DAY 2 青训营笔记：连续子串和的整除问题 | 豆包MarsCode AI刷题

林深雾起618
115 阅读7分钟

学习心得

一、问题解析

1. 连续子序列和的整除性

在数学与算法中，子序列和子数组是两个常见的概念。具体来说，“连续子序列”或“连续子数组”是指数组中按照位置连续的元素。例如，给定一个数组 [1, 2, 3, 4, 5]，它的连续子数组包括 [1]、[1, 2]、[2, 3, 4]、[3, 4, 5]，以及整个数组 [1, 2, 3, 4, 5] 等。我们的任务是计算这些子数组的和，检查它们是否能够被某个整数 b 整除。

对于这个问题，我们需要关注以下两个要点：

  • 子数组的和：对于一个子数组的和，我们可以通过计算前缀和来高效地获得其和。前缀和数组 prefix[i] 记录的是数组从第一个元素到第 i 个元素的和。这使得我们可以在常数时间内计算任意子数组的和。

  • 整除性：检查子数组的和是否能被 b 整除，可以通过余数（取模）来判断。一个子数组的和能够被 b 整除，当且仅当该子数组和除以 b 的余数为零。

2. 算法思路

对于本问题，传统的暴力解法是枚举所有可能的子数组，计算其和并判断是否能整除。这种方法的时间复杂度为 O(n²)，其中 n 是数组的长度。显然，这对于较大的数据规模是不可行的。为了提高效率，我们可以采用更高效的算法来解决这个问题。

前缀和和取模是解决该问题的关键。具体来说，我们可以通过以下步骤来优化解法：

  1. 计算前缀和：定义一个前缀和数组 prefix_sum[i]，其中 prefix_sum[i] 记录的是数组从第一个元素到第 i 个元素的和。通过前缀和，我们可以在常数时间内计算任何子数组的和。

  2. 取余运算：我们关心的是前缀和对 b 的余数。对于任何两个前缀和 prefix[i] 和 prefix[j]，如果它们的余数相同，则从 i+1 到 j 之间的子数组的和能够被 b 整除。也就是说，我们只需要记录前缀和对 b 的余数出现的次数，利用余数的频率来判断有多少子数组的和是可以被 b 整除的。

  3. 频率计数：使用一个数组或哈希表来记录前缀和的余数出现次数。对于每一个新计算出来的前缀和余数 mod，如果该余数已经出现过，那么从上次该余数出现的位置到当前的位置之间的子数组和能被 b 整除。

通过这种方式，我们可以将问题的时间复杂度从 O(n²) 降低到 O(n)，这是一个显著的优化。

二、算法实现

以下是基于前缀和与取余的算法实现：

def count_divisible_subarrays(arr, b):
    n = len(arr)
    prefix_sum = 0
    count = 0
    mod_count = [0] * b
    mod_count[0] = 1  # 处理前缀和为0的情况

    for num in arr:
        prefix_sum += num
        mod = prefix_sum % b
        # 处理负数情况
        if mod < 0:
            mod += b
        
        # 增加当前余数出现的次数
        count += mod_count[mod]
        mod_count[mod] += 1

    return count

# 示例
arr = [1, 2, 3, 4, 5]
b = 3
print(count_divisible_subarrays(arr, b))  # 输出符合条件的子序列个数

代码分析

  • prefix_sum：变量 prefix_sum 用于存储当前遍历到的前缀和。
  • mod_count：数组 mod_count 用于存储每个余数（0 到 b-1）出现的次数。初始化时，mod_count[0] 设为 1，是因为前缀和为 0 时，子数组的和就是当前的前缀和，这样可以处理从头开始的子数组。
  • 遍历数组：在遍历数组时，首先更新前缀和 prefix_sum，然后计算 prefix_sum % b，并根据该余数更新计数器 mod_count。如果该余数已经出现过，表示从上次出现该余数的位置到当前位置之间的子数组和能够被 b 整除，累加计数。

时间与空间复杂度

  • 时间复杂度：O(n)，因为我们只遍历一次数组，进行常数时间的操作。
  • 空间复杂度：O(b)，用于存储余数的计数数组。对于较小的 b，这是一个常数空间的操作。

这种算法相较于暴力解法，具有显著的时间效率优势，能够在较大的数据规模下快速求解。

三、知识总结

通过解决这一问题，我学习到了以下几个重要的编程技巧和算法思想：

  1. 前缀和的应用：前缀和是一个非常有效的技巧，尤其在需要频繁计算子数组和时。通过前缀和，我们可以将问题从 O(n²) 降到 O(n)，这对于大规模数据处理至关重要。

  2. 取模运算：取模操作是处理整除性问题的关键。通过计算前缀和对某个数的余数，我们可以将问题转化为一个频率计数问题，这大大简化了问题的复杂度。

  3. 哈希表的应用：使用数组或哈希表记录频率是很多算法中常见的优化技巧。在这个问题中，我们利用哈希表记录前缀和的余数频率，避免了暴力枚举每一个子数组，从而提高了算法效率。

  4. 空间复杂度优化：尽管我们使用了一个额外的数组 mod_count 来存储余数的频率，但是该数组的大小为 b，对于大部分实际问题来说，这个空间消耗是可以接受的，且时间复杂度仅为 O(n)。

四、学习计划

为了更深入地理解这个问题并拓宽我的算法知识，我计划进行如下学习：

  1. 多做相关题目：继续通过在线编程平台进行类似题目的练习，尝试更多的变种问题。例如，改进版的题目可能会要求计算子数组和的最大值或最小值，或者要求处理不同的约束条件。

  2. 学习复杂度分析：对于每一个解法，都进行时间与空间复杂度的分析，学习如何优化算法的性能。特别是对于一些高级数据结构（如平衡树、堆、哈希表等）的运用，如何将问题从暴力解法的 O(n²) 提升到 O(n log n) 或 O(n) 的复杂度。

  3. 复习取余及模运算：深入研究取余运算的性质，尤其是在大数算法、数论算法等领域的应用。例如，如何处理大数模运算，如何高效地计算大整数的余数等。

  4. 模拟题目和代码实现：通过编写代码来模拟题目情境，逐步提升自己对代码逻辑的理解和编程能力。尝试从简单的题目逐步挑战更复杂的问题。

  5. 算法与数据结构的结合：在理解和实现前缀和、哈希表等基础算法技巧的基础上，结合其他数据结构（如树、图、堆等）解决更高难度的问题，提高解决复杂问题的能力。

五、豆包AI刷题功能的运用

豆包AI的刷题功能能够帮助我快速找到相关题目进行练习，以下是我打算如何利用这一工具进行进一步学习：

  1. 搜索相似题目：通过豆包AI的搜索功能，寻找与“连续子序列和的整除性”相关的题目，以增加练习的数量。比如，搜索关键字“连续子数组”和“子数组和”来扩展我的解题经验。

  2. 查看解题思路：通过查看豆包AI的解题思路，了解不同的解法。例如，可能会有一些巧妙的数学推导或更优的算法思路，可以从中获得启发。

  3. 总结与复习：每次做完一道题，都要去总结。

avatar
文章
阅读
粉丝