1. 项目概述为什么“数组操作”是蓝桥杯JAVA选手的必争之地如果你正在备战蓝桥杯尤其是JAVA组那么“数组操作”这个主题绝对是你绕不开的核心战场。我参加过也辅导过不少比赛可以很负责任地说历年真题里数组相关的题目出现频率高得惊人从简单的模拟、查找到复杂的动态规划、前缀和优化数组都是最基础也是最关键的数据结构。很多题目表面上看是考算法但底层逻辑就是对数组元素进行高效地增删改查和变换。把数组玩明白了就等于掌握了打开蓝桥杯JAVA试题宝库的一把万能钥匙。这个系列我就结合历年真题带你深度拆解数组操作的各类“套路”和“骚操作”不仅仅是给出答案更重要的是讲清楚背后的解题思路、代码优化技巧以及那些容易踩坑的细节。2. 数组操作核心思想与解题框架拆解2.1 理解数组的本质连续内存与随机访问在开始刷题前我们必须从底层重新认识一下Java中的数组。它是一块连续的内存空间存储相同类型的数据。这个“连续”特性带来了两个核心优势一是随机访问即通过下标array[i]可以在O(1)时间复杂度内直接访问任何元素这是链表等结构不具备的二是缓存友好连续的内存访问模式能更好地利用CPU缓存提升效率。但劣势也同样明显大小固定插入和删除非尾部操作需要移动大量元素成本是O(n)。在蓝桥杯的竞赛环境中题目给定的数据规模n的范围和内存限制通常是128MB或256MB直接决定了我们算法的可行性。一个经典的思考链是看到n 10^5那么O(n^2)的暴力解法如双重循环就极有可能超时我们必须寻找O(n log n)或O(n)的解法。数组的连续特性让我们可以广泛应用双指针、滑动窗口、前缀和等技巧来优化时间复杂度。2.2 通用解题四步法面对一道数组题我习惯用以下四个步骤来拆解问题转化仔细读题将自然语言描述的问题转化为对数组的何种操作是求子数组和是寻找特定元素还是对数组进行某种排序或变换数据规模分析立刻关注题目给出的n和m的范围以及时间限制1s或2s。这步直接筛掉暴力解法指引你寻找更优算法。算法与数据结构选择基于前两步选择核心算法。是排序二分查找哈希表辅助还是动态规划同时思考原数组是否需要预处理例如计算前缀和数组边界与细节实现考虑数组为空、单个元素、重复元素、整数溢出特别是求和时、下标越界等边界情况。在Java中还要注意int和long的选择。3. 历年真题核心题型深度解析与实操3.1 题型一元素查找与统计这是最基础的题型但花样很多。真题示例寻找出现次数超过一半的元素主元素问题题目常描述给定一个大小为 n 的数组找到其中出现次数超过 ⌊ n/2 ⌋ 的元素。你可以假设数组是非空的并且给定的数组总是存在多数元素。暴力解法两层循环计数的时间复杂度是O(n^2)在n较大时不可行。更优的解法是摩尔投票法它能在O(n)时间和O(1)空间内解决。public int majorityElement(int[] nums) { int candidate nums[0]; // 候选人 int count 0; // 票数 for (int num : nums) { if (count 0) { // 当前候选人票数为0更换候选人 candidate num; } // 给当前候选人投票或减票 count (num candidate) ? 1 : -1; } // 根据题意这里一定存在主元素所以candidate就是答案 // 如果题目不保证存在还需要再遍历一次验证candidate的出现次数是否真的超过一半 return candidate; }实操要点核心思想对拼消耗。不同的元素相互抵消最后剩下的count 0对应的candidate就可能是主元素。为什么可行因为主元素的数量超过其他所有元素数量之和所以无论怎么抵消最后剩下的肯定是主元素。易错点初始化candidate和count的时机。循环内先判断count0再更新candidate然后进行投票/减票操作这个顺序不能错。变式题统计数组中每个元素出现的次数当数据范围不大时可以用数组作为哈希表。例如元素值在[0, 100]之间。int[] freq new int[101]; // 索引代表元素值值代表出现次数 for (int num : array) { freq[num]; }如果元素值范围很大或未知则使用HashMapInteger, Integer。3.2 题型二子数组与区间问题这是蓝桥杯的重灾区通常需要前缀和、滑动窗口等技巧。真题示例和为K的子数组个数题目描述给定一个整数数组和一个整数 k你需要找到该数组中和为 k 的连续子数组的个数。暴力解法是枚举所有子数组[i, j]计算其和复杂度O(n^3)或优化后O(n^2)对于n10^4都可能吃力。优化解法前缀和 哈希表核心思路sum[i, j] prefixSum[j] - prefixSum[i-1]。我们遍历数组计算当前的前缀和currSum并查询之前有多少个前缀和等于currSum - k那么以当前位置结尾的、和为k的子数组个数就是那个数量。public int subarraySum(int[] nums, int k) { // key: 前缀和, value: 该前缀和出现的次数 MapInteger, Integer prefixSumMap new HashMap(); prefixSumMap.put(0, 1); // 重要前缀和为0的情况出现一次表示从开头到当前位置的和就是k int currSum 0; int count 0; for (int num : nums) { currSum num; // 计算当前前缀和 // 检查是否存在前缀和等于 currSum - k if (prefixSumMap.containsKey(currSum - k)) { count prefixSumMap.get(currSum - k); } // 将当前前缀和加入哈希表 prefixSumMap.put(currSum, prefixSumMap.getOrDefault(currSum, 0) 1); } return count; }实操要点与避坑指南为什么需要prefixSumMap.put(0, 1)这是最容易被忽略的一点。