LeetCode - 6. ZigZag Conversion

题目:

The string "PAYPALISHIRING" is written in a zigzag pattern on a given number of rows like this: (you may want to display this pattern in a fixed font for better legibility)

P   A   H   N
A P L S I I G
Y   I   R

And then read line by line: "PAHNAPLSIIGYIR"

Write the code that will take a string and make this conversion given a number of rows:

string convert(string text, int nRows);

convert("PAYPALISHIRING", 3) should return "PAHNAPLSIIGYIR".

 

解题思路:

        找出原来字符串s中合适位置的元素,给新的之字形字符串zgStr中的字符按顺序赋值。所以问题的关键即找出原s和新的zgStr之间的对应关系,即数学推导公式

        由于得到之字形结果后,要按行输出结果,所以容易想到,推导zgStr中每行的字符与原s中字符的位置关系。

数学推导过程:

        首先,当numRows等于1或者大于等于s的长度时,返回原来的s即可;

        然后,计算推导公式:

        显然,之字形结果的第一行和最后一行是按原s中间隔 2*numRows-2 依次输出;

        对中间行,可分别得奇数位置与偶数位置直接的递推关系:

        所以原来的思路一直局限于怎么找出这两个关系,并且通过怎样的循环来赋值输出。结果虽然可以分别推导出奇数位置和偶数位置的递推关系,但是无法用一个递推公式推导出合在一起的结果。

    并且原来的思路一直是先判断是否是最后一行,然后赋值输出;再专门对中间行进行处理。但是一直进行不下去。

    后来看了DISCUSS里的解答之后,才忽然明白,不需要推导两个相邻位置的递推关系。

    因为中间行的奇数位置上和第一行、最后一行的关系一样,所以可以一起处理,不需要单独处理开头结果和中间行;并且只需要找到偶数位置与其上一个位置(奇数位置)的关系即可!

        这样先按照间隔 2*numRows-2 输出一个元素,然后判断是不是开头结尾行,若不是再输出一个(即接下来的偶数位置的)。

    而偶数位置与其上一个位置的关系在之前的递推公式中也得到。

 

C程序实现:

char* convert(char* s, int numRows) {
    int sLen = strlen(s);
    int c = 0;  //之字形数组zgStr的下标
         char* zgStr = malloc((sLen+1)*sizeof(char));
    if(numRows == 1 || numRows >= sLen){
        return s;
    }
    else{
        for(int i=1; i<=numRows; i++){
            for(int j=i; j<=sLen; j+=2*numRows-2){
                zgStr[c++] = s[j-1];
                if(i!=1 && i!=numRows && j+2*(numRows-i)<=sLen) //再对中间行的偶数位置单独处理一次
                   		      zgStr[c++] = s[j-1+2*(numRows-i)];
            }
        }
    }
    zgStr[sLen]='\0';   //别忘了最后的结束
    return zgStr;
}
### 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