目录
题目陈述
原题地址:点这里
大意:定义波浪形序列为:序列中间的每个数都大于他的相邻的数或者小于他相邻的数。大小定义为字典序大小,求长度为n的序列中第k个波浪型的序列。
算法一:朴素算法
算法思路
- 一个很显然的思路,就是暴力枚举,字典序递增算出每一个序列,直到第k个
- 开一个vector来记录当前的序列,第i层代表当前要填写的是第i个数字,那么递归边界就是n+1层(前面n个数字都已经填写完毕)
- 那么我们该如何按字典序搜索?对于同一个位置填写的i,下一个位置如果填写的下降的,显然比上升的字典序来的小,所以应该先搜索下降的,再搜索上升的
- 如果确定了前两个数的关系,整个序列的山顶和山谷的位置也就确定了,只需要定义一个f_inc不断在0,1翻转就行了
代码实现
typedef long long ll;
typedef vector<int> vci;
#define pb push_back
const int N = 22;
class Solution
{
public:
bool vis[N], findAns;
vci ans;
ll num;
void dfs(int now, int last, bool f_inc, int &n, ll &k)
{
if (now == n + 1)//获得一个合法的序列
{
num++;
if (num == k)//需找到答案
{
findAns = 1;
return;
}
return;
}
if (!f_inc)
{ //当前位置是山顶
for (int i = last + 1; i <= n; i++)
{
if (!vis[i])//如果i未使用
{
ans.pb(i);//记录
vis[i] = 1;//标记已经使用
dfs(now + 1, i, f_inc ^ 1, n, k);//下一个位置跟当前位置的f_inc相反
if (findAns)
return;
vis[i] = 0;
ans.pop_back();//删除i
}
}
}
else
{
for (int i = 1; i < last; i++)
{ //当前位置是山谷
if (!vis[i])//i未被使用过
{
ans.pb(i);//记录
vis[i] = 1;//标记已经使用
dfs(now + 1, i, f_inc ^ 1, n, k);//下一个位置跟当前位置的f_inc相反
if (findAns)
return;
vis[i] = 0;//还原
ans.pop_back();//删除I
}
}
}
return;
}
vci stick(int n, ll k)
{
ans.clear();
num=0;
findAns=0;
memset(vis, 0, sizeof vis);
for (int i = 1; i <= n; i++)
{
ans.push_back(i);//记录
vis[i] = 1;
dfs(2, i, 1, n, k); //第一个位置是山顶,下一个位置是山谷(f_inc==1)
//因为对于同样一个i,下一个位置如果越小,则字典序更小
//所以下一个位置优先是山谷,f_inc=1
if (findAns)//如果找到答案则返回
{
return ans;
}
dfs(2, i, 0, n, k); //第一个位置是山谷,下一个位置是山顶(f_inc==0)
//搜索下一个位置是山顶的情况,即f_inc=0
if (findAns)
return ans;
vis[i] = 0;
ans.pop_back();//将尾巴弹出
}
return {};//牛客编译器必须有返回值
}
};
复杂度分析
- 时间复杂度,对于第一个位置上面都填写的i,综合开头上升和开头下降来看,比他小的所有数,和比他大的所有数,都会被枚举一遍,对于第j个位置类似,已经选取j个数字,剩下的n-j个数字都会在第j+1个位置枚举一遍,故时间复杂度为 O ( n ! ) O(n!) O(n!)。
- 空间复杂度,定义了动态数组ans,和数组vis,为 O ( n ) O(n) O(n)
算法二:数位DP+set维护
算法思路
- 显然上述算法还是会TLE的,所以我们仍然需要优化
- 做题的时候,如果我们想到了上述的暴力写法并且打了出来,那么我们可以根据已有的代码,打表找规律
- 约定:开头是递增的称为上升序列,否则称为下降序列
- 如果在长度为3的上升序列 1 , 3 , 2 {1,3,2} 1,3,2前面加上4,那么就得到了长度为4的下降序列。
- 我们不妨大胆猜测,长度为n-1的上升序列,是否存在着某种转换,可以变为长度为n的下降序列?
