作者介绍:10年大厂数据\经营分析经验,现任大厂数据部门负责人。
会一些的技术:数据分析、算法、SQL、大数据相关、python
欢迎加入社区:码上找工作
作者专栏每日更新:
LeetCode解锁1000题: 打怪升级之旅
python数据分析可视化:企业实战案例
python源码解读
程序员必备的数学知识与应用
备注说明:方便大家阅读,统一使用python,带必要注释,公众号 数据分析螺丝钉 一起打怪升级
本文探讨了解码方法的多种算法,包括动态规划、记忆化回溯、和位操作策略,比较了它们在处理编码问题时的效率和适用性,为解决类似问题提供参考。
题目描述
一条包含字母 A-Z
的消息通过以下方式进行了编码:
'A' -> 1
'B' -> 2
...
'Z' -> 26
给定一个只包含数字的非空字符串,请计算解码方法的总数。
输入格式
- s:一个只包含数字的字符串。
输出格式
- 返回解码可能的总数。
示例
示例 1
输入: "12"
输出: 2
解释: 它可以解码为 "AB"(1 2)或者 "L"(12)。
方法一:动态规划
解题步骤
- 定义状态:
dp[i]
表示到字符串s
的第i
个字符为止的解码方法数。 - 状态转移:
- 如果
s[i]
是有效数字(1-9
),则dp[i] += dp[i-1]
。 - 如果两位数
s[i-1:i+1]
是有效编码(10-26
),则dp[i] += dp[i-2]
。
- 如果
完整的规范代码
def numDecodings(s):
"""
动态规划解决解码方法计数问题
:param s: str, 输入的数字字符串
:return: int, 解码方法的总数
"""
if not s or s[0] == '0':
return 0
dp = [0] * (len(s) + 1)
dp[0], dp[1] = 1, 1
for i in range(2, len(s) + 1):
if s[i-1] != '0':
dp[i] += dp[i-1]
if 10 <= int(s[i-2:i]) <= 26:
dp[i] += dp[i-2]
return dp[-1]
# 示例调用
print(numDecodings("12")) # 输出: 2
算法分析
- 时间复杂度:(O(n)),遍历一次字符串。
- 空间复杂度:(O(n)),用于存储状态的数组。
方法二:空间优化的动态规划
解题步骤
- 空间优化:使用两个变量滚动更新,减少空间使用。
完整的规范代码
def numDecodings(s):
"""
空间优化的动态规划解决解码方法计数问题
:param s: str, 输入的数字字符串
:return: int, 解码方法的总数
"""
if not s or s[0] == '0':
return 0
prev, curr = 1, 1 # dp[-1] 和 dp[0]
for i in range(1, len(s)):
tmp = curr
if s[i] == '0':
if s[i-1] not in ('1', '2'):
return 0
curr = prev
elif s[i-1] == '1' or (s[i-1] == '2' and s[i] <= '6'):
curr += prev
prev = tmp
return curr
# 示例调用
print(numDecodings("12")) # 输出: 2
算法分析
- 时间复杂度:(O(n)),单次遍历。
- 空间复杂度:(O(1)),只使用常数级别的额外空间。
方法三:回溯法
解题步骤
- 尝试每种可能:从第一个字符开始,尝试将字符串分割成可能的数字,如果有效则继续递归解码剩余部分。
- 处理边界和无效情况:确保不解析像 ‘06’ 这样的数字。
完整的规范代码
def numDecodings(s):
"""
使用回溯法解决解码方法计数问题
:param s: str, 输入的数字字符串
:return: int, 解码方法的总数
"""
def backtrack(index):
if index == len(s):
return 1
if s[index] == '0':
return 0
if index == len(s) - 1:
return 1
ans = backtrack(index + 1)
if int(s[index:index+2]) <= 26:
ans += backtrack(index + 2)
return ans
return backtrack(0)
# 示例调用
print(numDecodings("226")) # 输出: 3
算法分析
- 时间复杂度:最坏情况下 (O(2^n)),因为每个位置可能有两种选择。
- 空间复杂度:(O(n)),递归的深度可能达到字符串的长度。
方法四:带记忆化的回溯法
解题步骤
- 记忆化存储:使用一个数组或哈希表来存储已经计算过的解码方法数,避免重复计算。
- 递归解码:使用递归函数尝试每种可能的分割方式,如果当前位置已经计算过,直接返回存储的结果。
完整的规范代码
def numDecodings(s):
"""
带记忆化的回溯法解决解码方法计数问题
:param s: str, 输入的数字字符串
:return: int, 解码方法的总数
"""
memo = {}
def decode(index):
if index == len(s):
return 1
if s[index] == '0':
return 0
if index in memo:
return memo[index]
if index == len(s) - 1:
return 1
answer = decode(index + 1)
if index + 1 < len(s) and (s[index] == '1' or (s[index] == '2' and s[index + 1] <= '6')):
answer += decode(index + 2)
memo[index] = answer
return answer
return decode(0)
# 示例调用
print(numDecodings("226")) # 输出: 3
算法分析
- 时间复杂度:(O(n)),每个字符位置最多被解码一次。
- 空间复杂度:(O(n)),递归栈和记忆化存储使用的空间。
方法五:Fibonacci 类似的方法
解题步骤
- 动态规划初始化:使用类似 Fibonacci 序列的方式,初始化两个变量来保存前两个状态的解码方法数。
- 迭代更新:对于每个位置,根据前一或两个字符是否能有效解码更新当前的解码方法数。
完整的规范代码
def numDecodings(s):
"""
Fibonacci 类似的方法解决解码方法计数问题
:param s: str, 输入的数字字符串
:return: int, 解码方法的总数
"""
if not s or s[0] == '0':
return 0
prev, curr = 1, 1 # dp[-1] 和 dp[0]
for i in range(1, len(s)):
temp = curr
if s[i] == '0':
if s[i-1] not in ('1', '2'):
return 0
curr = prev
else:
if i > 0 and (s[i-1] == '1' or (s[i-1] == '2' and s[i] <= '6')):
curr += prev
prev = temp
return curr
# 示例调用
print(numDecodings("12")) # 输出: 2
算法分析
- 时间复杂度:(O(n)),一次遍历字符串。
- 空间复杂度:(O(1)),使用常量空间进行迭代。
不同算法的优劣势对比
特征 | 方法一:动态规划 | 方法二:空间优化的动态规划 | 方法三:回溯法 | 方法四:记忆化回溯 | 方法五:Fibonacci 方法 |
---|---|---|---|---|---|
时间复杂度 | (O(n)) | (O(n)) | (O(2^n)) | (O(n)) | (O(n)) |
空间复杂度 | (O(n)) | (O(1)) | (O(n)) | (O(n)) | (O(1)) |
优势 | 易于理解和实现 | 优化空间复杂度 | 直观,容易理解 | 减少重复计算 | 空间效率高 |
劣势 | 空间使用较高 | 相较于方法一稍复杂 | 可能非常慢,尤其是对于大输入 | 空间复杂度较高 | 需要处理多种边界条件 |
应用示例
这些算法在编码解码、数据压缩、信号处理等领域有广泛应用,尤其适合处理那些需要快速从序列化数据中恢复信息的场景。在处理通信数据、恢复加密信息等领域,有效的解码算法是必不可少的。