LeetCode-496. Next Greater Element I (java)

You are given two arrays (without duplicates) nums1 and nums2 where nums1’s elements are subset of nums2. Find all the next greater numbers for nums1's elements in the corresponding places of nums2.

The Next Greater Number of a number x in nums1 is the first greater number to its right in nums2. If it does not exist, output -1 for this number.

Example 1:

Input: nums1 = [4,1,2], nums2 = [1,3,4,2].
Output: [-1,3,-1]
Explanation:
    For number 4 in the first array, you cannot find the next greater number for it in the second array, so output -1.
    For number 1 in the first array, the next greater number for it in the second array is 3.
    For number 2 in the first array, there is no next greater number for it in the second array, so output -1.

Example 2:

Input: nums1 = [2,4], nums2 = [1,2,3,4].
Output: [3,-1]
Explanation:
    For number 2 in the first array, the next greater number for it in the second array is 3.
    For number 4 in the first array, there is no next greater number for it in the second array, so output -1.

Note:

  1. All elements in nums1 and nums2 are unique.
  2. The length of both nums1 and nums2 would not exceed 1000.
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------

题意
这道题题意是根据nums1的值,找到nums2相应位置的右边起,大于nums1本身的值

思路
根据我的思路有3步:
1. 遍历子集数组nums1
2. 找到nums1中的值在nums2中的位置
3. 从找到的位置开始,向右遍历,找到比他大的值

代码
根据这三步,我的代码如下,耗时18ms:
public class Solution {
    public int[] nextGreaterElement(int[] findNums, int[] nums) {
        int [] result = new int[findNums.length];
	int z=0;
	for(int i=0;i<findNums.length; i++){
		int index = SearchIndex(findNums[i],nums);
		//向右遍历 ,找到next greater
		for(int j=index;j<nums.length;j++){
			if(nums[j] > findNums[i]){
				result[z]= nums[j];
				break;
			}else{
				result[z] = -1;
			}
		}
		z++;
	}
	return result;
    }
    //用来找到位置
    public static int SearchIndex(int numElement,int[] nums){
	int index=0;
	for(int i=0;i<nums.length;i++){
		if(nums[i] == numElement){
			index = i;
		}
	}
	return index;
	}
}

还有一种耗时3ms的方法,代码如下:
public class Solution {
    public int[] nextGreaterElement(int[] findNums, int[] nums) {
        if (nums == null || nums.length == 0) {
            return new int[]{};
        }
        int Length = nums.length;
        int findLength = findNums.length;
        int[] Final = new int[findLength];
        int max = nums[0];
	    //找到nums中最大的值
        for (int i = 1; i < Length; i++) {
            if (nums[i] > max) {
                max = nums[i];
            }
        }
        int[] Indexer = new int[max + 1];
        for (int i = 0; i < Length; i++) {
	    //通过一个新的数组,将原数组的值作为索引,原数组的索引作为值,
        //这样可以很方便的找到指定数组元素的下标,只需要一次循环即可,而我写的findNums
	    //中有多少元素,就需要多少次循环,效率很低。 这里需要学习
            Indexer[nums[i]] = i;
        }
        boolean Found = false;
        int cur, curindex;
        for (int i = 0; i < findLength; i++) {
            Found = false;
            cur = findNums[i];
	        //找到需要遍历的索引值
            curindex = Indexer[cur] + 1;
	        //初始化为-1
            Final[i] = -1;
    	    //判断当前值是否是最大值,如果是最大值,就不用找了,而我写的没有此类判断,效率低下
            if (cur != max) {
	           	//如果已经找到大于cur的值,就不用再找了,用Found进行控制
                while (curindex < Length && Found != true) {
                    if (nums[curindex] > cur) {
                        Found = true;
                        Final[i] = nums[curindex];
                    }
                    curindex++;
                }
            }
        }
        return Final;
    }
}

通过引入新的数组,原数组的值作为索引,原数组的索引作为值,方便实现通过元素值找索引的需求,在 LeetCode-561 Array Partition I中也有此种体现,通过将数组值作为索引实现排序。


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
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