考虑子数组就是从数组开头开始的特殊情况例如nums [1], k1。遍历时currSum先变成1我们需要找currSum - k 0。如果哈希表里没有记录前缀和0出现过1次我们就无法统计到这个子数组。它代表了“空数组”的前缀和。先查询再更新顺序很重要。必须先根据currSum查询currSum-k的数量再将currSum放入哈希表。如果先放入再查询当k0时就会错误地把当前子数组自己也算进去。哈希表的价值它将查找“是否存在某个前缀和”的时间从O(n)降到了O(1)是整体复杂度从O(n^2)降到O(n)的关键。3.3 题型三数组排序与变换这类题目要求按照特定规则重新排列数组。真题示例移动零给定一个数组nums编写一个函数将所有0移动到数组的末尾同时保持非零元素的相对顺序。双指针快慢指针是解决这类原地操作问题的利器。public void moveZeroes(int[] nums) { int slow 0; // 慢指针指向下一个非零元素应该放置的位置 // 快指针fast遍历整个数组 for (int fast 0; fast nums.length; fast) { if (nums[fast] ! 0) { // 当快指针指向非零元素时将其赋值给慢指针位置 nums[slow] nums[fast]; slow; } } // 将慢指针之后的所有位置赋值为0 for (int i slow; i nums.length; i) { nums[i] 0; } }另一种更高效的交换写法public void moveZeroes(int[] nums) { int slow 0; for (int fast 0; fast nums.length; fast) { if (nums[fast] ! 0) { // 交换快慢指针的元素 int temp nums[slow]; nums[slow] nums[fast]; nums[fast] temp; slow; } } }这种写法在一次遍历中同时完成了非零元素的归位和零元素的移动且交换操作可能比先赋值后覆盖零更高效取决于JVM优化逻辑也更为紧凑。实操心得双指针的物理意义slow指针左边是已经处理好的非零序列slow和fast之间是0fast右边是待处理的区域。明确指针的语义是写出正确代码的关键。保持相对顺序题目要求保持非零元素相对顺序因此我们采用“覆盖”或“交换”而不是“删除后追加”。如果题目允许改变非零元素顺序可能有更优解如双指针从两端向中间遍历。3.4 题型四多维数组与矩阵操作蓝桥杯经常考察二维数组矩阵的遍历、旋转、搜索等。真题示例旋转图像给定一个 n × n 的二维矩阵表示一个图像。请你将图像顺时针旋转 90 度。你必须在原地旋转图像这意味着你需要直接修改输入的二维矩阵。请不要使用另一个矩阵来旋转图像。解法一数学推导转置镜像顺时针旋转90度 先沿主对角线翻转转置再每一行左右翻转。public void rotate(int[][] matrix) { int n matrix.length; // 1. 转置沿主对角线翻转 for (int i 0; i n; i) { // 注意 j 从 i1 开始避免重复交换和交换回原样 for (int j i 1; j n; j) { int temp matrix[i][j]; matrix[i][j] matrix[j][i]; matrix[j][i] temp; } } // 2. 每一行左右翻转 for (int i 0; i n; i) { int left 0, right n - 1; while (left right) { int temp matrix[i][left]; matrix[i][left] matrix[i][right]; matrix[i][right] temp; left; right--; } } }解法二逐层旋转更直观将矩阵看成一层层的洋葱从外圈到内圈每次旋转一圈上四个点的位置。public void rotate(int[][] matrix) { int n matrix.length; for (int layer 0; layer n / 2; layer) { // 层数 int first layer; int last n - 1 - layer; for (int i first; i last; i) { int offset i - first; // 保存上边 int top matrix[first][i]; // 左边 - 上边 matrix[first][i] matrix[last - offset][first]; // 下边 - 左边 matrix[last - offset][first] matrix[last][last - offset]; // 右边 - 下边 matrix[last][last - offset] matrix[i][last]; // 保存的上边 - 右边 matrix[i][last] top; } } }实操要点下标计算是难点无论是转置的j i1还是逐层旋转时的last - offset都需要在纸上画一个3x3或4x4的矩阵标上坐标(i, j)一步步推导光靠想很容易出错。