LeetCode 462 - 最小操作次数使数组元素相等 II


文章目录

摘要

这道题看起来像个"数学题",但其实更准确地说,它是一个非常典型的工程决策问题

当你可以自由地调整每个元素,目标是让整体成本最低时,应该把大家"拉"到哪里?

很多人第一反应是"取平均数",但这道题偏偏不是。

真正的答案,其实和一个我们经常忽略、但非常重要的概念有关:中位数

描述

题目给你一个整数数组 nums,你可以做的操作非常简单:

  • 每一次操作

    • 让某一个元素 +1
    • 或者 -1

你的目标只有一个:

最少的操作次数 ,让数组里的所有元素变得完全一样

注意几个隐含信息:

  • 每次操作只影响一个元素
  • 每次只加 1 或减 1
  • 最终大家要"对齐"到同一个值
  • 数组长度最多 10 万,值的范围很大

题解答案

这道题的结论非常明确,而且值得你记住:

把所有元素调整到数组的中位数,操作次数最少。

具体做法就是:

  1. 对数组排序
  2. 取中位数
  3. 累加所有元素到中位数的绝对差

题解代码分析

为什么不是平均数?

我们先从直觉入手。

很多人会想:

"让大家都变成平均数,整体差距不是最小吗?"

但这里有一个坑:
平均数并不一定是整数,而且即使是整数,也不一定最优。

举个简单的例子:

复制代码
nums = [1, 2, 10]
平均数 = 4.33

如果你强行往 4 或 5 拉,左右两边的代价是不对称的。

中位数为什么是最优解?

这是这道题的核心。

如果你把数组排好序:

复制代码
a1 <= a2 <= ... <= an

当你选择一个目标值 x 时,总操作次数是:

复制代码
|a1 - x| + |a2 - x| + ... + |an - x|

这个函数在数学上有一个非常重要的性质:

当 x 取中位数时,上式取得最小值

直观理解就是:

  • 中位数左边的人,往右拉
  • 中位数右边的人,往左拉
  • 两边的"拉力"正好平衡

这和"拉一群人站成一排,站到最中间最省力"是一个道理。

为什么偶数个元素也没问题?

如果数组长度是偶数,比如:

复制代码
[1, 2, 9, 10]

中位数其实是一个区间 [2, 9]

你选 23、...、9得到的最小操作次数是一样的

所以实现时,直接选排序后 n / 2 位置的值即可。

Swift 可运行 Demo 代码

swift 复制代码
import Foundation

class Solution {
    func minMoves2(_ nums: [Int]) -> Int {
        let sortedNums = nums.sorted()
        let n = sortedNums.count
        let median = sortedNums[n / 2]

        var moves = 0
        for num in sortedNums {
            moves += abs(num - median)
        }

        return moves
    }
}

代码逐步解析

swift 复制代码
let sortedNums = nums.sorted()

先排序,这是找到中位数的前提。

时间复杂度主要也花在这一步。

swift 复制代码
let median = sortedNums[n / 2]
  • 奇数长度:正中间
  • 偶数长度:取右中位数即可

不需要纠结选哪一个,只要是中位数区间内的值都行。

swift 复制代码
moves += abs(num - median)

这一步非常直观:

  • 每个元素到目标值的距离
  • 就是需要的操作次数

示例测试及结果

swift 复制代码
let solution = Solution()

print(solution.minMoves2([1, 2, 3]))        // 2
print(solution.minMoves2([1, 10, 2, 9]))    // 16
print(solution.minMoves2([1, 1, 1]))        // 0
print(solution.minMoves2([1, 1000000000]))  // 999999999

输出结果:

复制代码
2
16
0
999999999

和题目示例完全一致。

与实际场景结合

这道题在真实工程里,其实非常常见,只是你可能没意识到。

几个典型场景:

  1. 负载均衡

    • 把请求量调整到一个"最省整体迁移成本"的点
  2. 数据校准

    • 传感器读数对齐,减少整体修正代价
  3. 日志时间修正

    • 把时间戳统一到一个参考值
  4. 费用对齐

    • 多人分摊成本时,调整到"最公平、最少改动"的值

这些问题,本质上都是:

在一维数轴上,找到一个点,使得到所有点的总距离最小。

答案,几乎永远都是:中位数

时间复杂度

复制代码
O(n log n)
  • 排序占主要时间
  • 后续遍历是 O(n)

空间复杂度

复制代码
O(n)

排序使用了额外数组空间(Swift 的 sorted())。

如果需要极致优化,可以用原地排序或快速选择算法。

总结

这道题非常适合用来建立一个重要直觉:

平均数解决的是"平方误差最小",中位数解决的是"绝对误差最小"。

一旦你把这个区分记牢:

  • 这道题基本就是秒解
  • 很多"看起来像数学题"的工程问题,也会变得异常清晰
相关推荐
顶点多余9 小时前
9.16 面试总结
linux·面试·职场和发展
不会就选b9 小时前
算法日常・每日刷题--<贪心>15
算法
鹿角片ljp9 小时前
Prompt Cache、Token 成本与 Plan Compiler 的工程设计
java·python·算法
萧西待水16 小时前
奥赛一本通 1447 靶形数独
算法·深度优先
泯泷18 小时前
那段文字是谁删的?Yjs 14 正式版之前,一套删除归属方案的实现与边界
前端·javascript·算法
hold?fish:palm18 小时前
34 合并K个升序链表
javascript·算法·链表
Navigator_Z20 小时前
LeetCode //C - 1252. Cells with Odd Values in a Matrix
c语言·算法·leetcode
语戚21 小时前
力扣 1621. 大小为K的不重叠线段的数目:动态规划(Java 实现)
java·算法·leetcode·动态规划·力扣·dp
青山木1 天前
Hot 100 --- 最长有效括号
java·数据结构·算法·leetcode·动态规划
这料鬼有毒1 天前
二刷hot100-1143.最长公共子序列
算法·leetcode·动态规划