164. Maximum Gap

时间：2022-09-19 10:53:39

题目：

Given an unsorted array, find the maximum difference between the successive elements in its sorted form.

Try to solve it in linear time/space.

Return 0 if the array contains less than 2 elements.

You may assume all elements in the array are non-negative integers and fit in the 32-bit signed integer range.

链接： http://leetcode.com/problems/maximum-gap/

题解：

给定未排序数组，求两个相邻元素间的差的最大值。想了一会不确定，于是去看了一眼Discuss的标题，果然是用Radix Sort。其实一开始看到题目里面所有数字都可以被表示为32-bit signed integer时，就应该要想到才对。 估计做法就是用Radix Sort，排序完毕后再扫描一边数组。正好加深一下对Radix Sort的理解和书写。要好好研究一下Key-indexed Counting，LSD，MSD和Bucket Sort。这道题用Bucket Sort的话就是把每个元素放入一个bucket中，然后计算非空bucket间的最大距离，原理都差不多。一刷用了LSD，代码大都参考Sedgewick大神，二刷的话要试一试MSD以及bucket sort。注意的一点是LSD处理最高8位bit时， 0 ~ 127为正， 128 ~ 255为负，所以要特殊处理一下accumulated count数组。做完这题以后就发现上过算法2真好...

LSD Radix Sort, Time Complexity - O(n),  Space Complexity - O(n)

public class Solution {

    public int maximumGap(int[] nums) {

        if(nums == null || nums.length < 2)

            return 0;

        lsdSort(nums);

        int maxDiff = Integer.MIN_VALUE;

        for(int i = 1; i < nums.length; i++)

            maxDiff = Math.max(nums[i] - nums[i - 1], maxDiff);         //may overflow

        return maxDiff;

    }

    private void lsdSort(int[] nums) {

        int len = nums.length;

        int[] aux = new int[nums.length];

        int totalBits = 32;

        int bitsPerByte = 8;

        int window = totalBits / bitsPerByte;

        int R = 1 << bitsPerByte;           // R is radix

        int mask = R - 1; //

        for(int d = 0; d < window; d++) {            // for each window compared

            int[] count = new int[R + 1];

            for(int i = 0; i < len; i++) {      // count least significant 8 bits of each num in nums

                int c = (nums[i] >> (d * bitsPerByte)) & mask;  // use mask to get least significant 8 bits

                count[c + 1]++;

            }        

            for(int i = 0; i < R; i++)          // count accumulated position for each nums

                count[i + 1] += count[i]; 

            if(d == window - 1) {        // for most significant 8 bits,  0 ~ 127 is pos, 128 ~ 255 is neg, so 128 ~ 255 goes first

                int shift1 = count[R] - count[R / 2];

                int shift2 = count[R / 2];

                for(int i = 0; i < R / 2; i++)

                    count[i] += shift1;

                for(int i = R / 2; i < R; i++)

                    count[i] -= shift2;

            }

            for(int i = 0; i < len; i++) {      // move data

                int c = (nums[i] >> (d * bitsPerByte)) & mask;

                aux[count[c]++] = nums[i];

            }

            for(int i = 0; i < len; i++)        // copy back

                nums[i] = aux[i];

        }

    }

}

二刷:

依然使用了LSD radix sort，代码大都来自塞神的index counting。

  1. 我们把32位的数字分为4个batch，每个batch有8个digit，使用LSD的话我们是从最低一级的batch开始计算。这里我们要使用一个mask = 255，也就是二进制的11111111来找到每个batch。也要做一个auxiliary array - aux[] 用来保存临时结果
  2. 对于每个batch，我们都要做一次index counting sort，一共四次，从最低8位开始，到最高8位
    1. 每次确定了batch之后我们就可以创建buckets数组。这里buckets数组 count = new int[R + 1] ， 这里的 + 1很重要
    2. 我们第一次遍历数组，根据最低8位，统计所有数字出现的频率，然后放入相应的bucket里，这里有个小trick很关键，我们虽然将低8位映射到从[0 - 255]这样的256个bucket里，但写入count数组的时候，我们有意把count[0]留下，把数字的count写到 [1 - 256]的bucket中。这样做的好处，要在后面才能看到，就是从经过aggregation后的count数组，将排序后的数字填入到aux[]数组中时。
    3. 然后，我们对统计好的数字和频率进行aggregation，利用count数组求一个accumulated count。经历过这一步以后，我们的count[i]代表的意思就是，有多少个数字应该被放在 i 之前的buckets里。
    4. 接下来，我们根据aggregation的结果，我们把这些数字填到aux[]里
    5. 最后把aux[]中的数字拷贝回nums中，继续计算下一个batch。 因为LSD的操作是stable的，所以我们进行完全部4个batch以后就会得到最终结果
  3. 这里要注意的一点是，32位数字最高8位digit的这个batch和其他三个不同。在这8位里0 ~ 127为正数，而128 ~ 255为负数。所以在这个batch里，计算完aggregation数组后，我们要做一个很巧妙的shift操作
    1. 先求出shift1 = count[R] - count[R / 2], 也就是在输入的nums[]中有多少个数字为负
    2. 再求出shift2 = count[R / 2]， 输入的nums[]中有多少个正数
    3. 对于[0 - 127]的这些数字，他们都应该排在负数前面，所以我们对每一个count[i] 增加 shift1
    4. 对于[128 - 255]的这些数字，他们都应该排在正数后面，所以我们对每一个count[i] 减少 shift2
    5. 之后再根据新的count[]数组，把数字放入aux[]数组中，再拷贝回原数组nums[]里。

Java:

Time Complexity - O(n),  Space Complexity - O(n)

public class Solution {

    public int maximumGap(int[] nums) {    // LSD

        LSDradix(nums);

        int maxGap = 0;

        for (int i = 1; i < nums.length; i++) maxGap = Math.max(maxGap, nums[i] - nums[i - 1]);

        return maxGap;

    }

    private void LSDradix(int[] nums) {

        if (nums == null || nums.length == 0) return;

        int batchSize = 8;

        int batchNum = 32 / batchSize;

        int R = 1 << batchSize;      // radix, each bucket we consider only [0 - 255] , 256 numbers

        int mask = R - 1;            // 11111111, each batch 8 digits

        int len = nums.length;

        int[] aux = new int[len];

        for (int d = 0; d < batchNum; d++) {

            int[] count = new int[R + 1];

            for (int num : nums) {

                int idx = (num >> (d * batchSize)) & mask;

                count[idx + 1]++;      // index counting

            }

            for (int k = 1; k < count.length; k++) count[k] += count[k - 1];    // aggregation, find out the buckets boundaries

            if (d == batchNum - 1) {            // for first 8 digits 01111111 is max,  11111111 is min, we shift nums

                int shift1 = count[R] - count[R / 2];

                int shift2 = count[R / 2];

                for (int k = 0; k < R / 2; k++) count[k] += shift1;

                for (int k = R / 2; k < R; k++) count[k] -= shift2;

            }

            for (int num : nums) {

                int idx = (num >> (d * batchSize)) & mask;

                aux[count[idx]++] = num;    // we place each num in each buckets, from the start slot of the bucket

            }

            for (int k = 0; k < len; k++) nums[k] = aux[k];

        }

    }

}

164. Maximum Gap

Reference：

https://www.cs.princeton.edu/~rs/AlgsDS07/18RadixSort.pdf

https://leetcode.com/discuss/18499/bucket-sort-java-solution-with-explanation-o-time-and-space

https://leetcode.com/discuss/18487/i-solved-it-using-radix-sort

https://leetcode.com/discuss/19951/use-average-gap-to-achieve-o-n-run-time-java-solution

https://leetcode.com/discuss/34289/pigeon-hole-principle

https://leetcode.com/discuss/53636/radix-sort-solution-in-java-with-explanation

相关文章