6-周赛332总结
过了Q1和Q2,Q2知道用二分但是边界处理的不是很好,迷迷糊糊过的(手动再移动了下返回值…)
Q3知道将子字符串的值取出来,将最短位置放在哈希表中,然后异或在哈希表中找值。但是我这个猪头脑袋直接将值用Integer.parseInt(s)
取值,然后右移取余,移了大半天,很蠢就是了…然后就没有时间做第四题了
继续努力继续努力
下文为自己的题解总结,参考其他题解写成,取其精华,做以笔记,如有描述不清楚或者错误麻烦指正,不胜感激,不喜勿喷!
找出数组的串联值【LC2562】
给你一个下标从 0 开始的整数数组
nums
。现定义两个数字的 串联 是由这两个数值串联起来形成的新数字。
- 例如,
15
和49
的串联是1549
。
nums
的 串联值 最初等于0
。执行下述操作直到nums
变为空:
- 如果
nums
中存在不止一个数字,分别选中nums
中的第一个元素和最后一个元素,将二者串联得到的值加到nums
的 串联值 上,然后从nums
中删除第一个和最后一个元素。- 如果仅存在一个元素,则将该元素的值加到
nums
的串联值上,然后删除这个元素。返回执行完所有操作后
nums
的串联值。
-
思路:使用双指针匹配数组中的元素,并将元素进行串联,累加至结果中,直至数组中没有元素剩余
- 如果前后指针指向同个元素,直接将值累加至结果
- 如果前后指针指向两个元素 n u m s 1 , n u m s 2 nums1,nums2 nums1,nums2,那么串联值为 n u m 1 ∗ n u m s 2 的位数 + n u m s 2 num1*nums2的位数+nums2 num1∗nums2的位数+nums2
-
实现
class Solution { public long findTheArrayConcVal(int[] nums) { int l = 0, r = nums.length - 1; long res = 0L; while (l <= r){ if (l == r){ res += nums[l]; break; }else{ int n = getN(nums[r]); res += Math.pow(10, n) * nums[l] + nums[r]; l++; r--; } } return res; } public int getN(int num){ int n = 0; while (num != 0){ num /= 10; n++; } return n; } }
- 复杂度
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( 1 ) O(1) O(1)
- 复杂度
统计公平数对的数目【LC2563】
给你一个下标从 0 开始、长度为
n
的整数数组nums
,和两个整数lower
和upper
,返回 公平数对的数目 。如果
(i, j)
数对满足以下情况,则认为它是一个 公平数对 :
0 <= i < j < n
,且lower <= nums[i] + nums[j] <= upper
-
思路:二分查找
将数组按顺序排序后,枚举每一个
nums[i]
,那么在 n u m s [ 0 , i ) nums[0,i) nums[0,i)范围内,使用二分查找另一个数小于 l o w e r − n u m s [ i ] lower-nums[i] lower−nums[i]或者小于等于 u p p e r − n u m s [ i ] upper-nums[i] upper−nums[i]的个数,记为left
和right
,那么符合条件的公平数对为 r i g h t − l e f t right-left right−left- 可以转换为使用二分查找另一个数大于等于 l o w e r − n u m s [ i ] lower-nums[i] lower−nums[i]或者大于 u p p e r − n u m s [ i ] upper-nums[i] upper−nums[i]的第一个数的下标
- 可以转换为使用二分查找另一个数大于等于 l o w e r − n u m s [ i ] lower-nums[i] lower−nums[i]或者大于等于 u p p e r − n u m s [ i ] + 1 upper-nums[i]+1 upper−nums[i]+1的第一个数的下标
-
实现
注意:二分查找指定范围内第一个大于等于target的数的下标,左闭右闭
class Solution { public long countFairPairs(int[] nums, int lower, int upper) { long res = 0L; Arrays.sort(nums); int n = nums.length; for (int i = 1; i < n; i++){ int left = binarySearch(nums, lower - nums[i], i - 1);// 第一个大于等于 lower - nums[i] 的下标 int right = binarySearch(nums, upper - nums[i] + 1, i - 1);// 第一个大于等于high nums[i]的下标[0, i - 1] res += right - left; } return res; } // 返回第一个大于等于target的下标 public int binarySearch(int[] nums, int target, int r){ int l = 0;// 左闭右闭 while (l <= r){ int mid = (l + r) >>> 1; if (nums[mid] < target){ l = mid + 1; }else{ r = mid - 1; } } return l; } }
- 复杂度
- 时间复杂度: O ( n l o g n ) O(nlogn) O(nlogn)
- 空间复杂度: O ( 1 ) O(1) O(1)
