当前位置: 首页 > news >正文

千问 LeetCode 1862.向下取整数对和 public int sumOfFlooredPairs(int[] nums)

这是一道经典的算法题,考察的是前缀和与数论分块(倍数枚举)的思想。

如果直接暴力枚举每一对 (i, j),时间复杂度是 O(N^2),在数据量较大时会超时。我们需要转换思路:不直接计算每一对,而是计算每一个数字作为分母时,它能对总和贡献多少。

以下是完整的 Java 代码实现及详细解析:

🚀 核心思路

1. 统计频率:首先统计数组中每个数字出现的次数。
2. 前缀和预处理:计算前缀和数组,这样我们可以在 O(1) 的时间内查询任意区间 [L, R] 内有多少个数组中的元素。
3. 枚举分母与倍数:
* 遍历每一个出现过的数字 x 作为分母。
* 对于分母 x,我们枚举它的倍数 k(即商为 k)。
* 当分母为 x,商为 k 时,被除数(分子)的取值范围是 [k cdot x, (k+1) cdot x - 1]。
* 利用前缀和快速算出这个范围内有多少个数字,乘以 k(商)和 x 的出现次数,累加到答案中。

💻 Java 代码实现

import java.util.Arrays;

class Solution {
private static final int MOD = 1000000007;

public int sumOfFlooredPairs(int[] nums) {
// 1. 找到数组中的最大值,确定计数数组的大小
int maxVal = Arrays.stream(nums).max().getAsInt();

// 2. 统计每个数字出现的频率
// count[i] 表示数字 i 在 nums 中出现的次数
int[] count = new int[maxVal + 1];
for (int num : nums) {
count[num]++;
}

// 3. 计算前缀和
// prefixSum[i] 表示数值在 [0, i] 范围内的元素总个数
// 这样可以在 O(1) 时间内查询区间 [L, R] 内的元素个数
int[] prefixSum = new int[maxVal + 1];
prefixSum[0] = count[0];
for (int i = 1; i 0 ? prefixSum[lowerBound - 1] : 0);

if (countInRange > 0) {
// 贡献值 = (该范围内元素个数) * (商 k) * (分母出现的次数)
// 分母出现次数是因为数组中可能有多个相同的分母
long contribution = (long) countInRange * k * count[denominator];
ans = (ans + contribution) % MOD;
}
}
}

return (int) ans;
}
}

🧠 详细步骤解析

1. 为什么使用前缀和?
题目要求计算 sum lfloor frac{nums[i]}{nums[j]} rfloor。
如果我们固定分母 nums[j] = x,那么对于不同的分子 nums[i],lfloor frac{nums[i]}{x} rfloor 的结果是分段的。
例如 x=2:
* 分子在 [0, 1],结果为 0
* 分子在 [2, 3],结果为 1
* 分子在 [4, 5],结果为 2
* ...
* 分子在 [2k, 2k+1],结果为 k

前缀和数组 prefixSum 让我们能瞬间算出数组中有多少个元素落在 [2k, 2k+1] 这个区间内,而不需要遍历整个数组。

2. 复杂度分析
* 时间复杂度:O(M log M),其中 M 是数组中的最大值。
* 外层循环遍历分母,最多 M 次。
* 内层循环枚举倍数(商),对于分母 x,循环次数约为 M/x。
* 总次数约为 M/1 + M/2 + M/3 + ... + M/M = M times (1 + 1/2 + ... + 1/M) approx M ln M。
* 空间复杂度:O(M),用于存储频率数组和前缀和数组。

3. 举例说明
假设 nums = [2, 5, 9]:
* 频率:count[2]=1, count[5]=1, count[9]=1。
* 当分母为 2 时 (count[2]=1):
* 商为 1:分子范围 [2, 3]。数组中有 1 个 (即2)。贡献 1 times 1 times 1 = 1。
* 商为 2:分子范围 [4, 5]。数组中有 1 个 (即5)。贡献 1 times 2 times 1 = 2。
* 商为 3:分子范围 [6, 7]。无。
* 商为 4:分子范围 [8, 9]。数组中有 1 个 (即9)。贡献 1 times 4 times 1 = 4。
* 分母为 2 的总贡献:1+2+4=7。
* 当分母为 5 时:
* 商为 1:分子范围 [5, 9]。有 2 个 (5, 9)。贡献 2 times 1 times 1 = 2。
* 当分母为 9 时:
* 商为 1:分子范围 [9, 17]。有 1 个 (9)。贡献 1 times 1 times 1 = 1。
* 总和:7 + 2 + 1 = 10。

这个逻辑与题目示例完全吻合。

http://www.jsqmd.com/news/702135/

相关文章:

  • 使用JMeter动态更新JSON文件中的变量
  • 打破语言壁垒:XUnity.AutoTranslator让全球游戏无障碍畅玩
  • Spring 事务的致命陷阱:一个缓慢的 HTTP 请求,是如何耗尽数据库连接池的?
  • React:描述UI 官网笔记
  • R语言决策树回归:非线性数据分析实战指南
  • 15分钟精通BetterJoy:Switch手柄PC适配终极指南,解锁跨平台游戏控制新体验
  • 10个免费Illustrator脚本终极指南:彻底改变你的设计工作流
  • Upsonic AI智能体框架:为金融科技打造安全、可扩展的AI应用
  • nli-MiniLM2-L6-H768实战教程:构建NLI驱动的智能FAQ推荐与追问引导系统
  • Armv8-M安全扩展架构与TrustZone技术实战解析
  • LILYGO T-Connect Pro工业物联网控制器全解析
  • 字节跳动UI-TARS-desktop:混合渲染架构下的高性能桌面应用开发新范式
  • ResourceOverride终极指南:掌控网页资源的强大调试神器
  • 终极指南:如何使用XUnity.AutoTranslator为Unity游戏添加智能翻译
  • Crystal语言高性能HTTP路由库earl:轻量级设计与Radix Tree算法解析
  • Liveblocks实战:从零构建实时协作应用的核心架构与最佳实践
  • 基于多智能体协作的AI学术助手:自动文献检索、分析与综述生成
  • 【AI模型】微调-工具框架
  • 2026 网络安全六大趋势:决定企业安全布局的关键风向
  • 小白也能玩转Hunyuan-MT-7B:3步搭建个人翻译助手
  • Nordic nRF7002 EBII Wi-Fi 6扩展板解析与应用
  • 机器学习在糖尿病预测中的应用与数据预处理
  • Qwen3.5推理模型镜像免配置体验:开箱即用Web界面,零基础上手代码与逻辑问答
  • VSCode调试RTOS任务卡死?揭秘FreeRTOS+Zephyr内核变量实时视图插件(支持任务栈深度/优先级/阻塞原因毫秒级刷新)
  • CosyVoice助力在线教育:Python驱动自动化课件配音与作业批改语音反馈
  • XUnity.AutoTranslator:打破语言障碍,让Unity游戏真正全球化
  • 2026年岳阳性价比高的团建公司推荐,说说知明团建活动新颖、主题丰富靠谱吗 - 工业品网
  • 终极指南:3步解锁微信平板模式,轻松实现安卓多设备登录
  • Phi-3.5-Mini-Instruct生成效果:技术面试模拟对话(含算法题+系统设计+行为问题)
  • 专栏A-AI原生产品设计-05-AI原生产品的竞争壁垒