福州网站建设兼职wordpress可以用的邮箱

题目分析与算法对比（LeetCode 1658. 将 x 减到 0 的最小操作数）

---

1. 题目链接

LeetCode 1658. 将 x 减到 0 的最小操作数

---

2. 题目描述

给定一个整数数组 nums 和一个整数 x，每次操作可以从数组的最左侧或最右侧删除一个元素，返回使数组元素和减少到 x 所需的最小操作次数。若无法达成，返回 -1。
示例1：
输入：nums = [1,1,4,2,3], x = 5
输出：2
示例2：
输入：nums = [5,6,7,8,9], x = 4
输出：2

---

3. 算法思路

问题转化：
题目要求从两端删除元素使得总和减少到 x，等价于寻找一个中间连续子数组，使得该子数组的和等于 total - x（total 为数组总和），此时需要删除的子数组外部的元素数目即为操作次数。
核心目标：找到最长的中间子数组，其和为 total - x，从而最小化操作次数（即 n - 子数组长度）。

滑动窗口法：

1. 初始化：计算数组总和 total，得到目标子数组和 target = total - x。
2. 边界处理：若 target < 0，直接返回 -1；若 target = 0，返回 n（需删除全部元素）。
3. 滑动窗口：
   • 右指针 right 不断扩展窗口，累加当前窗口和 sum。
   • 当 sum > target 时，左指针 left 右移以缩小窗口。
   • 当 sum = target 时，记录当前窗口长度并更新最大值。
4. 结果计算：最终结果为 n - 最长子数组长度，若无解则返回 -1。

---

4. 代码实现

class Solution 
{
public:int minOperations(vector<int>& nums, int x) {int n = nums.size();int total = 0;for(auto it : nums)   total += it;int target = total - x;// 边界处理if(target < 0) return -1;if(target == 0) return n;int left = 0, right = 0, sum = 0, MaxSubstringLength = -1;for(right = 0; right < n; right++){// 进窗口sum += nums[right];// 判断并出窗口while(sum > target && left < right) sum -= nums[left++];// 跟新结果if(sum == target) MaxSubstringLength = max(MaxSubstringLength,right - left + 1);}return MaxSubstringLength == -1 ? -1 : n - MaxSubstringLength;}
};

---

5. 暴力枚举法与滑动窗口法对比图表

对比维度	暴力枚举法	滑动窗口法
核心思想	遍历所有可能的子数组组合，检查其和是否等于 target，记录最长长度。	动态维护窗口，保证窗口和始终 ≤ target，仅在窗口和等于 target 时更新结果。
时间复杂度	O(n²)（枚举所有子数组起点和终点，共 n(n+1)/2 次操作）。	O(n)（每个元素被左右指针各访问一次）。
空间复杂度	O(1)（无需额外存储）。	O(1)（仅需常数变量记录窗口状态）。
实现方式	双重循环嵌套，计算每个子数组的和。	单层循环扩展右指针，内层循环收缩左指针。
适用场景	小规模数据（n ≤ 1e3）。	大规模数据（n ≤ 1e5）。
优点	逻辑简单，直接穷举所有可能解。	时间复杂度低，适用于大规模数据。
缺点	数据规模大时性能极差（n=1e4 时需 1e8 次操作）。	仅适用于数组元素全为非负数的场景（若含负数需改用前缀和+哈希表）。

---

6. 边界条件与注意事项

1. 数组含负数：滑动窗口法失效（需改用前缀和+哈希表，时间复杂度 O(n)）。
2. 全数组和等于 x：直接返回 n（需删除所有元素）。
3. 无解情况：返回 -1。

---

7. 总结

• 滑动窗口法是本题的最优解，时间复杂度为 O(n)，适用于元素全为非负数的场景。
• 暴力枚举法仅用于验证算法正确性或处理极小数据规模。
• 扩展思考：若数组含负数，需使用前缀和+哈希表（类似 LeetCode 560. 和为 K 的子数组）。