元素和
        def query(r1: int, c1: int, r2: int, c2: int) -> int:
            return s[r2 + 1][c2 + 1] - s[r2 + 1][c1] - s[r1][c2 + 1] + s[r1][c1]

        ans = 0
        for i in range(m):
            for j in range(n):
                # 边长为 ans+1 的正方形,左上角在 (i, j),右下角在 (i+ans, j+ans)
                while i + ans < m and j + ans < n and query(i, j, i + ans, j + ans) <= threshold:
                    ans += 1
        return ans

###java

class Solution {
    public int maxSideLength(int[][] mat, int threshold) {
        int m = mat.length;
        int n = mat[0].length;
        int[][] sum = new int[m + 1][n + 1];
        for (int i = 0; i < m; i++) {
            for (int j = 0; j < n; j++) {
                sum[i + 1][j + 1] = sum[i + 1][j] + sum[i][j + 1] - sum[i][j] + mat[i][j];
            }
        }

        int ans = 0;
        for (int i = 0; i < m; i++) {
            for (int j = 0; j < n; j++) {
                // 边长为 ans+1 的正方形,左上角在 (i, j),右下角在 (i+ans, j+ans)
                while (i + ans < m && j + ans < n && query(sum, i, j, i + ans, j + ans) <= threshold) {
                    ans++;
                }
            }
        }
        return ans;
    }

    // 返回左上角在 (r1, c1),右下角在 (r2, c2) 的子矩阵元素和
    private int query(int[][] sum, int r1, int c1, int r2, int c2) {
        return sum[r2 + 1][c2 + 1] - sum[r2 + 1][c1] - sum[r1][c2 + 1] + sum[r1][c1];
    }
}

###cpp

class Solution {
public:
    int maxSideLength(vector<vector<int>>& mat, int threshold) {
        int m = mat.size(), n = mat[0].size();
        vector sum(m + 1, vector<int>(n + 1));
        for (int i = 0; i < m; i++) {
            for (int j = 0; j < n; j++) {
                sum[i + 1][j + 1] = sum[i + 1][j] + sum[i][j + 1] - sum[i][j] + mat[i][j];
            }
        }

        // 返回左上角在 (r1, c1),右下角在 (r2, c2) 的子矩阵元素和
        auto query = [&](int r1, int c1, int r2, int c2) -> int {
            return sum[r2 + 1][c2 + 1] - sum[r2 + 1][c1] - sum[r1][c2 + 1] + sum[r1][c1];
        };

        int ans = 0;
        for (int i = 0; i < m; i++) {
            for (int j = 0; j < n; j++) {
                // 边长为 ans+1 的正方形,左上角在 (i, j),右下角在 (i+ans, j+ans)
                while (i + ans < m && j + ans < n && query(i, j, i + ans, j + ans) <= threshold) {
                    ans++;
                }
            }
        }
        return ans;
    }
};

###go

func maxSideLength(mat [][]int, threshold int) (ans int) {
m, n := len(mat), len(mat[0])
sum := make([][]int, m+1)
sum[0] = make([]int, n+1)
for i, row := range mat {
sum[i+1] = make([]int, n+1)
for j, x := range row {
sum[i+1][j+1] = sum[i+1][j] + sum[i][j+1] - sum[i][j] + x
}
}

// 返回左上角在 (r1, c1),右下角在 (r2, c2) 的子矩阵元素和
query := func(r1, c1, r2, c2 int) int {
return sum[r2+1][c2+1] - sum[r2+1][c1] - sum[r1][c2+1] + sum[r1][c1]
}

for i := range m {
for j := range n {
// 边长为 ans+1 的正方形,左上角在 (i, j),右下角在 (i+ans, j+ans)
for i+ans < m && j+ans < n && query(i, j, i+ans, j+ans) <= threshold {
ans++
}
}
}
return
}

注:外层循环可以改成 i + ans < m 以及 j + ans < n。但测试了一下,并没有明显提升。

复杂度分析

  • 时间复杂度:$\mathcal{O}(mn)$,其中 $m$ 和 $n$ 分别是 $\textit{grid}$ 的行数和列数。虽然我们写了个三重循环,但由于答案最大是 $\min(m,n)$,所以最内层的 ans++ 最多执行 $\min(m,n)$ 次,三重循环的时间复杂度为 $\mathcal{O}(mn + \min(m,n)) = \mathcal{O}(mn)$。
  • 空间复杂度:$\mathcal{O}(mn)$。

思考题

本题还有一种做法:枚举对角线,在对角线上做 不定长滑动窗口,把正方形的左上角和右下角看作滑动窗口的左右端点。这也可以做到 $\mathcal{O}(mn)$ 时间。

用这个思路解决如下问题:

  • 计算元素总和小于或等于阈值的正方形的个数

欢迎在评论区分享你的代码。

专题训练

见下面数据结构题单的「§1.6 二维前缀和」。

分类题单

如何科学刷题?

  1. 滑动窗口与双指针(定长/不定长/单序列/双序列/三指针/分组循环)
  2. 二分算法(二分答案/最小化最大值/最大化最小值/第K小)
  3. 单调栈(基础/矩形面积/贡献法/最小字典序)
  4. 网格图(DFS/BFS/综合应用)
  5. 位运算(基础/性质/拆位/试填/恒等式/思维)
  6. 图论算法(DFS/BFS/拓扑排序/基环树/最短路/最小生成树/网络流)
  7. 动态规划(入门/背包/划分/状态机/区间/状压/数位/数据结构优化/树形/博弈/概率期望)
  8. 常用数据结构(前缀和/差分/栈/队列/堆/字典树/并查集/树状数组/线段树)
  9. 数学算法(数论/组合/概率期望/博弈/计算几何/随机算法)
  10. 贪心与思维(基本贪心策略/反悔/区间/字典序/数学/思维/脑筋急转弯/构造)
  11. 链表、树与回溯(前后指针/快慢指针/DFS/BFS/直径/LCA)
  12. 字符串(KMP/Z函数/Manacher/字符串哈希/AC自动机/后缀数组/子序列自动机)

我的题解精选(已分类)

欢迎关注 B站@灵茶山艾府

❌
❌