LeetCode952三部曲之二:小幅度优化(137ms -> 122ms,超39% -> 超51%)
阅读原文时间:2023年09月04日阅读:2

欢迎访问我的GitHub

这里分类和汇总了欣宸的全部原创(含配套源码):https://github.com/zq2599/blog_demos

本篇概览

  • 本文是《LeetCode952三部曲》系列之二,在前文中,咱们详细分析了解题思路,然后按照思路写出了代码,在LeetCode提交成功,成绩如下图所示,137ms,超过39%

  • 不得不说这个成绩很不理想,于是今天咱们来尝试进行优化,以减低时间,提升百分比

优化点预判

  • 回顾一下题目要求,如下所示

  • 上图中有个重要条件:入参数组中,最大值不超过100000

  • 回顾咱们在初始化并查集数据结构的时候,需要满足数组下标代表数字身份这个特性,例如fathers[100000]=123的含义是数字100000的父节点是123,所以数组长度必须是100001,代码如下

    int[] fathers = new int[100001];

  • 而在实际的并查集操作中,如果入参是4,6,15,35这四个数字,那么fathers这个数组中真正被我们用到的也就只有fathers[4]、fathers[6]、fathers[15]、fathers[35]这四个元素,其他100001-4=99997个元素都没有用到,而代码中还要为这些无用的元素分配空间,还要消耗时间去初始化,这是极大的浪费

  • 对于另一个数组rootSetSize,用于记录下标位置元素的子树大小,亦是如此,99997个元素也都浪费了

  • 以上就是要优化的地方:如果入参是四个数字,那么fathers和rootSetSize的大小能缩减到四吗?

  • 这就需要分析一下了

优化分析

  • 先回顾一下解题思路,整个流程如下图所示

  • 假设此题的入参是这四个数字:4,6,15, 35,回顾什么时候咱们会用到这四个数字,显然计算每个数字的质因数的时候必然会用到,计算完成后,得到了下图的关系(这是前文的内容)

  • 然后,咱们根据上图,得到了每个质因数对应的数字集合,也就是下图

  • 看着上图,重点来了:从上图开始,再到后面的并查集操作,再到最终的结束,都不会用4、6、15、35这样的数字去计算什么了

  • 所以,上面那幅图中的4、6、15、35,是不是可以替换成他们在入参数组中的下标?假设入参数组是[4,6,15,35],他们的数组下标就分别是:0、1、2、3

  • 将数字替换成数组下标后,上面那幅图的内容就有了变化,变成了下图的样子,之前的[4,6,15,35]四个数字变成了[0,1,2,3]

  • 接下来的并查集操作中,也可以用[0,1,2,3]取代[4,6,15,35]也可以吗?

  • 当然可以,之前是合并4和6,现在变成了合并0和1,题目是要的是连通的数量,而某个唯一的数字到底是4还是它的数组下标0,这不重要了,重要的是合并不能有错就行

  • 这样替换后,如果入参是四个数字,不论值是多少,在并查集操作时,只需要用到它们的数组下标:0、1、2、3,最大也只有3

  • 这就有意思了,数组fathers和rootSetSize的大小从100001变成了入参数组的长度!

  • 准备工作完成了,可以正式动手优化了

优化代码

  • 首先,要修改的是定义fathers和rootSetSet的代码,之前是创建固定长度的数组,现在改成先不创建,而是等到后面知道入参数组长度的时候再说

  • 然后是largestComponentSize方法中的内容,如下图,存入map的时候,以前存入的是入参的数字,现在传入的是数字对应的数组下标

  • 最后还看到一些代码略有瑕疵,于是顺手改了,如下图,其实影响不大

  • 以上就是改动的全部了

  • 最后附上优化后的完整源码

    class Solution {

    // 并查集的数组, fathers[3]=1的意思是:数字3的父节点是1

    // int[] fathers = new int[100001];
    int[] fathers;

    // 并查集中,每个数字与其子节点的元素数量总和,rootSetSize[5]=10的意思是:数字5与其所有子节点加在一起,一共有10个元素

    // int[] rootSetSize = new int[100001];
    int[] rootSetSize;

    // map的key是质因数,value是以此key作为质因数的数字
    // 例如题目的数组是[4,6,15,35],对应的map就有四个key:2,3,5,7
    // key等于2时,value是[4,6],因为4和6的质因数都有2
    // key等于3时,value是[6,15],因为6和16的质因数都有3
    // key等于5时,value是[15,35],因为15和35的质因数都有5
    // key等于7时,value是[35],因为35的质因数有7
    Map<Integer, List<Integer>> map = new HashMap<>();
    
