Middle-题目9:318. Maximum Product of Word Lengths

Middle-题目9:318. Maximum Product of Word Lengths
题目原文:
Given a string array words, find the maximum value of length(word[i]) * length(word[j]) where the two words do not share common letters. You may assume that each word will contain only lower case letters. If no such two words exist, return 0.
Example 1:
Given [“abcw”, “baz”, “foo”, “bar”, “xtfn”, “abcdef”]
Return 16
The two words can be “abcw”, “xtfn”.

Example 2:
Given [“a”, “ab”, “abc”, “d”, “cd”, “bcd”, “abcd”]
Return 4
The two words can be “ab”, “cd”.

Example 3:
Given [“a”, “aa”, “aaa”, “aaaa”]
Return 0
No such pair of words.
题目大意:
给一个字符串数组,字符串都是由小写字母组成的。求出两字符没有交集的字符串的长度的最大积。若不存在没有交集的字符串,则返回0.
题目分析:
对每一个字符串进行编码,编码成一个26位的比特串,其中比特串的第i位代表字符串中有第i个字母。这样得到一个编码数组,再O( n2 )暴力扫描编码数组,如果存在两个编码按位或的值为0,说明这两个编码对应的字符串没有交集,这样更新一次长度乘积的最大值。
源码:(language:java)

public class Solution {
    public int maxProduct(String[] words) {
        int maxPdc=0;
        int[] letters=new int[words.length];
        for(int i=0;i<words.length;i++)
            for(int j=0;j<words[i].length();j++)
                letters[i]=letters[i]|1<<(words[i].charAt(j)-'a');
        for(int i=0;i<words.length;i++) {
            for(int j=i+1;j<words.length;j++) {
                if((letters[i]&letters[j]) == 0) {
                    int tempPdc=words[i].length()*words[j].length();
                    if(tempPdc>maxPdc)
                        maxPdc=tempPdc;
                }
            }
        }
        return maxPdc;            
    }
}

成绩:
37ms,beats 63.38%,众数39ms,6.29%.
Cmershen的碎碎念:
letters[i]=letters[i]|1<<(words[i].charAt(j)-‘a’);这行代码起初写成了Math.pow(2,…)结果提交后成绩为100ms,可见移位比幂运算的速度快很多。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
def encode(self, source_padded: torch.Tensor, source_lengths: List[int]) -> Tuple[ torch.Tensor, Tuple[torch.Tensor, torch.Tensor]]: enc_hiddens, dec_init_state = None, None """ add your code here -- 5 目标: 1. 将编码器应用于源句子以获得编码器的隐藏状态。 2. 将编码器的最终状态投射到解码器,以获得解码器的初始状态。 步骤: 1. 使用 self.model_embeddings 在 src sentences 上构建一个 Tensor `X`, shape (max_sent_len, batch_size, embedding_size) 注意, encoder和 decoder 不同, encoder是没有初始的 hidden state和cell state的. 2. 把 self.encoder 作用到 X 上 得到 `enc_hiddens`, `last_hidden`, `last_cell`. - 首先 使用 pack_padded_sequence 函数到 X 上, 把处理后的 Tensor 送进 self.encoder中. - 使用 pad_packed_sequence 函数到 enc_hiddens. - 注意: 编码器的输出是shape (max_src_sent_len, batch_size, hidden_size*2), 需要permute 成 (batch_size, max_src_sent_len, hidden_size*2) - 注意: 使用 pad_packed_sequence 时, batch 中的每一个元素应该是相同的shape 3. 获得解码器的初始状态: `dec_init_state` = (init_decoder_hidden, init_decoder_cell): - `init_decoder_hidden`: 解码器 初始hidden-state - 编码器的`last_hidden` 的 shape (2, batch_size, hidden_size), 因为编码器是双向的. - Concatenate 双向的hidden—state 得到 shape (batch_size, 2*hidden_size). - 使用 self.h_projection, 得到 init_decoder_hidden. - `init_decoder_cell`: 解码器 初始 cell-state - 编码器的`last_cell` 的 shape (2, batch_size, hidden_size), 因为编码器是双向的. - Concatenate 双向的hidden—state 得到 shape (batch_size, 2*hidden_size).. - 使用 self.c_projection 得到 init_decoder_cell.
06-03

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值