- 下面我们思路继续推进
思路推进
打表
- 我们可以打表(暴力或者自己写)得到以下的序列
- 长度为4的波浪形序列
1 3 2 4
1 4 2 3
2 1 4 3
2 3 1 4
2 4 1 3
3 1 4 2
3 2 4 1
3 4 1 2
4 1 3 2
4 2 3 1
- 还有长度为5的
1 3 2 5 4
1 4 2 5 3
1 4 3 5 2
1 5 2 4 3
1 5 3 4 2
2 1 4 3 5
2 1 5 3 4
2 3 1 5 4
2 4 1 5 3
2 4 3 5 1
2 5 1 4 3
2 5 3 4 1
3 1 4 2 5
3 1 5 2 4
3 2 4 1 5
3 2 5 1 4
3 4 1 5 2
3 4 2 5 1
3 5 1 4 2
3 5 2 4 1
4 1 3 2 5
4 1 5 2 3
4 2 3 1 5
4 2 5 1 3
4 3 5 1 2
4 5 1 3 2
4 5 2 3 1
5 1 3 2 4
5 1 4 2 3
5 2 3 1 4
5 2 4 1 3
序列的变换——状态转移方程
- 约定: P ( l e n , i , f ) P(len,i,f) P(len,i,f)代表长度为 l e n len len以 i i i开头的波浪形序列, f = = 1 f==1 f==1为上升序列, f = = 0 f==0 f==0为下降序列
- 此处我先给出下降序列的状态转移方程
d p n , i , 0 = ∑ j = 1 i − 1 d p n − 1 , j , 1 dp_{n,i,0}=\displaystyle \sum_{j=1}^{i-1} dp_{n-1,j,1} dpn,i,0=j=1∑i−1dpn−1,j,1 - 再看我的解释,应该就更好理解 P ( n − 1 , j , 1 ) P(n-1,j,1) P(n−1,j,1)如何变换到 P ( n , i , 0 ) P(n,i,0) P(n,i,0),其中 j < i j<i j<i
- 我们假如在
P
(
4
,
1
,
1
)
P(4,1,1)
P(4,1,1)前面加上一个2,如
{1,3,2,4}-->{2,1,3,2,4}
那么他是不是一个长度为5的序列? - 当然我们还得把原本的那个2给换成5,就变成了
{2,1,3,5,4}
,肯定有读者想问显然这依旧不是一个波浪形序列? - 对的,所以还需要再变换
{2,1,3,5,4}-->{2,1,5,3,4}
将5和3、4中小的那个交换,这样就得到了一个下降序列 - 肯定有同学想问,为什么要跟小的那个交换,就不能直接换成{n,最小,次小}的格式吗,我们看下面的例子
{1,3,2,4}-->{2,1,5,3,4}
{1,4,2,3}-->{2,1,4,3,5}
- 如果我们按照上述的同学的方法来做的话,显然第二个序列和第一个序列就会映射到同一个 P ( 5 , 2 , 0 ) P(5,2,0) P(5,2,0),就不符合1对1的映射
- 接下来我们来总结一下变换的步骤
- 将i放在最前面
- 将原本的i改为n
- 因为n必然是最大的数,所以要使他变为山峰,将n跟他左右中较小的数交换
- (如果n在最右边就跟左边那个数交换)
- 故所以对于所有
j
<
i
j<i
j<i的数,都可以从
P
(
n
−
1
,
j
,
1
)
P(n-1,j,1)
P(n−1,j,1)变换到
P
(
n
,
i
,
0
)
P(n,i,0)
P(n,i,0),即状态转移方程为
d p n , i , 0 = ∑ j = 1 i − 1 d p n − 1 , j , 1 dp_{n,i,0}=\displaystyle \sum_{j=1}^{i-1} dp_{n-1,j,1} dpn,i,0=j=1∑i−1dpn−1,j,1
上升序列的DP方程
- 此处依旧先给出dp方程
d p n , i , 1 = ∑ j = i n − 1 d p n − 1 , j , 0 dp_{n,i,1}=\displaystyle \sum_{j=i}^{n-1} dp_{n-1,j,0} dpn,i,1=j=i∑n−1dpn−1,j,0 - 理解了下降序列的状态转移方程,现在理解上升序列的状态转移方程应该容易一些
- 下面我们分裂讨论j的情况
对于j==i的变换方式
2 1 4 3-->2 5 1 4 3
,对于P(n-1,i,0),只需要在i后面添加上n,因为n必然是最大的,所以也就变成了上升序列
