通信系统误码分析与最小区间算法实现

1. 问题背景与理解

在通信系统中，信号传输过程中难免会出现误码现象。误码ID通常用数字表示，范围在1~65535之间。我们需要分析一个记录误码出现情况的数组，找出包含频度最高误码的最小子数组长度。

这个问题的实际意义在于：通过分析误码出现的分布情况，我们可以快速定位信号传输中最严重的干扰源所在的时间段。最小子数组长度代表了干扰最集中的时间窗口，这对通信系统的故障诊断和性能优化至关重要。

2. 问题分析与算法设计

2.1 核心思路解析

要解决这个问题，我们需要分两步走：

1. 统计每个误码出现的频度（次数）
2. 对于频度最高的误码，找出它们出现位置的最小区间

关键点在于：

• 频度最高可能有多个误码（如示例中1和2都出现2次）
• 需要找到包含所有该误码出现位置的最小区间

2.2 算法选择与优化

我们采用哈希表（字典）来记录每个误码出现的位置索引，这种数据结构的选择基于以下考虑：

1. 时间复杂度：O(n)遍历数组一次即可完成统计
2. 空间复杂度：最坏情况下需要存储所有元素的索引，但题目给出数组长度≤1000，完全可接受
3. 查找效率：哈希表的查找操作平均时间复杂度为O(1)

3. 代码实现与解析

3.1 JavaScript实现

javascript复制function getResult(arr) {
  const idxs = {};

  // 记录每个误码出现的所有位置索引
  for (let i = 0; i < arr.length; i++) {
    const code = arr[i];
    idxs[code] ? idxs[code].push(i) : (idxs[code] = [i]);
  }

  let maxSize = 0;
  let minLen = 0;

  // 遍历所有误码的索引记录
  for (let values of Object.values(idxs)) {
    const size = values.length; // 当前误码的频度
    const len = values.at(-1) - values.at(0) + 1; // 包含该误码的最小区间长度

    // 更新最大频度和最小区间
    if (size > maxSize || (size == maxSize && len < minLen)) {
      maxSize = size;
      minLen = len;
    }
  }

  return minLen;
}

3.2 Java实现

java复制public static int getResult(int[] arr) {
    HashMap<Integer, ArrayList<Integer>> idxs = new HashMap<>();

    f