在解决“老板生气与否、客户满意度、滑动窗口”这类题目时往往会遇到以下几类痛点：

• 前缀和的误用很多人把前缀和当成求区间和的工具，却忽略了“生气期间”与“非生气期间”的不同处理。
• 滑动窗口边界错误左端点与右端点的闭区间/开区间定义不统一，导致出现一次多算或少算的情况。
• 时间复杂度调整失误直接双循环会导致 O 的时间复杂度，影响大数据集的通过。其实，
• 代码可读性差变量命名不清晰、逻辑拆分不合理。让维护成本大幅上升，

前言

题目描述一个书店老板在一天内有一段连续时间可以保持不生气。话说回来，需要在这段时间里让更多顾客感到满意，从而最大化总满意度。主要思路是结合滑动窗口与前缀和

问题重述

"给定两个长度相同的数组 ,

• : 第 i 分钟进入店铺的顾客数。
• : 若值为 1 表示老板此时生气，否则 0。
• "你可以选择一次连续 X = minutes" 分钟，在这段时间内强行让老板保持冷静。从而所有本来会被打扰的顾客都能得到满足"
• "请返回能达到的最大满足顾客总数"

常见错误案例演示

错误示例： 代码中将“满足人数”直接累加到全局答案中，却忘记了在窗口外部仍然存在已满足顾客。结果导致最终答案偏大或偏小。正确思路： 先预先计算所有 “未被打扰” 的顾客数。再通过滑动窗口只统计 “打扰但可被缓解”的顾客数，将两者相加即可得到当前窗口下总满意度。

思路

1. 预处理未受打扰客户数

• $base = \sum_{i} customers \times $ – 直接可被满足的人数。

• $S = \sum_{j=i}^{i+X-1} customers \times grumpy$ – 在该窗口内。如果强行保持冷静，可以额外满足这些人。
• $maxS = \max_i S$ – 找到最佳位置使额外满足人数最多。

.

*关键技巧*：使用  可以把任意区间求和转化为 O 操作，从而整体算法维持 O 时间复杂度。避免了嵌套循环带来的性能瓶颈。

实现细节

代码说明

复杂度分析


`;)


指标
复杂度说明

时间复杂度 O

空间复杂度 O


 


小结