英文原文
You are given an integer array nums
and an integer k
.
For each index i
where 0 <= i < nums.length
, change nums[i]
to be either nums[i] + k
or nums[i] - k
.
The score of nums
is the difference between the maximum and minimum elements in nums
.
Return the minimum score of nums
after changing the values at each index.
Example 1:
Input: nums = [1], k = 0 Output: 0 Explanation: The score is max(nums) - min(nums) = 1 - 1 = 0.
Example 2:
Input: nums = [0,10], k = 2 Output: 6 Explanation: Change nums to be [2, 8]. The score is max(nums) - min(nums) = 8 - 2 = 6.
Example 3:
Input: nums = [1,3,6], k = 3 Output: 3 Explanation: Change nums to be [4, 6, 3]. The score is max(nums) - min(nums) = 6 - 3 = 3.
Constraints:
1 <= nums.length <= 104
0 <= nums[i] <= 104
0 <= k <= 104
中文题目
给你一个整数数组 A
,对于每个整数 A[i]
,可以选择 x = -K
或是 x = K
(K
总是非负整数),并将 x
加到 A[i]
中。
在此过程之后,得到数组 B
。
返回 B
的最大值和 B
的最小值之间可能存在的最小差值。
示例 1:
输入:A = [1], K = 0 输出:0 解释:B = [1]
示例 2:
输入:A = [0,10], K = 2 输出:6 解释:B = [2,8]
示例 3:
输入:A = [1,3,6], K = 3 输出:3 解释:B = [4,6,3]
提示:
1 <= A.length <= 10000
0 <= A[i] <= 10000
0 <= K <= 10000
通过代码
官方题解
方法 1:线性扫描
想法
如 最小差值 I 问题的解决方法,较小的 A[i]
将增加,较大的 A[i]
将变小。
算法
我们可以对上述想法形式化表述:如果 A[i] < A[j]
,我们不必考虑当 A[i]
增大时 A[j]
会减小。这是因为区间 (A[i] + K, A[j] - K)
是 (A[i] - K, A[j] + K)
的子集(这里,当 a > b
时 (a, b)
表示 (b, a)
)。
这意味着对于 (up, down)
的选择一定不会差于 (down, up)
。我们可以证明其中一个区间是另一个的子集,通过证明 A[i] + K
和 A[j] - K
是在 A[i] - K
和 A[j] + K
之间。
对于有序的 A
,设 A[i]
是最大的需要增长的 i
,那么 A[0] + K, A[i] + K, A[i+1] - K, A[A.length - 1] - K
就是计算结果的唯一值。
class Solution {
public int smallestRangeII(int[] A, int K) {
int N = A.length;
Arrays.sort(A);
int ans = A[N-1] - A[0];
for (int i = 0; i < A.length - 1; ++i) {
int a = A[i], b = A[i+1];
int high = Math.max(A[N-1] - K, a + K);
int low = Math.min(A[0] + K, b - K);
ans = Math.min(ans, high - low);
}
return ans;
}
}
class Solution(object):
def smallestRangeII(self, A, K):
A.sort()
mi, ma = A[0], A[-1]
ans = ma - mi
for i in xrange(len(A) - 1):
a, b = A[i], A[i+1]
ans = min(ans, max(ma-K, a+K) - min(mi+K, b-K))
return ans
复杂度分析
- 时间复杂度:$O(N \log N)$,其中 $N$ 是
A
的长度。 - 空间复杂度:$O(1)$,额外空间就是自带排序算法的空间。
统计信息
通过次数 | 提交次数 | AC比率 |
---|---|---|
6867 | 21403 | 32.1% |
提交历史
提交时间 | 提交结果 | 执行时间 | 内存消耗 | 语言 |
---|