当前位置: 首页 > news >正文

完整教程:【LeetCode 每日一题】2221. 数组的三角和

完整教程:【LeetCode 每日一题】2221. 数组的三角和

Problem:2221. 数组的三角和

文章目录

  • 整体思路
  • 完整代码
  • 时空复杂度
    • 时间复杂度:O(N^2)
    • 空间复杂度:O(1)

整体思路

这段代码的目的是计算一个数组的“三角形和 (Triangular Sum)”。这个过程是模拟一个帕斯卡三角形(杨辉三角)的生成方式,但操作是加法后取模10,而不是单纯的加法。

具体过程是:从给定的 nums 数组开始,不断生成新的、长度减一的数组,新数组的每个元素是前一个数组相邻两个元素的和(对10取模)。这个过程一直持续,直到最后只剩下一个元素,这个元素就是最终的“三角形和”。

该算法采用了一种非常高效的原地计算 (in-place computation) 策略,直接在原始输入数组 nums 上进行迭代计算,从而避免了创建多个中间数组的开销。

  1. 核心思想:逐层模拟

    • 算法的逻辑直接模拟了题目的要求。它将原始数组视为三角形的第一层(最底下一层)。
    • 之后,它一层一层地向上计算,每一层都比前一层少一个元素。
    • 例如,[1, 2, 3, 4, 5]
      • 第一轮计算后,数组变为 [3, 5, 7, 9](只用了前4个位置)。
      • 第二轮后,变为 [8, 2, 6](只用了前3个位置)。
      • 第三轮后,变为 [0, 8](只用了前2个位置)。
      • 第四轮后,变为 [8](只用了第1个位置)。
    • 最终的结果就是 8
  2. 原地实现

    • 为了节省空间,算法直接在 nums 数组上进行操作。
    • 外层循环for (int i = n - 1; i > 0; i--)
      • 该循环控制了总共要进行的轮数i 代表当前正在处理的有效数组的长度减一(或者说,是最后一个有效元素的索引)。
      • 它从 n-1 开始,递减到 1。总共执行 n-1 轮计算。
    • 内层循环for (int j = 0; j < i; j++)
      • 这个循环负责计算新一层的元素。
      • 在第 i 轮,它会遍历从 0i-1 的所有索引 j
      • nums[j] = (nums[j] + nums[j + 1]) % 10;: 这是核心的计算步骤。它用 nums[j]nums[j+1] 的和(模10)来覆盖nums[j] 的原始值。
      • 当内层循环结束后,nums 数组的前 i 个元素 (nums[0]nums[i-1]) 就构成了新一层的数组。
  3. 返回结果

    • 当外层循环结束时(i 已经递减到0),整个模拟过程完成。
    • 此时,经过 n-1 轮的计算,最终剩下的唯一一个元素就存储在 nums[0] 中,直接返回即可。

完整代码

class Solution {
/**
* 计算数组的三角形和。
* @param nums 输入的整数数组
* @return 最终的三角形和
*/
public int triangularSum(int[] nums) {
int n = nums.length;
// 外层循环控制计算的轮数。总共需要进行 n-1 轮。
// i 代表当前有效数组的最后一个元素的索引。
// i 从 n-1 递减到 1。
for (int i = n - 1; i > 0; i--) {
// 内层循环负责生成新一层的数组(长度为 i)。
// j 遍历当前层的相邻元素对。
for (int j = 0; j < i; j++) {
// 将 nums[j] 和 nums[j+1] 的和(模10)的结果
// 覆盖到 nums[j] 的位置上。
// 这样,在内层循环结束后,nums的前 i 个元素就是新一层的数组。
nums[j] = (nums[j] + nums[j + 1]) % 10;
}
}
// 经过 n-1 轮计算后,最终的结果就存储在 nums[0] 中。
return nums[0];
}
}

时空复杂度

  • Nnums 数组的长度。

时间复杂度:O(N^2)

  1. 外层循环for (int i = n - 1; i > 0; i--) 执行 N-1 次。
  2. 内层循环for (int j = 0; j < i; j++) 的执行次数依赖于外层循环的 i
  3. 总操作数
    • 总的迭代次数是 (N-1) + (N-2) + ... + 1
    • 这是一个等差数列求和,结果为 N * (N - 1) / 2
    • 因此,核心计算语句 nums[j] = ... 被执行了 O(N^2) 次。

综合分析
算法的时间复杂度由嵌套循环决定,为O(N^2)

空间复杂度:O(1)

  1. 主要存储开销
    • 该算法完全在输入数组 nums 本身上进行操作,没有创建任何新的、与输入规模 N 成比例的数据结构。
    • 只使用了 n, i, j 等几个基本类型的变量。

综合分析
算法所需的额外辅助空间是常数级别的。因此,其空间复杂度为O(1)。这是一个非常高效的原地算法。

http://www.rkmt.cn/news/25287.html

相关文章:

  • 软件设计中的需求分析——白日梦
  • 2025年拉链厂家权威推荐榜:TAB拉链,大棕拉链,金属/树脂拉链,服装/尼龙拉链,防水/隐形拉链,男装/女装拉链源头精选
  • SOSDP
  • 20232320 2025-2026-1 《网络与系统攻防技术》实验二实验报告
  • 在AI技术快速实现创意的时代,挖掘新需求成为核心竞争力——某知名内容管理系统能力框架需求探索
  • 联通光猫烽火吉比特HG6145F获取超级密码
  • 宠物去哪啦小程序系统:智能宠物管理与定位解决方案
  • 2025年整平机厂家推荐排行榜,整平机/校平机/矫平机/开平机/平板机/矫直机/校直机,高精度/精密/液压式/数控/金属/高效稳定/多种规格/全自动整平机公司推荐
  • 一佳旅游票务系统:旅游行业数字化一体化解决方案
  • 广告敏感词图文检测微信小程序:高效合规检测解决方案
  • 什么是人工智能?——AI的定义、发展历程与主要分类
  • CF2110F Faculty
  • pip会读取 pyproject.toml 的 project.dependencies 字段进行依赖安装吗?
  • python教程(一)
  • OpenAI Codex整合Z.ai GLM-4.6编程
  • 无状态HTTP的“记忆”高效的方案:Spring Boot中CookieSession全栈实战
  • LLM 笔记 —— 01 大型语言模型修炼史(Self-supervised Learning、Supervised Learning、RLHF) - 实践
  • el-dialog 嵌套遮罩灰色问题
  • Microsoft 代理框架简介(预览版):让每个开发人员都能轻松使用 AI 代理
  • 站位3
  • 基于深度学习的CT扫描图像肝脏肿瘤智能检测与分析系统【python源码+Pyqt5界面+数据集+训练代码】 - 实践
  • resend 单次发送命令
  • 视频监控界的“万能翻译器”:视频汇聚平台EasyCVR视频接入功能全解读
  • 基于Ubuntu22.04 部署Dify详细教程
  • iOS 混淆工具链实战 多工具组合完成 IPA 混淆与加固(iOS混淆|IPA加固|无源码加固|App 防反编译)
  • 使用 Github Pages 和 Hexo 搭建博客
  • linux 移动硬盘加载失败
  • java Web 检查清单程序设计与实现 - 教程
  • 实用指南:如何快速学习一个网络协议?
  • 日记11