原地操作题目要求in-place意味着空间复杂度必须是O(1)。解法一和解法二都满足。如果使用额外矩阵newMatrix[j][n-1-i] matrix[i][j]虽然简单直观但不符合要求。测试用例一定要测试n为奇数和偶数的情况。奇数时最中心的一个元素不需要移动。4. 高频考点“前缀和”与“差分”的实战精讲这两个技巧是处理数组区间问题的“神兵利器”必须熟练掌握。4.1 前缀和快速求解区间和核心思想预处理一个prefixSum数组其中prefixSum[i]表示原数组arr[0...i]的和。那么区间[l, r]的和就等于prefixSum[r] - prefixSum[l-1]当l0时就是prefixSum[r]。真题场景多次查询某个子数组的和。暴力每次查询O(n)m次查询O(m*n)。前缀和预处理O(n)每次查询O(1)m次查询O(mn)。// 预处理前缀和数组 int[] preSum new int[nums.length 1]; // 常用长度1方便处理preSum[0]0 for (int i 0; i nums.length; i) { preSum[i 1] preSum[i] nums[i]; } // 查询区间[l, r]的和 (l, r为原数组下标从0开始) int sumLR preSum[r 1] - preSum[l];重要提示使用preSum长度比原数组大1并让preSum[0]0是为了统一公式避免在计算sum(0, r)时对l-1的下标进行特殊判断。这是一个非常实用的编码技巧。4.2 差分高效处理区间批量修改核心思想差分是前缀和的逆运算。对于一个原数组arr其差分数组diff定义为diff[i] arr[i] - arr[i-1]i0且diff[0] arr[0]。差分数组的妙处在于对原数组的区间[l, r]统一加上一个值val等价于在差分数组上只修改两个点diff[l] val和diff[r1] - val。真题场景多次对数组的某个区间进行增减操作最后问数组的状态。暴力每次操作O(k)k为区间长度m次操作最坏O(m*n)。差分每次操作O(1)m次操作O(m)最后通过一次前缀和差分数组的前缀和就是原数组O(n)得到结果。// 假设原数组arr长度为n初始全0如果不是0diff初始化需要处理 int[] diff new int[n 1]; // 多开一位方便处理r1可能越界 // 对区间[l, r]增加val void addRange(int l, int r, int val) { diff[l] val; if (r 1 diff.length) { // 防止越界 diff[r 1] - val; } } // 所有操作完成后通过前缀和还原数组 int[] result new int[n]; result[0] diff[0]; for (int i 1; i n; i) { result[i] result[i - 1] diff[i]; }实战案例航班预订统计。题目描述有 n 个航班预订记录数组 bookings其中 bookings[i] [first_i, last_i, seats_i] 表示在闭区间 [first_i, last_i] 内每个航班预订了 seats_i 个座位。返回一个长度为 n 的数组 answer里面包含每个航班预定的座位总数。 这就是一个典型的差分数组应用题。first_i和last_i是1-based索引即从1开始编号我们需要将其转换为0-based索引来操作。public int[] corpFlightBookings(int[][] bookings, int n) { int[] diff new int[n]; // 这里长度n就够了因为操作区间是[first-1, last-1] for (int[] book : bookings) { int first book[0] - 1; // 转0-based int last book[1] - 1; int seats book[2]; diff[first] seats; if (last 1 n) { diff[last 1] - seats; } } // 前缀和还原 int[] answer new int[n]; answer[0] diff[0]; for (int i 1; i n; i) { answer[i] answer[i - 1] diff[i]; } return answer; }5. 蓝桥杯赛场上的数组操作“避坑”大全在紧张的比赛环境中一些细节错误会导致丢分甚至全盘皆输。下面是我总结的常见“坑点”。5.1 下标越界ArrayIndexOutOfBoundsException这是最常见的运行时错误。循环边界for (int i 0; i arr.length; i)会导致最后一次循环访问arr[arr.length]而越界。正确的应该是i arr.length。访问arr[i-1]或arr[i1]在遍历中如果需要访问相邻元素一定要判断i0或iarr.length-1。多维数组访问matrix[i][j]时确保i在[0, rows)范围内j在[0, cols)范围内。防御性编程技巧在编写涉及下标计算的代码后立刻在脑子里或用笔模拟一下边界情况第一个元素、最后一个元素。5.2 整数溢出Integer Overflow蓝桥杯的题目经常涉及大数求和、乘积int类型范围是-2^31 ~ 2^31-1约±21亿。一旦超过这个范围结果就会错误地回绕。求和累加如果题目中n很大且每个元素也较大累加和可能超过int范围。