本文详解如何将暴力多循环解法重构为高效单次遍历方案，通过一次扫描精准计算边界空位与中间最大间隔，显著提升可读性、时间复杂度（o(n)）和代码简洁性。
本文详解如何将暴力多循环解法重构为高效单次遍历方案，通过一次扫描精准计算边界空位与中间最大间隔，显著提升可读性、时间复杂度（o(n)）和代码简洁性。
在解决“最大化到最近人的距离”（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，找出一个空座位，使得该位置到最近已坐人位置的距离最大，并返回这个最大距离。
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、中间最大连续空位）；
- 变量命名模糊（如 left_max, curr_count, max_count），逻辑耦合度高；
- 边界处理冗余（如手动 while 循环找首尾零段），易出错且难以维护；
- 中间空段距离计算错误：(max_count + 1) // 2 实际应为 max_count // 2（因两端均有参照人，最优位在正中，距离为间隔长度的一半向下取整）。
✅ 优化关键思路：
- 利用首次出现的 1 定位左边界起点（seats.index(1)）；
- 单次正向扫描，每次遇到新 1 时，更新当前最大安全距离为 (i - prev_pos) // 2；
- 统一处理右边界：若末尾为 0，则右端最大距离为 len(seats) - prev_pos - 1；
- 避免额外空间与重复计算，全程仅维护两个变量：prev（上一个 1 的索引）和 ans（当前最大距离）。
以下是优化后的 Python 实现（兼容 Python 3.9+，含类型提示）：
from typing import List
class Solution:
def maxDistToClosest(self, seats: List[int]) -> int:
# 找到第一个坐着的人的位置
prev = seats.index(1)
ans = prev # 左边界距离：从索引 0 到第一个 1 的距离
# 从第二个 1 开始遍历
for i in range(prev + 1, len(seats)):
if seats[i] == 1:
# 当前两人间距的一半即为这段中间区域的最大安全距离
ans = max(ans, (i - prev) // 2)
prev = i
# 处理右边界：如果最后一个座位是空的，则距离为 len(seats)-1 - prev
ans = max(ans, len(seats) - 1 - prev)
return ans? 算法正确性验证（以 [1,0,0,0,0,1,0,0,0,1] 为例）：
- prev = 0，初始 ans = 0（左边界无空位）；
- 遇到 i=5（seats[5]==1）→ (5-0)//2 = 2，ans = 2；
- 遇到 i=9（seats[9]==1）→ (9-5)//2 = 2，ans 仍为 2；
- 右边界：len(seats)-1-prev = 9-9 = 0 → 最终返回 2 ✅
⚠️ 注意事项：
- seats.index(1) 在输入保证至少有一个 1 的前提下安全，无需异常捕获；
- 整数除法 // 天然支持奇偶间隔：[0,0,1] 中两空位 → (2-0)//2 = 1；[0,1] → (1-0)//2 = 0，再由右边界 1-0 = 1 覆盖；
- 不要误用 (i - prev + 1) // 2 —— 距离基于索引差，而非元素个数。
? 总结：本优化方案将时间复杂度稳定在 O(n)，空间复杂度 O(1)，代码行数减少 60%+，逻辑主干清晰可读。它体现了经典“双指针扫描”思想——用一个状态变量（prev）记录关键锚点，在单次遍历中动态更新全局最优解，是处理线性结构中“最近邻距离”类问题的范式级解法。
