本文介绍一种高效、简洁的单次遍历解法，替代原始多循环、逻辑冗余的实现，将时间复杂度稳定在 o(n)、空间复杂度 o(1)，同时显著提升可读性与鲁棒性。
本文介绍一种高效、简洁的单次遍历解法，替代原始多循环、逻辑冗余的实现，将时间复杂度稳定在 o(n)、空间复杂度 o(1)，同时显著提升可读性与鲁棒性。
在解决「到最近人的最大距离」（LeetCode 849）问题时，核心目标是：给定一个仅含 0（空座）和 1（有人）的数组，找出一个空位，使其到最近已坐人位置的距离最大化，并返回该最大距离。
原始代码虽能通过测试用例，但存在明显缺陷：
- 使用了三次独立遍历（左端连续空位、右端连续空位、中间最长连续空段）；
- 手动维护多个计数器（left_max, right_max, curr_count, max_count），易出错且语义模糊；
- 边界处理生硬（如 seats[0] == 0 和 seats[-1] == 0 分开判断），未利用语言特性；
- 中间空段距离计算误用 (max_count + 1) // 2（实际应为 (gap_length) // 2），虽在整数除法下偶然正确，但逻辑不直观。
✅ 更优思路：一次线性扫描，动态追踪上一个 1 的位置，实时更新最大安全距离。关键洞察如下：
- 对于两端的空位（前缀或后缀），距离即为空位长度（如 [0,0,0,1] → 左端距离为 3）；
- 对于中间的空位段（如 1,0,0,0,1），最优落点必在中点，距离为 floor((right - left) / 2)；
- 因此只需记录上一个 1 的索引 p，遇到新 1 时计算中点距离，并在遍历结束后单独处理右端后缀。
以下是优化后的专业实现（Python 3，带类型提示）：
from typing import List
class Solution:
def maxDistToClosest(self, seats: List[int]) -> int:
# 初始化：找到第一个 1 的位置作为起点
p = seats.index(1) # O(n)，但仅执行一次
max_dist = p # 左端前缀距离（即 seats[0] 到第一个 1 的距离）
# 从第二个 1 开始遍历，计算中间段的最大中点距离
for i in range(p + 1, len(seats)):
if seats[i] == 1:
# 当前 1 与上一个 1 的距离为 (i - p)，中点距离为 (i - p) // 2
max_dist = max(max_dist, (i - p) // 2)
p = i # 更新上一个 1 的位置
# 处理右端后缀：最后一个 1 到末尾的距离
max_dist = max(max_dist, len(seats) - 1 - p)
return max_dist
? 关键改进点解析：
- 单次主循环：for i in range(p + 1, len(seats)) 遍历剩余元素，避免重复扫描；
- 语义清晰的变量名：p 表示上一个 1 的索引，max_dist 直观表达目标结果；
- 统一边界处理：左端距离初始化为 seats.index(1)，右端在循环后用 len(seats)-1-p 计算，逻辑对称；
- 无额外空间：不使用辅助数组或栈，仅维护常数级变量；
- 健壮性保障：seats.index(1) 在题设“至少一人”前提下安全；若需防御式编程，可加 try/except，但非必需。
? 运行验证：
sol = Solution() print(sol.maxDistToClosest([1,0,0,0,1,0,1])) # → 2 （中间段 0,0,0 → (4-0)//2 = 2） print(sol.maxDistToClosest([1,0,0,0])) # → 3 （右端后缀长度 = 4-0-1 = 3） print(sol.maxDistToClosest([0,1])) # → 1 （左端前缀长度 = 1） print(sol.maxDistToClosest([1,0,0,0,0,1,0,0,0,1])) # → 2 （最长中间段 0,0,0,0 → (5-0)//2 = 2）
? 总结建议：
算法优化不应只追求“更短”，而应追求逻辑内聚、边界自明、易于验证。本解法将问题抽象为“三类区间（左/中/右）的最大距离取优”，用一次扫描覆盖全部场景，既符合工程可维护性要求，也体现了对问题本质的准确建模。在面试或代码审查中，此类实现更能体现扎实的分析能力与简洁的工程直觉。