    // 用来保存并查集中,最大树的元素数量
    int maxRootSetSize = 1;
    
    /**
     * 带压缩的并查集查找(即寻找指定数字的根节点)
     * @param i
     */
    private int find(int i) {
        // 如果执向的是自己,那就是根节点了
        if(fathers[i]==i) {
            return i;
        }
    // 用递归的方式寻找,并且将整个路径上所有长辈节点的父节点都改成根节点,
    // 例如1的父节点是2,2的父节点是3,3的父节点是4,4就是根节点,在这次查找后,1的父节点变成了4,2的父节点也变成了4,3的父节点还是4
    fathers[i] = find(fathers[i]);
    return fathers[i];
    } /** * 并查集合并,合并后,child会成为parent的子节点 * @param parent * @param child */ private void union(int parent, int child) { int parentRoot = find(parent); int childRoot = find(child);
    // 如果有共同根节点,就提前返回
    if (parentRoot==childRoot) {
        return;
    }
    
    // child元素根节点是childRoot,现在将childRoot的父节点从它自己改成了parentRoot,
    // 这就相当于child所在的整棵树都拿给parent的根节点做子树了
    fathers[childRoot] = fathers[parentRoot];
    
    // 合并后,这个树变大了,新增元素的数量等于被合并的字数元素数量
    rootSetSize[parentRoot] += rootSetSize[childRoot];
    
    // 更像最大数量
    maxRootSetSize = Math.max(maxRootSetSize, rootSetSize[parentRoot]);
    } public int largestComponentSize(int[] nums) {
    // 对数组中的每个数,算出所有质因数,构建map
    for (int i=0;i&lt;nums.length;i++) {
        int cur = nums[i];
    
        for (int j=2;j*j&lt;=cur;j++) {
            // 从2开始逐个增加,能整除的一定是质数
            if(cur%j==0) {</code></pre>

    // map.computeIfAbsent(j, key -> new ArrayList<>()).add(nums[i]);
    map.computeIfAbsent(j, key -> new ArrayList<>()).add(i);
    }

                // 从cur中将j的因数全部去掉
                while (cur%j==0) {
                    cur /= j;
                }
            }
        // 能走到这里,cur一定是个质数,
        // 因为nums[i]被除过多次后结果是cur,所以nums[i]能被cur整除,所以cur是nums[i]的质因数,应该放入map中
        if (cur!=1) {</code></pre>

    // map.computeIfAbsent(cur, key -> new ArrayList<>()).add(nums[i]);
    map.computeIfAbsent(cur, key -> new ArrayList<>()).add(i);
    }
    }

        fathers = new int[nums.length];
        rootSetSize = new int[nums.length];
    // 至此,map已经准备好了,接下来是并查集的事情,先要初始化数组
    for(int i=0;i&lt; fathers.length;i++) {
        // 这就表示:数字i的父节点是自己
        fathers[i] = i;
        // 这就表示:数字i加上其下所有子节点的数量等于1(因为每个节点父节点都是自己,所以每个节点都没有子节点)
        rootSetSize[i] = 1;
    }
    
    // 遍历map
    for (int key : map.keySet()) {
        // 每个key都是一个质因数
        // 每个value都是这个质因数对应的数字
        List&lt;Integer&gt; list = map.get(key);
    
        int size = list.size();
    
        // 超过1个元素才有必要合并
        if (size&gt;1) {
            // 取第0个元素作为父节点
            int parent = list.get(0);
    
            // 将其他节点全部作为地0个元素的子节点
            for(int i=1;i&lt;size;i++) {
                union(parent, list.get(i));
            }
        }
    }
    
    return maxRootSetSize;
    }

    }

  • 写完代码,提交LeetCode,顺利AC,咱们将优化前和优化后的数据放在一起对比一下,如下图,左边是优化前,右边是优化后,虽然不能算大幅度提升,但勉强算是有明显提升了

  • 至此,第一次优化就完成了,超过50%的成绩依旧很一般,还能进一步提升吗?大幅度提升那种

  • 答案自然是可以,感谢咱们这两篇的努力,让我们对解题思路有了深刻理解,接下来,期待第三篇吧,我们会来一次更有效的优化

  • 剧透一下:优化点和算素数有关

欢迎访问我的GitHub

这里分类和汇总了欣宸的全部原创(含配套源码):https://github.com/zq2599/blog_demos

欢迎关注博客园:程序员欣宸

学习路上,你不孤单,欣宸原创一路相伴…