果断使用long。long total 0L; // 注意使用L后缀声明为long型 for (int num : arr) { total num; // num是int会自动提升为long安全 }乘积计算两个较大的int相乘即使结果用long接收也可能在乘法运算时就已经溢出。需要先将操作数转为long。int a 1000000, b 1000000; long wrong a * b; // 错误a*b在int乘法时已经溢出再赋值给long long correct (long) a * b; // 正确先将a转为longlong * int 结果为long5.3 空数组与特殊输入处理不要假设输入总是有效的。数组长度为0在解题函数的开头应考虑如果nums null或nums.length 0该如何处理。根据题目要求返回0、空列表或直接返回。单元素数组很多算法在单元素数组下是边界情况需要测试。全相同或全不同数组例如在寻找主元素时全相同的数组是特殊情况在需要比较相邻元素的题目中全不同的数组也是测试点。5.4 集合类如List与数组的转换与性能蓝桥杯有时要求返回List而我们的算法内部用数组操作更高效。数组转List使用Arrays.asList(T... a)但注意返回的List是固定大小的不能add或remove。如果需要可变列表ListInteger list new ArrayList(Arrays.asList(1, 2, 3)); // 或者 ListInteger list new ArrayList(); for (int num : arr) { list.add(num); }List转数组ListInteger list ...; // 转换为 Integer[] 数组 Integer[] boxedArr list.toArray(new Integer[0]); // 转换为 int[] 数组 (Java 8) int[] primitiveArr list.stream().mapToInt(i - i).toArray();性能注意在算法核心部分尽量使用原生数组int[]它的访问和操作速度远快于ArrayListInteger涉及自动装箱/拆箱。只在最终输入输出时进行转换。5.5 排序与自定义比较器Arrays.sort()和Collections.sort()是利器但要小心。对基本类型数组排序Arrays.sort(int[])使用双轴快速排序时间复杂度O(n log n)。对对象数组或集合排序需要元素实现Comparable接口或者传入自定义的Comparator。// 按绝对值大小降序排序 Integer[] arr new Integer[]{-5, 3, -1, 2}; Arrays.sort(arr, (a, b) - Integer.compare(Math.abs(b), Math.abs(a))); // 注意这里必须用Integer[]不能是int[]因为Comparator需要对象陷阱在自定义比较器时必须满足自反性、对称性、传递性否则排序结果可能不确定甚至抛出异常。一个常见的错误是在比较函数中直接返回a - b对于整数这可能在极端值下溢出。应使用Integer.compare(a, b)或Comparator.comparingInt()。6. 从真题到举一反三思维拓展与练习建议刷题的目的不是背答案而是掌握一类问题的解法。这里给出一些拓展思路和练习路径。6.1 一题多解与算法对比以“两数之和”为例虽然常用哈希表但作为数组题也可用双指针。暴力枚举O(n^2) 空间O(1)。适用于n很小的情况。哈希表O(n) 空间O(n)。经典解法用空间换时间。双指针如果数组已排序可以用双指针从两端向中间查找O(n)时间O(1)空间如果不算排序开销。这启发我们有时先对数组排序能打开新的解题思路。多思考不同解法的时间/空间复杂度 trade-off根据题目约束选择最合适的。6.2 经典问题链沿着一个核心技巧可以串联起一系列题目双指针移动零 - 移除元素 - 有序数组去重 - 两数之和有序数组- 盛最多水的容器 - 三数之和。前缀和区域和检索 - 和为K的子数组 - 连续的子数组和 - 二维区域和检索前缀和矩阵。滑动窗口长度最小的子数组 - 无重复字符的最长子串 - 字符串的排列 - 最小覆盖子串。建议按“问题链”来刷题体会技巧的细微演变和强化。6.3 调试与测试技巧在比赛或练习中如何快速验证代码设计小规模测试用例包括题目给的样例、边界情况空、单元素、最大值、最小值、你自己想到的极端情况如全部元素相同、严格递增/递减。打印中间变量在复杂算法中在关键步骤后打印数组状态、指针位置、哈希表内容是定位逻辑错误最直接的方法。使用IDE的调试器学会设置断点、单步执行、查看变量值这比“脑内调试”高效得多。对拍对于重要比赛写一个绝对正确但可能低效的暴力算法bruteForce用它来验证你优化算法optimized的结果。生成随机输入比较两个函数的输出是否一致。数组操作是蓝桥杯JAVA考察的基石其重要性怎么强调都不为过。它不像一些高级数据结构那样复杂但正因为基础所以无处不在也更容易结合其他算法形成综合题。我的建议是先把上面提到的几种核心题型和技巧双指针、前缀和、差分、排序变换的模板题练到肌肉记忆然后去挑战真题中的综合应用题。过程中务必重视代码的严谨性多思考边界和异常情况。当你拿到一道新题能迅速将其归类到某个熟悉的“题型”并套用或修改已知的解题框架时你就真正入门了。剩下的就是在不断的练习和总结中提升熟练度和编码速度最终在赛场上稳定发挥。
