平均值大于或等于 x 的最长子数组 | 第 2 组

在这个问题中，我们需要找到一个数组中平均值大于或等于 x 的最长子数组。这个问题可以通过双指针的方式解决，时间复杂度为O(n)。

算法实现

我们可以使用滑动窗口的方法来解决这个问题。首先定义两个指针，一个指向子数组左端，另一个指向子数组右端。在不断向右移动右端指针的过程中，如果当前子数组的平均值大于等于 x，则可以更新最长子数组长度，然后将左端指针往右移动，以便寻找更长的平均值大于等于 x 的子数组。如果当前子数组的平均值小于 x，则右端指针继续向右移动，以扩展子数组。

具体实现如下：

def findMaxSubarray(arr: List[int], x: float) -> int:
    left, right = 0, 0
    sum_ = arr[0]
    max_len = 0
    while right < len(arr):
        if sum_ / (right - left + 1) >= x:
            max_len = max(max_len, right - left + 1)
            sum_ -= arr[left]
            left += 1
        else:
            right += 1
            if right < len(arr):
                sum_ += arr[right]
    return max_len

算法分析

在这个算法中，我们定义了两个指针 left 和 right，它们分别指向子数组的两端。我们同时使用了一个变量 sum_ 来记录子数组的元素和。

在算法的开始，我们将 left 和 right 都赋值为 0，并将 sum_ 设为数组的第一个元素。然后不断向右移动 right 指针，并在每次移动时更新 sum_ 的值。

当 sum_ / (right - left + 1) 大于等于 x 时，我们可以确定当前子数组的平均值大于等于 x，于是可以更新最长子数组的长度，将 left 指针向右移动一位，并同时更新和 sum_。如果当前子数组的平均值小于 x，则继续向右移动 right 指针，以扩展子数组。

由于每个元素只访问一次，因此时间复杂度为 O(n)，空间复杂度为 O(1)。

总结

本文介绍了解决平均值大于等于 x 的最长子数组的算法，采用了滑动窗口的方法。通过左右指针不断移动，可以找到最长的平均值大于等于 x 的子数组。这个算法的时间复杂度为 O(n)，空间复杂度为 O(1)。