2023-04-23：给定你一个整数数组 nums 我们要将 nums 数组中的每个元素移动到 A 集合 或者 B 集合中 使得 A 集合和 B 集合不为空，并且 average(A) == aver

2023-04-23：给定你一个整数数组 nums
我们要将 nums 数组中的每个元素移动到 A 集合 或者 B 集合中
使得 A 集合和 B 集合不为空，并且 average(A) == average(B)
如果可以完成则返回true，否则返回false。
注意：对于数组 arr, average(arr) 是 arr 的所有元素的和除以 arr 长度。
输入: nums = [1,2,3,4,5,6,7,8]。
输出: true。

答案2022-04-23：

1. 定义全局变量 n、s、l 和 r，分别表示数组长度、数组元素之和、左侧集合的元素个数和右侧集合的元素个数。
2. 定义两个数组 lvalues 和 rvalues，用于存储左侧集合和右侧集合的指标值。
3. 编写函数 splitArraySameAverage(nums []int) bool，其中 nums 是输入的整数数组。首先检查数组长度是否为 1，如果是则返回 false。
4. 计算数组元素之和 s。
5. 创建一个长度为 n/2 的切片 larr 和一个长度为 n-len(larr) 的切片 rarr，将前半部分元素存储在 larr 中，将后半部分元素存储在 rarr 中。
6. 调用函数 collect(larr, true) 收集左侧集合的指标值，并调用函数 collect(rarr, false) 收集右侧集合的指标值。
7. 对右侧集合的指标值进行排序，以便进行二分查找。
8. 遍历左侧集合的指标值，在右侧集合中查找是否存在相反数，如果存在则说明可以分割成两个具有相同平均数的子集，返回 true；否则返回 false。
9. 编写函数 collect(arr []int, isLeft bool)，其中 arr 是需要遍历的整数数组，isLeft 指示是否为左侧集合。在函数中调用递归函数 process(arr, 0, 0, 0, isLeft)。
10. 编写函数 process(arr []int, index int, sum int, num int, isLeft bool)，其中 index 表示当前处理的元素下标，sum 表示当前元素之和，num 表示当前元素个数。如果 index 等于数组长度，则计算指标值并将其存储在 lvalues 或 rvalues 中。
11. 对于每个元素，都有两种选择：不加入集合（包括左侧集合和右侧集合），或者加入集合并递归到下一个元素。因此，递归函数应该调用 process(arr, index+1, sum, num, isLeft) 和 process(arr, index+1, sum+arr[index], num+1, isLeft) 这两个函数。
12. 编写函数 contains(num int) bool，其中 num 是需要查找的元素。使用二分查找算法在 rvalues 数组中查找相应的元素。

时间复杂度：

该算法的时间复杂度主要受到递归函数 process 对数组的遍历方式和左侧集合大小的约束，以及二分查找函数 contains 的时间复杂度的影响。

在 process 函数中，对于每个元素都有两种选择，因此共有

2

n

2^n

2n 种可能的组合。对于每种组合，最坏情况下需要进行一个二分查找操作，因此 process 函数的时间复杂度为

O

(

n

×

2

n

log

⁡

n

)

O(n\times 2^n \log n)

O(n×2nlogn)。

在 contains 函数中，二分查找的时间复杂度为

O

(

log

⁡

n

)

O(\log n)

O(logn)。

因此，该算法的总时间复杂度为

O

(

n

×

2

n

log

⁡

n

)

O(n\times 2^n \log n)

O(n×2nlogn)。

空间复杂度：

该算法的空间复杂度主要受到存储左侧集合指标值的数组 lvalues 和存储右侧集合指标值的数组 rvalues 的影响。这两个数组的长度分别为

2

n

/

2

2^{n/2}

2n/2 和

2

n

−

n

/

2

2^{n-n/2}

2n−n/2，因此总空间复杂度为

O

(

2

n

)

O(2^n)

O(2n)。

此外，还需要定义一些全局变量和局部变量，它们的空间占用不会随着输入规模的增加而增加，因此可以忽略。

总的来说，该算法的空间复杂度为

O

(

2

n

)

O(2^n)