1. 项目概述为什么“数组操作”是蓝桥杯JAVA选手的必争之地如果你正在备战蓝桥杯尤其是JAVA组那么“数组操作”这个主题绝对是你绕不开的核心战场。我参加过也辅导过不少比赛可以很负责任地说历年真题里数组相关的题目出现频率高得惊人从简单的模拟、查找到复杂的动态规划、前缀和优化数组都是最基础也是最关键的数据结构。很多题目表面上看是考算法但底层逻辑就是对数组元素进行高效地增删改查和变换。把数组玩明白了就等于掌握了打开蓝桥杯JAVA试题宝库的一把万能钥匙。这个系列我就结合历年真题带你深度拆解数组操作的各类“套路”和“骚操作”不仅仅是给出答案更重要的是讲清楚背后的解题思路、代码优化技巧以及那些容易踩坑的细节。2. 数组操作核心思想与解题框架拆解2.1 理解数组的本质连续内存与随机访问在开始刷题前我们必须从底层重新认识一下Java中的数组。它是一块连续的内存空间存储相同类型的数据。这个“连续”特性带来了两个核心优势一是随机访问即通过下标array[i]可以在O(1)时间复杂度内直接访问任何元素这是链表等结构不具备的二是缓存友好连续的内存访问模式能更好地利用CPU缓存提升效率。但劣势也同样明显大小固定插入和删除非尾部操作需要移动大量元素成本是O(n)。在蓝桥杯的竞赛环境中题目给定的数据规模n的范围和内存限制通常是128MB或256MB直接决定了我们算法的可行性。一个经典的思考链是看到n 10^5那么O(n^2)的暴力解法如双重循环就极有可能超时我们必须寻找O(n log n)或O(n)的解法。数组的连续特性让我们可以广泛应用双指针、滑动窗口、前缀和等技巧来优化时间复杂度。2.2 通用解题四步法面对一道数组题我习惯用以下四个步骤来拆解问题转化仔细读题将自然语言描述的问题转化为对数组的何种操作是求子数组和是寻找特定元素还是对数组进行某种排序或变换数据规模分析立刻关注题目给出的n和m的范围以及时间限制1s或2s。这步直接筛掉暴力解法指引你寻找更优算法。算法与数据结构选择基于前两步选择核心算法。是排序二分查找哈希表辅助还是动态规划同时思考原数组是否需要预处理例如计算前缀和数组边界与细节实现考虑数组为空、单个元素、重复元素、整数溢出特别是求和时、下标越界等边界情况。在Java中还要注意int和long的选择。3. 历年真题核心题型深度解析与实操3.1 题型一元素查找与统计这是最基础的题型但花样很多。真题示例寻找出现次数超过一半的元素主元素问题题目常描述给定一个大小为 n 的数组找到其中出现次数超过 ⌊ n/2 ⌋ 的元素。你可以假设数组是非空的并且给定的数组总是存在多数元素。暴力解法两层循环计数的时间复杂度是O(n^2)在n较大时不可行。更优的解法是摩尔投票法它能在O(n)时间和O(1)空间内解决。public int majorityElement(int[] nums) { int candidate nums[0]; // 候选人 int count 0; // 票数 for (int num : nums) { if (count 0) { // 当前候选人票数为0更换候选人 candidate num; } // 给当前候选人投票或减票 count (num candidate) ? 1 : -1; } // 根据题意这里一定存在主元素所以candidate就是答案 // 如果题目不保证存在还需要再遍历一次验证candidate的出现次数是否真的超过一半 return candidate; }实操要点核心思想对拼消耗。不同的元素相互抵消最后剩下的count 0对应的candidate就可能是主元素。为什么可行因为主元素的数量超过其他所有元素数量之和所以无论怎么抵消最后剩下的肯定是主元素。易错点初始化candidate和count的时机。循环内先判断count0再更新candidate然后进行投票/减票操作这个顺序不能错。变式题统计数组中每个元素出现的次数当数据范围不大时可以用数组作为哈希表。例如元素值在[0, 100]之间。int[] freq new int[101]; // 索引代表元素值值代表出现次数 for (int num : array) { freq[num]; }如果元素值范围很大或未知则使用HashMapInteger, Integer。3.2 题型二子数组与区间问题这是蓝桥杯的重灾区通常需要前缀和、滑动窗口等技巧。真题示例和为K的子数组个数题目描述给定一个整数数组和一个整数 k你需要找到该数组中和为 k 的连续子数组的个数。暴力解法是枚举所有子数组[i, j]计算其和复杂度O(n^3)或优化后O(n^2)对于n10^4都可能吃力。优化解法前缀和 哈希表核心思路sum[i, j] prefixSum[j] - prefixSum[i-1]。我们遍历数组计算当前的前缀和currSum并查询之前有多少个前缀和等于currSum - k那么以当前位置结尾的、和为k的子数组个数就是那个数量。public int subarraySum(int[] nums, int k) { // key: 前缀和, value: 该前缀和出现的次数 MapInteger, Integer prefixSumMap new HashMap(); prefixSumMap.put(0, 1); // 重要前缀和为0的情况出现一次表示从开头到当前位置的和就是k int currSum 0; int count 0; for (int num : nums) { currSum num; // 计算当前前缀和 // 检查是否存在前缀和等于 currSum - k if (prefixSumMap.containsKey(currSum - k)) { count prefixSumMap.get(currSum - k); } // 将当前前缀和加入哈希表 prefixSumMap.put(currSum, prefixSumMap.getOrDefault(currSum, 0) 1); } return count; }实操要点与避坑指南为什么需要prefixSumMap.put(0, 1)这是最容易被忽略的一点。