LeetCode-313. 超级丑数(优先队列 & 多路归并)

本文介绍了如何求解第n个超级丑数,超级丑数是指质因子只包含在给定质数列表primes中的正整数。文章详细解析了两种方法:1)使用优先队列(小根堆)进行去重;2)通过多路归并,利用优先队列合并m条链表。每种方法的时间复杂度和空间复杂度都有所分析。
摘要由CSDN通过智能技术生成

313. 超级丑数

求第n个超级丑数。

  • 超级丑数:质因子都包含在质数列表primes里的数的正整数
  • 思路:同剑指 Offer 49. 丑数的优先队列的思路,有两种方式:
  • 方法1:若一个数 x x x是超级丑数,则 p r i m e s [ 0 ] × x primes[0]\times x primes[0]×x p i m e s [ 1 ] × x pimes[1]\times x pimes[1]×x p r i m e s [ 2 ] × x primes[2] \times x primes[2]×x p r i m e s [ m − 1 ] × x primes[m-1] \times x primes[m1]×x都是超级丑数
    • 建立优先队列,小根堆
    • 去重:
      • 因为优先队列每次都是取最小的元素,所以即便是不同方式获得的重复元素,在优先队列中排序必然是相邻的,且要把比它小的都取完之后才轮到它,这个过程中对于这个值所有可能的情况都放在优先队列里了(且它们是相邻的)
        • 所以只要取出第一个元素,然后判断栈顶是否相同,相同直接pop掉即可
    • 复杂度:
      • 时间复杂度: O ( n m l o g ( n m ) ) O(nmlog(nm)) O(nmlog(nm)),其中 m m m是primes数组的长度
        • 需要从堆中弹出 n n n个元素,每次放入 m m m个元素,堆中最多有 n m nm nm个元素
      • 空间复杂度: O ( n m ) O(nm) O(nm)
    int nthSuperUglyNumber(int n, vector<int>& primes) {
        // vector<int> ugly(n+2, 0);
        int ugly = 1;
        priority_queue<long, vector<long>, greater<long>> q;
        int k = 1;
        q.push(1ll);
        while(k <= n){
            long minn = q.top();
            q.pop();
            // ugly[k++] = minn;
            ugly = minn;
            k++;
            while(!q.empty() && q.top() == minn) q.pop();
            for(int fac: primes){
                q.push(minn * fac);
            }
        }
        // return ugly[n];
        return ugly;
    }
  • 方法2:若一个数 x x x是超级丑数,则 p r i m e s [ 0 ] × x primes[0]\times x primes[0]×x p i m e s [ 1 ] × x pimes[1]\times x pimes[1]×x p r i m e s [ 2 ] × x primes[2] \times x primes[2]×x p r i m e s [ m − 1 ] × x primes[m-1] \times x primes[m1]×x都是超级丑数
    • 得出m条链表:
      • *primes[0]: ugly[1]*primes[0] -> ugly[2]*primes[0] -> ugly[3]*primes[0] ...
      • *primes[1]: ugly[1]*primes[1] -> ugly[2]*primes[1] -> ugly[3]*primes[1]...
      • *primes[2]: ugly[1]*primes[2] -> ugly[2]*primes[2] -> ugly[3]*primes[2] ...
      • *primes[m-1]: ugly[1]*primes[m-1] -> ugly[2]*primes[m-1] -> ugly[3]*primes[m-1] ...
    • 多路归并,参考k个链表的合并,需要用到优先队列
      • 结构体node记录当前是哪条链表(fac),指针指向了第几个丑数(id),此时的丑数是多少(pro)
        • 优先队列排序的是pro
        • 当每次从优先队列取出最小元素时,判断是否重复,若不重复就是下一个丑数,将其放入丑数列表,然后该链表的指针指向往后移动
          • 或当每次从优先队列取出最小元素时,将其视为下一个丑数放入丑数列表,并将该链表的指针指向往后移动;因为堆中可能存在重复元素(而由方法1的分析可得重复元素一定是相邻的),所以比较堆顶元素与该元素的大小,相同就弹出(并将弹出元素所在的链表的指针往后移动),直到不同为止
      • 复杂度
        • 时间复杂度: O ( m a x ( n l o g m , m l o g m ) ) O(max(nlogm, mlogm)) O(max(nlogm,mlogm)),其中 m m m是primes数组的长度
          • 合并m个链表,堆中是每个链表的一个节点,每次取出放入元素 O ( l o g m ) O(logm) O(logm)
            • 要找第n个丑数,所以需要n次,所以总共 O ( n l o g m ) O(nlogm) O(nlogm)
          • 初始时将primes的m个元素入堆, O ( m l o g m ) O(mlogm) O(mlogm)
          • 所以时间复杂度为二者中的较大者
        • 空间复杂度: O ( n + m ) O(n+m) O(n+m)
          • ugly数组 O ( n ) O(n) O(n)(必要的,需要指针定位),堆 O ( m ) O(m) O(m)
    int nthSuperUglyNumber(int n, vector<int>& primes){
        vector<long> ugly(n+2, 0); //否则会overflow
        priority_queue<node> q;
        for(int fac: primes){
            q.push(node{1ll, fac, 1});
        }
        int k = 1;
        while(k <= n){
            node t = q.top();
            q.pop();
            if(t.pro != ugly[k-1])  //1
                ugly[k++] = t.pro; 
            q.push(node{ugly[t.id] * t.fac, t.fac, t.id+1});

            // while(!q.empty() && q.top().pro == t.pro){//2。1、2择一写即可
            //     t = q.top();
            //     q.pop();
            //     q.push(node{ugly[t.id] * t.fac, t.fac, t.id+1});
            // }
        }
        return ugly[n];
    }
    struct node{
        long pro;
        int fac;
        int id;
        friend bool operator<(const node &a, const node &b){
            return a.pro > b.pro;
        }
    };
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 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