题目
给定一个长度为 n 的整数数组 nums 。
假设 arrk 是数组 nums 顺时针旋转 k 个位置后的数组,我们定义 nums 的 旋转函数 F 为:
F(k) = 0 * arrk[0] + 1 * arrk[1] + ... + (n - 1) * arrk[n - 1]
返回 F(0), F(1), ..., F(n-1)中的最大值 。
生成的测试用例让答案符合 32 位 整数。
思路
思路1
双循环,根据对于索引进行 +1 计算,如果索引大于等于数组的总长,则减去数组的总长
缺点:由于是双重循环,因此时间复杂度为
思路2
根据题目,列出F(0) 和F(1)的计算公式如下:
- F(0)=0×nums[0]+1×nums[1]+…+(n−1)×nums[n−1]
- F(1)=1×nums[0]+2×nums[1]+…+0×nums[n−1]
F(1) - F(0) = 1×nums[0]+1×nums[1]+…+1×nums[n−1] - n×nums[n−1]
从上图我们可以发现,1×nums[0]+1×nums[1]+…+1×nums[n−1] 相当于是nums数组的总和
因此我们可以设nums 的元素之和为 numSum。得到以下的公式:
当 1 ≤ k< n -1时
F(k)=F(k−1)+numSum−n×nums[n−k]
代码
class Solution {
public int maxRotateFunction(int[] nums) {
int f = 0, n = nums.length, numSum = Arrays.stream(nums).sum();
for (int i = 0; i < n; i++) {
f += i * nums[i];
}
int res = f;
for (int i = n - 1; i > 0; i--) {
f += numSum - n * nums[i];
res = Math.max(res, f);
}
return res;
}
}
![深度学习-卷积神经网络-纹理表示卷积神经网络-卷积神经网络-[北邮鲁鹏]](https://img-blog.csdnimg.cn/893e2e9339794e018943a94041063204.png)





![[NLP] LLM---<训练中文LLama2(一)>训练一个中文LLama2的步骤](https://img-blog.csdnimg.cn/img_convert/c2c4ae4d1afeaeaeeae3e0d16ea19b30.webp?x-oss-process=image/format,png)






![[2023-09-13]使用EXPDP/IMPDP迁移数据库后统计信息引起的性能问题](https://img-blog.csdnimg.cn/cde5f71cc8854cbca6bb4bf8a18c1c49.png)