考虑子数组就是从数组开头开始的特殊情况例如nums [1], k1。遍历时currSum先变成1我们需要找currSum - k 0。如果哈希表里没有记录前缀和0出现过1次我们就无法统计到这个子数组。它代表了“空数组”的前缀和。先查询再更新顺序很重要。必须先根据currSum查询currSum-k的数量再将currSum放入哈希表。如果先放入再查询当k0时就会错误地把当前子数组自己也算进去。哈希表的价值它将查找“是否存在某个前缀和”的时间从O(n)降到了O(1)是整体复杂度从O(n^2)降到O(n)的关键。3.3 题型三数组排序与变换这类题目要求按照特定规则重新排列数组。真题示例移动零给定一个数组nums编写一个函数将所有0移动到数组的末尾同时保持非零元素的相对顺序。双指针快慢指针是解决这类原地操作问题的利器。public void moveZeroes(int[] nums) { int slow 0; // 慢指针指向下一个非零元素应该放置的位置 // 快指针fast遍历整个数组 for (int fast 0; fast nums.length; fast) { if (nums[fast] ! 0) { // 当快指针指向非零元素时将其赋值给慢指针位置 nums[slow] nums[fast]; slow; } } // 将慢指针之后的所有位置赋值为0 for (int i slow; i nums.length; i) { nums[i] 0; } }另一种更高效的交换写法public void moveZeroes(int[] nums) { int slow 0; for (int fast 0; fast nums.length; fast) { if (nums[fast] ! 0) { // 交换快慢指针的元素 int temp nums[slow]; nums[slow] nums[fast]; nums[fast] temp; slow; } } }这种写法在一次遍历中同时完成了非零元素的归位和零元素的移动且交换操作可能比先赋值后覆盖零更高效取决于JVM优化逻辑也更为紧凑。实操心得双指针的物理意义slow指针左边是已经处理好的非零序列slow和fast之间是0fast右边是待处理的区域。明确指针的语义是写出正确代码的关键。保持相对顺序题目要求保持非零元素相对顺序因此我们采用“覆盖”或“交换”而不是“删除后追加”。如果题目允许改变非零元素顺序可能有更优解如双指针从两端向中间遍历。3.4 题型四多维数组与矩阵操作蓝桥杯经常考察二维数组矩阵的遍历、旋转、搜索等。真题示例旋转图像给定一个 n × n 的二维矩阵表示一个图像。请你将图像顺时针旋转 90 度。你必须在原地旋转图像这意味着你需要直接修改输入的二维矩阵。请不要使用另一个矩阵来旋转图像。解法一数学推导转置镜像顺时针旋转90度 先沿主对角线翻转转置再每一行左右翻转。public void rotate(int[][] matrix) { int n matrix.length; // 1. 转置沿主对角线翻转 for (int i 0; i n; i) { // 注意 j 从 i1 开始避免重复交换和交换回原样 for (int j i 1; j n; j) { int temp matrix[i][j]; matrix[i][j] matrix[j][i]; matrix[j][i] temp; } } // 2. 每一行左右翻转 for (int i 0; i n; i) { int left 0, right n - 1; while (left right) { int temp matrix[i][left]; matrix[i][left] matrix[i][right]; matrix[i][right] temp; left; right--; } } }解法二逐层旋转更直观将矩阵看成一层层的洋葱从外圈到内圈每次旋转一圈上四个点的位置。public void rotate(int[][] matrix) { int n matrix.length; for (int layer 0; layer n / 2; layer) { // 层数 int first layer; int last n - 1 - layer; for (int i first; i last; i) { int offset i - first; // 保存上边 int top matrix[first][i]; // 左边 - 上边 matrix[first][i] matrix[last - offset][first]; // 下边 - 左边 matrix[last - offset][first] matrix[last][last - offset]; // 右边 - 下边 matrix[last][last - offset] matrix[i][last]; // 保存的上边 - 右边 matrix[i][last] top; } } }实操要点下标计算是难点无论是转置的j i1还是逐层旋转时的last - offset都需要在纸上画一个3x3或4x4的矩阵标上坐标(i, j)一步步推导光靠想很容易出错。