Medium
题目描述
给你一个下标从 0 开始的数组 nums ,数组由若干 互不相同 的整数组成。
nums 中有一个值最小的元素和一个值最大的元素。分别称为 最小值 和 最大值 。你的目标是从数组中移除这两个元素。
一次 删除 操作定义为从数组的 前面 移除一个元素或从数组的 后面 移除一个元素。
返回将数组中最小值和最大值 都 移除需要的最小删除次数。
示例 1:
输入:nums = [2,10,7,5,4,1,8,6]
输出:5
解释:
数组中的最小元素是 nums[5] ,值为 1 。
数组中的最大元素是 nums[1] ,值为 10 。
将最大值和最小值都移除需要从数组前面移除 2 个元素,从数组后面移除 3 个元素。
结果是 2 + 3 = 5 ,这是所有可能情况中的最小删除次数。
示例 2:
输入:nums = [0,-4,19,1,8,-2,-3,5]
输出:3
解释:
数组中的最小元素是 nums[1] ,值为 -4 。
数组中的最大元素是 nums[2] ,值为 19 。
将最大值和最小值都移除需要从数组前面移除 3 个元素。
结果是 3 ,这是所有可能情况中的最小删除次数。
示例 3:
输入:nums = [101]
输出:1
解释:数组中只有一个元素,既是最小值也是最大值。
移除它只需要 1 次删除。
提示:
1 <= nums.length <= 10^5-10^5 <= nums[i] <= 10^5nums中的整数 互不相同
解题思路
这道题的核心思路是贪心策略。由于只能从数组的前面或后面删除元素,我们需要考虑三种删除策略:
策略分析:
- 从前面删除两个元素:删除次数为
max(minIndex, maxIndex) + 1 - 从后面删除两个元素:删除次数为
n - min(minIndex, maxIndex) - 一前一后删除:删除次数为
(minIndex + 1) + (n - maxIndex)或(maxIndex + 1) + (n - minIndex)
算法步骤:
- 首先遍历数组,找到最小值和最大值的索引位置
- 计算三种策略的删除次数:
- 全部从前面删除:需要删除到较远的那个元素位置
- 全部从后面删除:需要删除到较近的那个元素位置
- 分别从前后删除:最小值从一端删除,最大值从另一端删除
- 返回三种策略中的最小值
这种贪心策略能保证找到全局最优解,因为我们穷举了所有可能的删除方案。时间复杂度为O(n),空间复杂度为O(1)。
代码实现
class Solution {
public:
int minimumDeletions(vector<int>& nums) {
int n = nums.size();
if (n == 1) return 1;
int minIndex = 0, maxIndex = 0;
for (int i = 0; i < n; i++) {
if (nums[i] < nums[minIndex]) minIndex = i;
if (nums[i] > nums[maxIndex]) maxIndex = i;
}
// 策略1:从前面删除两个元素
int fromFront = max(minIndex, maxIndex) + 1;
// 策略2:从后面删除两个元素
int fromBack = n - min(minIndex, maxIndex);
// 策略3:一前一后删除
int frontAndBack = (minIndex + 1) + (n - maxIndex);
int backAndFront = (maxIndex + 1) + (n - minIndex);
return min({fromFront, fromBack, frontAndBack, backAndFront});
}
};
class Solution:
def minimumDeletions(self, nums: List[int]) -> int:
n = len(nums)
if n == 1:
return 1
min_index = nums.index(min(nums))
max_index = nums.index(max(nums))
# 策略1:从前面删除两个元素
from_front = max(min_index, max_index) + 1
# 策略2:从后面删除两个元素
from_back = n - min(min_index, max_index)
# 策略3:一前一后删除
front_and_back = (min_index + 1) + (n - max_index)
back_and_front = (max_index + 1) + (n - min_index)
return min(from_front, from_back, front_and_back, back_and_front)
public class Solution {
public int MinimumDeletions(int[] nums) {
int n = nums.Length;
if (n == 1) return 1;
int minIndex = 0, maxIndex = 0;
for (int i = 0; i < n; i++) {
if (nums[i] < nums[minIndex]) minIndex = i;
if (nums[i] > nums[maxIndex]) maxIndex = i;
}
// 策略1:从前面删除两个元素
int fromFront = Math.Max(minIndex, maxIndex) + 1;
// 策略2:从后面删除两个元素
int fromBack = n - Math.Min(minIndex, maxIndex);
// 策略3:一前一后删除
int frontAndBack = (minIndex + 1) + (n - maxIndex);
int backAndFront = (maxIndex + 1) + (n - minIndex);
return Math.Min(Math.Min(fromFront, fromBack), Math.Min(frontAndBack, backAndFront));
}
}
/**
* @param {number[]} nums
* @return {number}
*/
var minimumDeletions = function(nums) {
if (nums.length === 1) return 1;
let minIdx = 0, maxIdx = 0;
for (let i = 0; i < nums.length; i++) {
if (nums[i] < nums[minIdx]) minIdx = i;
if (nums[i] > nums[maxIdx]) maxIdx = i;
}
const n = nums.length;
const fromLeft = Math.max(minIdx + 1, maxIdx + 1);
const fromRight = Math.max(n - minIdx, n - maxIdx);
const mixed = Math.min(minIdx + 1, maxIdx + 1) + Math.min(n - minIdx, n - maxIdx);
return Math.min(fromLeft, fromRight, mixed);
};
复杂度分析
| 复杂度类型 | 复杂度 | 说明 |
|---|---|---|
| 时间复杂度 | O(n) | 需要遍历数组一次找到最小值和最大值的索引 |
| 空间复杂度 | O(1) | 只使用了常数级别的额外空间存储索引和计算结果 |