对于j>i,且i的原位置是山顶
- 我们在j前面加上i,
{3,4,1,2}-->{2,3,4,1,2}
- 再把原本的2换成5,因为2原本就是山顶,故换完之后无需变换,
{2,3,4,1,2}-->{2,3,4,1,5}
对于j>i,且i的原位置是山谷
- 因为n比所有数都要打,故换完之后需要调整
- 调整方式跟下降序列的调整方式一样
{3,2,4,1}-->{2,3,2,4,1}-->{2,3,5,4,1}-->{2,5,3,4,1}
故每一个
P
(
n
−
1
,
j
,
0
)
P(n-1,j,0)
P(n−1,j,0)都可以变换为唯一一个
P
(
n
,
i
,
1
)
P(n,i,1)
P(n,i,1),其中
i
<
=
j
<
=
n
−
1
i<=j<=n-1
i<=j<=n−1,即状态转移方程为
d
p
n
,
i
,
1
=
∑
j
=
i
n
−
1
d
p
n
−
1
,
j
,
0
dp_{n,i,1}=\displaystyle \sum_{j=i}^{n-1} dp_{n-1,j,0}
dpn,i,1=j=i∑n−1dpn−1,j,0
再次推进
- 现在我们已经得知dp方程如下:
d p n , i , 0 = ∑ j = 1 i − 1 d p n − 1 , j , 1 dp_{n,i,0}=\displaystyle \sum_{j=1}^{i-1} dp_{n-1,j,1} dpn,i,0=j=1∑i−1dpn−1,j,1
d p n , i , 1 = ∑ j = i n − 1 d p n − 1 , j , 0 dp_{n,i,1}=\displaystyle \sum_{j=i}^{n-1} dp_{n-1,j,0} dpn,i,1=j=i∑n−1dpn−1,j,0 - 接下来我们就是利用dp方程来求解答案了,因为是字典序递增的,且第k个序列必然存在,所以我们可以遍历找到第个字典序开头的数字是哪一个
- 接下来我们要寻找的长度减少了1,我们也知道n-1对应的dp方程,但是已经使用过一个数了,里面的数不一定是1-n怎么办?
- 我们可以理解成一种哈希映射,将他们排个序,依次映射到1-n,序列的个数依旧不变
- 既能排序又能记录去掉的数,显然这个容器,set无疑
代码实现
C++
typedef long long ll;
typedef vector<int> vci;
const int N=22;
class Solution {
public:
ll dp[N][N][2];
//归类一下,序列可以分为有两种
//dp[n][k][0,1]代表序列长度为n位
,首位是k,
//先下降(0表示)或先上升(1表示)的序列数量
ll decSum[N],incSum[N];
vci stick(int n, ll k) {
incSum[0]=0;
dp[1][1][0]=dp[1][1][1]=1;
//因为要考虑长度为len时,
//对于len-1很多状态会改变,很多地方可以加入新的数len
//所以借助辅助数组inc,incSum
for(int len=2; len<=n; len++) {
decSum[len]=0;
for(int i=1; i<len; i++) {
incSum[i]=incSum[i-1]+dp[len-1][i][1];
//incSum代表长度为len-1的序列中,开头为1~i的上升序列的数量的前缀和
}
for(int i=len-1; i>=0; i--) {
decSum[i]=decSum[i+1]+dp[len-1][i][0];
//decSum代表长度为len-1的序列中,开头为i~len-1的下降序列的数量的后缀和
}
for(int i=1; i<=len; i++) {
dp[len][i][0]=incSum[i-1];//下降序列的数量,等于1~i-1的前缀和
dp[len][i][1]=decSum[i];//上升序列的数量,等于k~len-1对的后缀和
}
}
int last;//记录上一个位置填写的是set中第几小的数字
set<int> s;//记录哪些数字被用过了
vci ans;//储存答案
for(int i=1; i<=n; i++)s.insert(i);
bool f_inc;
for(int i=1; i<=n; i++) {
//此处应该先比较下降序列的,再比较上升序列的
//顺序不能调换,字典序原因