原地操作题目要求in-place意味着空间复杂度必须是O(1)。解法一和解法二都满足。如果使用额外矩阵newMatrix[j][n-1-i] matrix[i][j]虽然简单直观但不符合要求。测试用例一定要测试n为奇数和偶数的情况。奇数时最中心的一个元素不需要移动。4. 高频考点“前缀和”与“差分”的实战精讲这两个技巧是处理数组区间问题的“神兵利器”必须熟练掌握。4.1 前缀和快速求解区间和核心思想预处理一个prefixSum数组其中prefixSum[i]表示原数组arr[0...i]的和。那么区间[l, r]的和就等于prefixSum[r] - prefixSum[l-1]当l0时就是prefixSum[r]。真题场景多次查询某个子数组的和。暴力每次查询O(n)m次查询O(m*n)。前缀和预处理O(n)每次查询O(1)m次查询O(mn)。// 预处理前缀和数组 int[] preSum new int[nums.length 1]; // 常用长度1方便处理preSum[0]0 for (int i 0; i nums.length; i) { preSum[i 1] preSum[i] nums[i]; } // 查询区间[l, r]的和 (l, r为原数组下标从0开始) int sumLR preSum[r 1] - preSum[l];重要提示使用preSum长度比原数组大1并让preSum[0]0是为了统一公式避免在计算sum(0, r)时对l-1的下标进行特殊判断。这是一个非常实用的编码技巧。4.2 差分高效处理区间批量修改核心思想差分是前缀和的逆运算。对于一个原数组arr其差分数组diff定义为diff[i] arr[i] - arr[i-1]i0且diff[0] arr[0]。差分数组的妙处在于对原数组的区间[l, r]统一加上一个值val等价于在差分数组上只修改两个点diff[l] val和diff[r1] - val。真题场景多次对数组的某个区间进行增减操作最后问数组的状态。暴力每次操作O(k)k为区间长度m次操作最坏O(m*n)。差分每次操作O(1)m次操作O(m)最后通过一次前缀和差分数组的前缀和就是原数组O(n)得到结果。// 假设原数组arr长度为n初始全0如果不是0diff初始化需要处理 int[] diff new int[n 1]; // 多开一位方便处理r1可能越界 // 对区间[l, r]增加val void addRange(int l, int r, int val) { diff[l] val; if (r 1 diff.length) { // 防止越界 diff[r 1] - val; } } // 所有操作完成后通过前缀和还原数组 int[] result new int[n]; result[0] diff[0]; for (int i 1; i n; i) { result[i] result[i - 1] diff[i]; }实战案例航班预订统计。题目描述有 n 个航班预订记录数组 bookings其中 bookings[i] [first_i, last_i, seats_i] 表示在闭区间 [first_i, last_i] 内每个航班预订了 seats_i 个座位。返回一个长度为 n 的数组 answer里面包含每个航班预定的座位总数。 这就是一个典型的差分数组应用题。first_i和last_i是1-based索引即从1开始编号我们需要将其转换为0-based索引来操作。public int[] corpFlightBookings(int[][] bookings, int n) { int[] diff new int[n]; // 这里长度n就够了因为操作区间是[first-1, last-1] for (int[] book : bookings) { int first book[0] - 1; // 转0-based int last book[1] - 1; int seats book[2]; diff[first] seats; if (last 1 n) { diff[last 1] - seats; } } // 前缀和还原 int[] answer new int[n]; answer[0] diff[0]; for (int i 1; i n; i) { answer[i] answer[i - 1] diff[i]; } return answer; }5. 蓝桥杯赛场上的数组操作“避坑”大全在紧张的比赛环境中一些细节错误会导致丢分甚至全盘皆输。下面是我总结的常见“坑点”。5.1 下标越界ArrayIndexOutOfBoundsException这是最常见的运行时错误。循环边界for (int i 0; i arr.length; i)会导致最后一次循环访问arr[arr.length]而越界。正确的应该是i arr.length。访问arr[i-1]或arr[i1]在遍历中如果需要访问相邻元素一定要判断i0或iarr.length-1。多维数组访问matrix[i][j]时确保i在[0, rows)范围内j在[0, cols)范围内。防御性编程技巧在编写涉及下标计算的代码后立刻在脑子里或用笔模拟一下边界情况第一个元素、最后一个元素。5.2 整数溢出Integer Overflow蓝桥杯的题目经常涉及大数求和、乘积int类型范围是-2^31 ~ 2^31-1约±21亿。一旦超过这个范围结果就会错误地回绕。求和累加如果题目中n很大且每个元素也较大累加和可能超过int范围。果断使用long。