O(2n)。由于

n

n

n 的取值范围较小，因此该算法的空间复杂度是可以接受的。

golang完整代码如下：

package main
import (
	"fmt"
	"sort"
)
var (
	n       int
	s       int
	l       int
	r       int
	lvalues [1 << 15]int
	rvalues [1 << 15]int
)
func splitArraySameAverage(nums []int) bool {
	n = len(nums)
	if n == 1 {
		return false
	}
	s = 0
	for _, num := range nums {
		s += num
	}
	l = 0
	r = 0
	larr := make([]int, n/2)
	for i := 0; i < len(larr); i++ {
		larr[i] = nums[i]
	}
	rarr := make([]int, n-len(larr))
	for i := len(larr); i < len(nums); i++ {
		rarr[i-len(larr)] = nums[i]
	}
	// 左侧 : 收集指标的时候，不能一个数也没有
	collect(larr, true)
	// 右侧 : 收集指标的时候，不能所有数都用
	collect(rarr, false)
	sort.Ints(rvalues[:r])
	for i := 0; i < l; i++ {
		// 左侧x  -x
		if contains(-lvalues[i]) {
			return true
		}
	}
	return false
}
func collect(arr []int, isLeft bool) {
	process(arr, 0, 0, 0, isLeft)
}
func process(arr []int, index int, sum int, num int, isLeft bool) {
	if index == len(arr) {
		if isLeft && num > 0 {
			lvalues[l] = s*num - n*sum
			l++
		}
		if !isLeft && num != len(arr) {
			rvalues[r] = s*num - n*sum
			r++
		}
	} else {
		process(arr, index+1, sum, num, isLeft)
		process(arr, index+1, sum+arr[index], num+1, isLeft)
	}
}
func contains(num int) bool {
	left := 0
	right := r - 1
	for left <= right {
		mid := (left + right) / 2
		if rvalues[mid] == num {
			return true
		} else if rvalues[mid] < num {
			left = mid + 1
		} else {
			right = mid - 1
		}
	}
	return false
}
func main() {
	nums := []int{1, 2, 3, 4, 5, 6, 7, 8}
	if splitArraySameAverage(nums) {
		fmt.Println("可以分割成两个具有相同平均数的子集")
	} else {
		fmt.Println("无法分割成两个具有相同平均数的子集")
	}
}

rust完整代码如下：

use std::cmp::Ordering;
static mut L_VALUES: [i32; 1 << 15] = [0; 1 << 15];
static mut R_VALUES: [i32; 1 << 15] = [0; 1 << 15];
static mut N: i32 = 0;
static mut S: i32 = 0;
static mut L: i32 = 0;
static mut R: i32 = 0;
pub fn split_array_same_average(nums: Vec<i32>) -> bool {
    unsafe {
        N = nums.len() as i32;
        if N == 1 {
            return false;
        }
        S = nums.iter().sum();
        L = 0;
        R = 0;
        let mut larr = vec![0; N as usize / 2];
        for i in 0..larr.len() {
            larr[i] = nums[i];
        }
        let mut rarr = vec![0; N as usize - larr.len()];
        for i in larr.len()..nums.len() {
            rarr[i - larr.len()] = nums[i];
        }
        collect(&mut larr, 0, 0, 0, true);
        collect(&mut rarr, 0, 0, 0, false);
        let mut r_values = [0; 1 << 15];
        for i in 0..R {
            r_values[i as usize] = R_VALUES[i as usize];
        }
        r_values.sort_unstable();
        for i in 0..L {
            if contains(-L_VALUES[i as usize], &r_values) {
                return true;
            }
        }
        false
    }
}
fn collect(arr: &mut [i32], index: usize, sum: i32, num: i32, is_left: bool) {
    unsafe {
        if index == arr.len() {
            if is_left && num > 0 {
                L_VALUES[L as usize] = S * num - N * sum;
                L += 1;
            }
            if !is_left && num != arr.len() as i32 {
                R_VALUES[R as usize] = S * num - N * sum;
                R += 1;
            }
        } else {
            collect(arr, index + 1, sum, num, is_left);
            collect(arr, index + 1, sum + arr[index], num + 1, is_left);
        }
    }
}
fn contains(num: i32, r_values: &[i32]) -> bool {
    let mut left = 0;
    let mut right = r_values.len() - 1;
    while left <= right {
        let mid = (left + right) / 2;
        match r_values[mid].cmp(&num) {
            Ordering::Equal => return true,
            Ordering::Less => left = mid + 1,
            Ordering::Greater => right = mid - 1,
        }
    }
    false
}
fn main() {
    let nums = vec![1, 2, 3, 4, 5, 6, 7, 8];
    let result = split_array_same_average(nums);
    println!("{}", result);
}