if(dp[n][i][0]<k) { //说明还不在范围内,此处我们也可以用一个sum累加然后和k比较
k-=dp[n][i][0];//继续缩小范围
} else {
last=i;
ans.push_back(i);//放入答案中
f_inc=1;//下一个位置是山顶
s.erase(i);//从维护的set中删除i,表示已经被用过了
break;
}
if(dp[n][i][1]<k) {
k-=dp[n][i][1];
} else {
last=i;
ans.push_back(i);//放入答案中
f_inc=0;//下一个位置是山谷
s.erase(i);//从维护的set中删除i,表示已经被用过了
break;
}
}
int idx;
//上升代表当前位置是山谷,下降代表当前位置是山顶
//长度逐渐减小的时候,dp数组中代表的1-n就可以理解成为离散化后的结果
//可以理解成为哈希映射后的结果
for(int len=n-1;len>=1;len--){
if(f_inc)idx=1;//如果当前位置是山谷,则从1开始枚举
//实际枚举区间为[1,last],但是因为必然存在,故i到达len之前就已经break
else idx=last;//如果当前位置是山顶,则从last开始枚举
//实际枚举区间为[last,len]
//之前的last已经被删除了
for(int j=idx;j<=len;j++){
if(dp[len][j][f_inc]<k)k-=dp[len][j][f_inc];//继续缩小范围,分而治之
else {
auto it=s.begin();
for(int q=1;q<j;q++)it++;//因为迭代器不能直接+(j-1),故找set中第j小的数字得一步一步找
last=j;//对于下次来说,上次找的是第j小的数
ans.push_back(*it);
s.erase(it);
break;
}
}
f_inc^=1;//下一个位置,跟当前位置相反
}
return ans;
}
};
python
class Solution:
def stick(self, n, k):
inc = []
ans = []
now = 0
dec =[[0 for i in range(n + 1)] for j in range(n + 1)]#python不能用连环等号
#如果此处用连续等号,后面的dp数组会有问题
inc = [[0 for i in range(n + 1)] for j in range(n + 1)] # n+1个n+1个0,二维数组
inc[1][1] = 1
dec[1][1] = 1 # 初始长度为1
vis = [0 for i in range(n + 1)]
for Len in range(2, n + 1): # 长度从2到n
for i in range(1, Len + 1): # 开头的数字从1到Len
for m in range(1, i): # 下降由上升1-(i-1)的和转移过来
dec[Len][i] += inc[Len - 1][m]
for m in range(i, Len): # 上升由下降i-(Len-1)的和转移过来
inc[Len][i] += dec[Len - 1][m]
for i in range(1, n + 1): # i从1到n,当前需要枚举的位置
m = 0
now = 0
Len =n-i+1#剩余需要枚举的长度
for j in range(1, n + 1):
if (not vis[j]): # 没有访问过
m += 1#相当于C++中的set来储存
#第i层计算ans中的第i个数,下标为ans[i-1]
if i == 1:
now = inc[Len][m] + dec[Len][m]
elif (j > ans[i - 2] and (i == 2 or ans[i - 2] < ans[i - 3])):#当前位置是山顶,即开头递减
now=dec[Len][m]
elif (j<ans[i-2] and (i==2 or ans[i-2]>ans[i-3])):#当前位置是山谷,即开头是递增
now=inc[Len][m]
if k<=now:
vis[j]=1#这个数被使用过了
ans.append(j)#放入答案
break
else:
k-=now
return ans