long total 0L; // 注意使用L后缀声明为long型 for (int num : arr) { total num; // num是int会自动提升为long安全 }乘积计算两个较大的int相乘即使结果用long接收也可能在乘法运算时就已经溢出。需要先将操作数转为long。int a 1000000, b 1000000; long wrong a * b; // 错误a*b在int乘法时已经溢出再赋值给long long correct (long) a * b; // 正确先将a转为longlong * int 结果为long5.3 空数组与特殊输入处理不要假设输入总是有效的。数组长度为0在解题函数的开头应考虑如果nums null或nums.length 0该如何处理。根据题目要求返回0、空列表或直接返回。单元素数组很多算法在单元素数组下是边界情况需要测试。全相同或全不同数组例如在寻找主元素时全相同的数组是特殊情况在需要比较相邻元素的题目中全不同的数组也是测试点。5.4 集合类如List与数组的转换与性能蓝桥杯有时要求返回List而我们的算法内部用数组操作更高效。数组转List使用Arrays.asList(T... a)但注意返回的List是固定大小的不能add或remove。如果需要可变列表ListInteger list new ArrayList(Arrays.asList(1, 2, 3)); // 或者 ListInteger list new ArrayList(); for (int num : arr) { list.add(num); }List转数组ListInteger list ...; // 转换为 Integer[] 数组 Integer[] boxedArr list.toArray(new Integer[0]); // 转换为 int[] 数组 (Java 8) int[] primitiveArr list.stream().mapToInt(i - i).toArray();性能注意在算法核心部分尽量使用原生数组int[]它的访问和操作速度远快于ArrayListInteger涉及自动装箱/拆箱。只在最终输入输出时进行转换。5.5 排序与自定义比较器Arrays.sort()和Collections.sort()是利器但要小心。对基本类型数组排序Arrays.sort(int[])使用双轴快速排序时间复杂度O(n log n)。对对象数组或集合排序需要元素实现Comparable接口或者传入自定义的Comparator。// 按绝对值大小降序排序 Integer[] arr new Integer[]{-5, 3, -1, 2}; Arrays.sort(arr, (a, b) - Integer.compare(Math.abs(b), Math.abs(a))); // 注意这里必须用Integer[]不能是int[]因为Comparator需要对象陷阱在自定义比较器时必须满足自反性、对称性、传递性否则排序结果可能不确定甚至抛出异常。一个常见的错误是在比较函数中直接返回a - b对于整数这可能在极端值下溢出。应使用Integer.compare(a, b)或Comparator.comparingInt()。6. 从真题到举一反三思维拓展与练习建议刷题的目的不是背答案而是掌握一类问题的解法。这里给出一些拓展思路和练习路径。6.1 一题多解与算法对比以“两数之和”为例虽然常用哈希表但作为数组题也可用双指针。暴力枚举O(n^2) 空间O(1)。适用于n很小的情况。哈希表O(n) 空间O(n)。经典解法用空间换时间。双指针如果数组已排序可以用双指针从两端向中间查找O(n)时间O(1)空间如果不算排序开销。这启发我们有时先对数组排序能打开新的解题思路。多思考不同解法的时间/空间复杂度 trade-off根据题目约束选择最合适的。6.2 经典问题链沿着一个核心技巧可以串联起一系列题目双指针移动零 - 移除元素 - 有序数组去重 - 两数之和有序数组- 盛最多水的容器 - 三数之和。前缀和区域和检索 - 和为K的子数组 - 连续的子数组和 - 二维区域和检索前缀和矩阵。滑动窗口长度最小的子数组 - 无重复字符的最长子串 - 字符串的排列 - 最小覆盖子串。建议按“问题链”来刷题体会技巧的细微演变和强化。6.3 调试与测试技巧在比赛或练习中如何快速验证代码设计小规模测试用例包括题目给的样例、边界情况空、单元素、最大值、最小值、你自己想到的极端情况如全部元素相同、严格递增/递减。打印中间变量在复杂算法中在关键步骤后打印数组状态、指针位置、哈希表内容是定位逻辑错误最直接的方法。使用IDE的调试器学会设置断点、单步执行、查看变量值这比“脑内调试”高效得多。对拍对于重要比赛写一个绝对正确但可能低效的暴力算法bruteForce用它来验证你优化算法optimized的结果。生成随机输入比较两个函数的输出是否一致。数组操作是蓝桥杯JAVA考察的基石其重要性怎么强调都不为过。它不像一些高级数据结构那样复杂但正因为基础所以无处不在也更容易结合其他算法形成综合题。我的建议是先把上面提到的几种核心题型和技巧双指针、前缀和、差分、排序变换的模板题练到肌肉记忆然后去挑战真题中的综合应用题。过程中务必重视代码的严谨性多思考边界和异常情况。当你拿到一道新题能迅速将其归类到某个熟悉的“题型”并套用或修改已知的解题框架时你就真正入门了。剩下的就是在不断的练习和总结中提升熟练度和编码速度最终在赛场上稳定发挥。
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
