LeetCode第五题

cuicuiv每日刷题

最长回文子串(点这儿跳转题目o)

题目描述:
给定一个字符串 s,找到 s 中最长的回文子串。你可以假设 s 的最大长度为 1000。

输入输出:
输入: “babad”
输出: “bab”
注意: “aba” 也是一个有效答案。

那么回文到底是什么呢?

把相同的词汇或句子,在下文中调换位置或颠倒过来,产生首尾回环的情况,叫做回文,也叫回环。
举贴切的例子吧:非人磨墨墨磨人
(还是有些不理解的话 参考输入输出便可)

分析:

这题我选择用动态规划法求解,因此从动态规划的角度分析:

采用动态规划求解的问题一般要具有以下三个性质:
1.最优性原理:问题的最优解所包含的子问题的解也是最优的
2.无后效性:某状态以后的过程不会影响以前的状态,只与当前状态有关
3.有重叠子问题:子问题之间是不独立的,一个子问题在下一阶段决策中可能被多次使用到。

动态规划的求解的步骤:
1.规划阶段
2.确定状态和状态变量
3.确定决策并写出状态转移方程
4.寻找边界条件

下面回到原题进行分析:

1.规划阶段:如果一个字符串的头尾两个字符都不相等,那么这个字符串一定不是回文串;如果一个字符串的头尾两个字符相等,才有必要继续判断下去。如果里面的子串是回文,整体就是回文串;如果里面的子串不是回文串,整体就不是回文串。


2.确定状态和状态变量&确定决策并写出状态转移方程
我们用 P(i,j)P(i,j) 表示字符串 s 的第 i 到 j 个字母组成的串(下文表示成 s[i:j]s[i:j])
动态规划的状态转移方程:P(i,j)=P(i+1,j−1)∧(Si ==Sj)
也就是说,只有 s[i+1:j-1]是回文串,并且s的第i和j个字母相同时,s[i:j]s[i:j] 才会是回文串。


3.确定边界条件
在这里插入图片描述

在状态转移方程中,我们是从长度较短的字符串向长度较长的字符串进行转移的,因此一定要注意动态规划的循环顺序。
这意味着字符串是否为回文是一个大问题,小问题是从较短的字符串开始解决,满足了有重叠子问题这一性质。

public
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 对于这个问,我可以回答。LeetCode第1515是"Best Position for a Service Centre",可以使用数学方法和优化算法来解决。具体的解思路可以参考LeetCode官方解或者其他相关的博客文章。 ### 回答2: 目:LeetCode第1515 - Best Position for a Service Centre(最佳服务中心位置) 目描述:给定一组二维平面点的坐标数组,找到一个位置,使得到每个点的欧几里德距离之和最小。假设输入坐标集合的大小为N,其中 N 是一个正整数。函数的输出是一个二维数组,表示找到的最佳服务中心的位置坐标。 解思路: 1. 首先,我们可以确定搜索范围的上下限,因为所有点的坐标$-100<=x,y<=100$,所以我们可以在这个范围内进行搜索。 2. 然后,我们可以设置一个步长,比如每次移动的距离为0.1,这样能够比较快速地搜索到最佳位置。 3. 接下来,我们可以使用一个优化函数来计算所有点到当前位置的欧几里得距离之和。 4. 根据当前位置的距离和目标位置的距离进行比较,如果当前位置距离较小,则将当前位置更新为目标位置,否则进行下一次搜索。 5. 重复步骤4,直到找到最佳位置。 代码示例: ```python import math def getDistance(x1, y1, x2, y2): return math.sqrt((x1 - x2) ** 2 + (y1 - y2) ** 2) def getMinDistance(points, x, y): distance = 0 for point in points: distance += getDistance(point[0], point[1], x, y) return distance def getMinDistSum(points): step = 0.1 x_min, x_max = -100, 100 y_min, y_max = -100, 100 x = (x_min + x_max) / 2 y = (y_min + y_max) / 2 while step >= 1e-6: flag = True for i in range(-1, 2): for j in range(-1, 2): nx, ny = x + i * step, y + j * step ndis = getMinDistance(points, nx, ny) if ndis < distance: distance = ndis x, y = nx, ny flag = False if flag: step /= 10 return x, y # 测试样例 points = [[0, 1], [1, 0], [1, 2], [2, 1]] res = getMinDistSum(points) print(res) ``` 该解法通过搜索可能的位置,并通过调整步长来优化,最终得到了最佳位置的坐标。解思路比较直观,使用了双循环来遍历所有可能位置,并使用优化函数来计算欧几里得距离。最终,通过不断的迭代调整,找到最小的距离和最佳位置。 ### 回答3: LeetCode第1515是关于找出店铺间隔的最小距离的问。首先,我们需要了解目的要求。给定一个仅包含字母 '0' 和 '1' 的字符串 s,代表若干个商店的布局。其中,'0' 表示商店,'1' 表示道路。我们需要找到一个最大的整数 d,使得任意两个商店之间的距离都不少于 d。 为了解决这个问,我们可以使用二分查找算法。首先,我们需要定义一个合适的辅助函数来判断给定的距离是否满足条件。在这个函数中,我们遍历整个字符串 s,当遇到商店时,记录其位置,并计算连续两个商店之间的距离。如果发现有任何一个距离小于 d,我们就返回 False,否则返回 True。 接下来,我们可以使用二分查找来查找最小的合适距离。我们可以设置初始的左边界 l 为 1,右边界 r 为字符串 s 中商店的总数。在每一次迭代中,我们计算中间点 m = (l + r) // 2,然后调用辅助函数判断是否存在合适的距离。如果存在,则说明当前的距离 d 可以缩小,我们将右边界 r 更新为 m。如果不存在,则说明当前的距离 d 过大,我们将左边界 l 更新为 m+1。 最终,当 l 和 r 相等时,我们就找到了最小的合适距离。我们可以返回 l 作为结果。 总结起来,我们首先使用辅助函数将问转化为是否存在合适的距离,然后使用二分查找来寻找最小的合适距离。这样就可以解决LeetCode第1515

“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