乍一看可能想暴力求解(也就是三层循环硬找),但在数据量大的时候绝对会 TLE(超时)。其实,这道题披着算法的外衣,骨子里考的是一点点小学数论和贪心思想。
今天就把我的解题思路和代码分享出来,顺便聊聊为什么要这么写。
01. 核心思路:不要盯着数字看,要看“余数”
如果我们要判断一个数能不能被 3 整除,大家的第一反应可能是把它们加起来再% 3。但是,如果我们要从一堆数里凑出三个数,可能的情况太多了。
这里有一个关键的数学性质:
(a + b + c) \mod 3 的结果,完全取决于 (a%3 + b%3 + c%3) mod 3
也就是说,不管原来的数字是100还是1,对于“除以 3”这个问题来说,它们都是同一类人(余数都是 1)。
既然如此,我们完全不需要关心具体的数字是谁,只需要把原本复杂的数组,按照模 3 的余数拆分成三个阵营:
余数党 0:比如 3, 0, 9, 12...
余数党 1:比如 1, 4, 7, 10...
余数党 2:比如 2, 5, 8, 11...
02. 寻找合法的“搭配公式”
把数字分类后,问题就变成了:怎么从这三个阵营里挑 3 个人,让它们的代表数字(余数)加起来能被 3 整除?
稍微排列组合一下,你会发现合法的组合只有这 4 种(简直少得可怜,这正是我们想要的):
方案 A (0+0+0):三个数都是 3 的倍数。余数和:$0+0+0=0$。
方案 B (1+1+1):三个数余数都是 1。余数和:$1+1+1=3$,能被 3 整除。
方案 C (2+2+2):三个数余数都是 2。余数和:$2+2+2=6$,能被 3 整除。
方案 D (0+1+2):每个阵营各出一个。余数和:$0+1+2=3$,能被 3 整除。
其他的组合比如1+1+2(余数 4),0+2+2(余数 4)统统不行。
03. 代码实现:贪心就是“只选大的”
既然知道了合法的组合,为了让总和最大,我们肯定要在每个阵营里只选最大的那些数。
这时候,Python 的sort或者是优先队列就派上用场了。我选择了最直观的写法:分桶 -> 排序 -> 暴力比对。
下面是我的 Python 实现:
Python
class Solution: def maximumSum(self, nums: List[int]) -> int: zero, one, two = [], [], [] for n in nums: if n % 3 == 0: zero.append(n) elif n % 3 == 1: one.append(n) else: two.append(n) zero.sort(reverse=True) one.sort(reverse=True) two.sort(reverse=True) # 0,0,0 | 0,1,2 | 1,1,1 | 2,2,2 res = 0 if len(zero) >= 3: res = max(res, zero[0] + zero[1] + zero[2]) if len(one) >= 3: res = max(res, one[0] + one[1] + one[2]) if len(two) >= 3: res = max(res, two[0] + two[1] + two[2]) if zero and one and two: res = max(res, zero[0] + one[0] + two[0]) return res代码复盘
这段代码其实非常有意思。
为什么用列表而不是优先队列?
虽然用大顶堆(Priority Queue)看起来更“算法”一点,但在 Python 里,list.sort() 是高度优化的 Timsort,对于几千几万的数据量,直接排序写起来更爽,可读性也无敌。
边界条件处理
注意我在取值前都加了 if len(...) >= 3。这一点很重要,因为题目没保证一定有足够的数。如果不加判断直接取下标 [0], [1], [2],遇到短数组程序直接就崩了。
04. 还能优化吗?(给面试加分的点)
如果我们真的很较真(或者面试官问你能不能优化到 $O(N)$),其实是可以的。
仔细想想,我们真的需要把成千上万个数字都排序吗?
不需要。对于每个组,我们其实只关心最大的前 3 个数。
我们可以遍历一次数组,维护三个变量(比如max1, max2, max3)来记录每个分组的前三名。这样就不需要全排序,时间复杂度就能降到线性的 O(N)。
不过,在实际写业务逻辑或者一般的机试中,上面那版 $O(N \log N)$ 的代码因为逻辑简单、不易出错,反而是更好的选择。毕竟,先把代码写对,再考虑写快。
总结
这道题是典型的“模运算”应用。以后遇到“整除”、“倍数”之类的问题,别急着把数字加起来,先想想余数能不能帮你把问题简化。
把复杂问题拆解成几个小桶,分别处理,最后合并结果,这大概就是算法题带给我们解决问题的思路吧。