题解一: 数学方法
题解思路: 首先,给出结论给定N个点(x1,x2...xn),要找到使得 :
最小得x; 此点比然是其中位数。
证明:首先对N个点排序.假设该点在N个点中xi:
如果这个点往右移xi+1
两者相减,可得向右移距离变化:
xi+1-x1始终大于零,所以当i<=n/2时,(2i - n)小于等于0 上式大于等于0; 当i>=n/2时,(2i-n)大于等于0 上式小于等于0; 随着i逐渐增大,距离先小后大。所以在i = n/2取得最小值。
假设该点不在这N个点中: xi<t1<t2<xi+1,得
当i<= n/2 , 上式大于等于0,当i>=n/2, 上式小于等于0; 距离先小后大,所以在i = n/2取得最小值。
复杂度分析:
时间复杂度: ,排序时间
空间复杂度: ,需要申请辅助数组,来保存x,y的值,来进行排序
实现如下:
class Solution { public: /** * 代码中的类名、方法名、参数名已经指定,请勿修改,直接返回方法规定的值即可 * * * @param n int整型 n * @param x int整型vector x * @param y int整型vector y * @param w int整型vector w * @return long长整型 */ long long MinimumDistance(int n, vector<int>& x, vector<int>& y, vector<int>& w) { // write code here vector<int> xt; vector<int> yt; for(auto it :x) xt.push_back(it); for(auto it :y) yt.push_back(it); sort(xt.begin(),xt.end()); //对x排序 sort(yt.begin(),yt.end()); //对y排序 int xlen = x.size(),ylen = y.size(); double x1 = 0,y1=0; int mid1 = xlen/2; if(xlen%2==0){ x1 = xt[mid1]+xt[mid1-1]; //如果长度为偶数,求x中位数 y1 = yt[mid1]+yt[mid1-1]; x1 /= 2; y1 /= 2; }else {x1 = xt[mid1];y1 = yt[mid1];} double ans = 0; for(int i = 0;i<xlen;++i){ double dis = abs(x1-x[i])+abs(y1-y[i]); //求距离 ans += dis*w[i]; //乘上权重 } return (long long)ans; } };
题解二:二分
题解思路 : x,y都可以看出单独计算曼哈顿距离。假设有N个数,并且当前位置为mid,mid左边有x,那么右边有n-x. 假设当前带权曼哈顿距离为dis,如果该点向右移动,新曼哈顿距离为res+z(2x-n);
*复杂度:**
时间复杂度: : x和y都是单层遍历
空间复杂度: :需要申请辅助数组nums_weight的大小
实现如下:
class Solution { public: long long Manhattandistance(int n, vector<int>& m, vector<int>& w, int max_value){ long long sum = 0, temp = 0, distance = 0; int median; vector<long long> nums_weight(max_value + 1, 0); for(int i = 0; i < n; i++){ nums_weight[m[i]] += w[i]; sum += w[i]; } for(int i = 0; i <= max_value; i++){ //找权值中点 temp += nums_weight[i]; if(temp >= sum / 2){ median = i; break; } } for(int i = 0; i < n; i++) distance += abs(m[i] - median) * w[i]; //计算带权曼哈顿距离 return distance; } long long MinimumDistance(int n, vector<int>& x, vector<int>& y, vector<int>& w) { int max_x = 0, max_y = 0; for(int i = 0; i < n; i++){ //分别找到 x y 最大值 max_x = max(max_x, x[i]); max_y = max(max_y, y[i]); } //x维加上y维带权曼哈顿距离 return Manhattandistance(n, x, w, max_x) + Manhattandistance(n, y, w, max_y); } };