Easy
题目描述
给你一个整数数组 nums 和一个整数 k ,按以下方法修改该数组:
- 选择某个下标
i并将nums[i]替换为-nums[i]。
重复这个过程恰好 k 次。可以多次选择同一个下标 i 。
以这种方式修改数组后,返回数组 可能的最大和 。
示例 1:
输入:nums = [4,2,3], k = 1
输出:5
解释:选择下标 1 ,nums 变为 [4,-2,3] 。
示例 2:
输入:nums = [3,-1,0,2], k = 3
输出:6
解释:选择下标 (1, 2, 2) ,nums 变为 [3,1,0,2] 。
示例 3:
输入:nums = [2,-3,-1,5,-4], k = 2
输出:13
解释:选择下标 (1, 4) ,nums 变为 [2,3,-1,5,4] 。
提示:
1 <= nums.length <= 10^4-100 <= nums[i] <= 1001 <= k <= 10^4
解题思路
这是一道贪心算法题目。我们的目标是通过 k 次取反操作使数组和最大化。
核心思路:
优先处理负数:由于取反可以将负数变为正数,我们应该优先对负数进行取反操作,这样能最大化地增加数组和。
按绝对值排序:为了贪心地选择每次取反的元素,我们按照绝对值从大到小排序。这样可以确保:
- 优先取反绝对值大的负数(获得最大收益)
- 如果负数处理完后还有剩余操作次数,选择绝对值最小的数进行反复取反
处理剩余操作:
- 如果 k 次操作刚好用完所有负数,直接返回结果
- 如果还有剩余操作次数,且次数为奇数,需要对当前绝对值最小的数取反
- 如果剩余次数为偶数,相当于没有变化
算法步骤:
- 按绝对值从大到小排序
- 遍历数组,优先对负数取反,直到 k 用完或没有负数
- 如果 k 还有剩余且为奇数,对当前绝对值最小的数取反
- 计算最终数组和
这种方法时间复杂度为 O(n log n),空间复杂度为 O(1)。
代码实现
class Solution {
public:
int largestSumAfterKNegations(vector<int>& nums, int k) {
sort(nums.begin(), nums.end(), [](int a, int b) {
return abs(a) > abs(b);
});
for (int i = 0; i < nums.size() && k > 0; i++) {
if (nums[i] < 0) {
nums[i] = -nums[i];
k--;
}
}
if (k % 2 == 1) {
nums[nums.size() - 1] = -nums[nums.size() - 1];
}
int sum = 0;
for (int num : nums) {
sum += num;
}
return sum;
}
};
class Solution:
def largestSumAfterKNegations(self, nums: List[int], k: int) -> int:
nums.sort(key=abs, reverse=True)
for i in range(len(nums)):
if k > 0 and nums[i] < 0:
nums[i] = -nums[i]
k -= 1
if k % 2 == 1:
nums[-1] = -nums[-1]
return sum(nums)
public class Solution {
public int LargestSumAfterKNegations(int[] nums, int k) {
Array.Sort(nums, (a, b) => Math.Abs(b).CompareTo(Math.Abs(a)));
for (int i = 0; i < nums.Length && k > 0; i++) {
if (nums[i] < 0) {
nums[i] = -nums[i];
k--;
}
}
if (k % 2 == 1) {
nums[nums.Length - 1] = -nums[nums.Length - 1];
}
int sum = 0;
foreach (int num in nums) {
sum += num;
}
return sum;
}
}
/**
* @param {number[]} nums
* @param {number} k
* @return {number}
*/
var largestSumAfterKNegations = function(nums, k) {
nums.sort((a, b) => a - b);
for (let i = 0; i < nums.length && k > 0; i++) {
if (nums[i] < 0) {
nums[i] = -nums[i];
k--;
}
}
if (k % 2 === 1) {
nums.sort((a, b) => a - b);
nums[0] = -nums[0];
}
return nums.reduce((sum, num) => sum + num, 0);
};
复杂度分析
| 复杂度类型 | 复杂度 | 说明 |
|---|---|---|
| 时间复杂度 | O(n log n) | 主要消耗在排序操作上 |
| 空间复杂度 | O(1) | 只使用常数级额外空间(不考虑排序的栈空间) |