思路一:小顶堆
1.除了第一个丑数外,其余丑数都是由前面的丑数乘一个质因子2、3、5得来的;因此我们可以采取dp方式从小到大生成丑数序列直到获得第n个丑数。
2.我们构建一个小顶堆,每一次都弹出堆顶,然后将它乘上2、3、5,将结果加入小顶堆中,这三个结果必然是序列当中较大的丑数,但相对位置不能确定。
3.我们只需要弹出n次即可得到第n个丑数。
4.我们在对每个数进行乘2、3、5过程中可能会产生小顶堆中已经存在的数字,因此需要做判断小顶堆中是否存在相应的数字,如果有重复则需要舍弃。
5.为了实现小顶堆,我们采用了优先队列,自动获取最优值
6.为了实现小顶堆唯一性,我们增加一个hash容器unordered_set以维护元素唯一性
代码
class Solution {
public:
int nthUglyNumber(int n) {
priority_queue<long long int, deque<long long int>, greater<long long int> > minheap;
unordered_set<long long int> c;
c.insert(1);
minheap.push(1);
for(int i=1;i<n;i++)
{
long long int temp=minheap.top();
minheap.pop();
if(!c.count(temp*2))
{
c.insert(temp*2);
minheap.push(temp*2);
}
if(!c.count(temp*3))
{
c.insert(temp*3);
minheap.push(temp*3);
}
if(!c.count(temp*5))
{
c.insert(temp*5);
minheap.push(temp*5);
}
}
return minheap.top();
}
};
思路二
1.记dp[i]作为第i个丑数
2.设置三个下标指针p2、p3、p5,其指的是相应下标元素乘上其相应质因数能够获得的大于且最接近dp[i-1]的三个数,也就是dp[i]取自dp[p2]*2、dp[p3]*3、dp[p5]*5中的最小值,并且相应来源的下标指针需要+1
3.我们只需要从第二个元素开始,根据dp2、dp3、dp5,确定dp[i]之后,需要更新p2、p3、p5,因为dp[i]是dp[p2]*2、dp[p3]*3、dp[p5]*5之中最小的那个,dp[i]的准确性是必然的,如果在三者之中出现了最小值重复的现象,那么还需要继续更新重复的指针,更新之后的三个下标对应的元素乘上其相应质因数能够获得的**大于且最接近dp[i-1]**的三个数。
代码
class Solution {
public:
int nthUglyNumber(int n) {
int dp2=1;
int dp3=1;
int dp5=1;
vector<long long int> dp(n+1);
dp[1]=1;
for(int i=2;i<=n;i++)
{
long long int num2=dp[dp2]*2;
long long int num3=dp[dp3]*3;
long long int num5=dp[dp5]*5;
dp[i]=num2<num3?(num2<num5?num2:num5):(num3<num5?num3:num5);
if(dp[i]==num2)
dp2++;
if(dp[i]==num3)
dp3++;
if(dp[i]==num5)
dp5++;
}
return dp[n];
}
};