- 复杂度
子字符串异或查询【LC2564】
给你一个 二进制字符串
s
和一个整数数组queries
,其中queries[i] = [firsti, secondi]
。对于第
i
个查询,找到s
的 最短子字符串 ,它对应的 十进制值val
与firsti
按位异或 得到secondi
,换言之,val ^ firsti == secondi
。第
i
个查询的答案是子字符串[lefti, righti]
的两个端点(下标从 0 开始),如果不存在这样的子字符串,则答案为[-1, -1]
。如果有多个答案,请你选择lefti
最小的一个。请你返回一个数组
ans
,其中ans[i] = [lefti, righti]
是第i
个查询的答案。子字符串 是一个字符串中一段连续非空的字符序列。
-
思路:
- 首先进行预处理,将二进制字符串所有子字符串对应的十进制整数值存储在哈希表中,哈希表记录该值对应的最短子字符串的起始位置和终止位置
- 然后遍历循环数组查找结果:根据异或性质,当哈希表中存在值为
val = firsti ^ secondi
时,对于第 i i i个查询可以找到答案,答案即为哈希表的key值
-
实现
注意:由于 数值大小 1 0 9 < 2 30 10^9<2^{30} 109<230,因此,我们可以只需要计算 s 中所有长度不超过 30的子字符串即可
class Solution { public int[][] substringXorQueries(String s, int[][] queries) { char[] chars = s.toCharArray(); int n = s.length(); int m = queries.length; int[][] res = new int[m][2]; Map<Integer, int[]> map = new HashMap<>(); for (int i = 0; i < m; i++){ Arrays.fill(res[i], -1); } for (int l = 0; l < n; l++){ int num = 0; for (int r = l; r < Math.min(l + 30, n); r++){ num = (num << 1) + chars[r] - '0'; if (!map.containsKey(num) || map.get(num)[1] - map.get(num)[0] > r - l){ map.put(num, new int[]{l, r}); } } } for (int i = 0; i < m; i++){ int target = (queries[i][0] ^ queries[i][1]); if (map.containsKey(target)){ res[i] = map.get(target); } } return res; } }
- 复杂度
- 时间复杂度:
O
(
n
l
o
g
U
+
q
)
O(nlogU + q)
O(nlogU+q),其中
n
n
n 为
s
的长度, U = m a x ( q u e r i e s ) U=max(queries) U=max(queries), q q q 为queries
的长度。 - 空间复杂度: O ( n l o g U ) O(nlogU) O(nlogU)
- 时间复杂度:
O
(
n
l
o
g
U
+
q
)
O(nlogU + q)
O(nlogU+q),其中
n
n
n 为
- 复杂度
最少得分子序列【LC2565】
给你两个字符串
s
和t
。你可以从字符串
t
中删除任意数目的字符。如果没有从字符串
t
中删除字符,那么得分为0
,否则:
- 令
left
为删除字符中的最小下标。- 令
right
为删除字符中的最大下标。字符串的得分为
right - left + 1
。请你返回使
t
成为s
子序列的最小得分。一个字符串的 子序列 是从原字符串中删除一些字符后(也可以一个也不删除),剩余字符不改变顺序得到的字符串。(比方说
"ace"
是"***a\***b***c\***d***e\***"
的子序列,但是"aec"
不是)。
-
思路:
- 删除
[
l
e
f
t
,
r
i
g
h
t
]
[left,right]
[left,right]之间的字符,不会影响最终结果,因为删除不影响得分,并且更能让剩余字符成为
s
的子串,因此可以视为删除子串【没想到】 - 删除后,
t
中剩余的字符为t [ : , l e f t ) , ( r i g h t , : ] [:,left),(right,:] [:,left),(right,:]。假设s
的一个前缀字符串 s [ 0 , i ] s[0,i] s[0,i]可以匹配该前缀字符串,s
的一个后缀字符串 s [ i + 1 , : ] s[i+1,:] s[i+1,:]可以匹配该后缀字符串,那么表明t
中剩余的字符是s
的子序列,得分为 r i g h t − l e f t + 1 right-left+1 right−left+1 - 反而言之,我们可以枚举
i
i
i,求得
s
[
0
,
i
]
s[0,i]
s[0,i]能够匹配
t
的最长前缀字符串的结束位置下标l
,以及 s [ i + 1 , : ] s[i+1,:] s[i+1,:]能够匹配t
的最长后缀字符串的开始位置r
,那么此时需要删除的位置即为 [ l + 1 , r − 1 ] [l+1,r-1] [l+1,r−1],得分为 r − l − 1 r-l-1 r−l−1,取最小值返回节课
- 删除
[
l
e
f
t
,
r
i
g
h
t
]
[left,right]
[left,right]之间的字符,不会影响最终结果,因为删除不影响得分,并且更能让剩余字符成为
-
实现
- 预处理后缀数组
suff[i]
:s
的一个后缀字符串 s [ i , : ] s[i,:] s[i,:]可以匹配t
的最长后缀字符串的开始位置 - 预处理前缀数组
pre[i+1]
:s
的一个前缀字符串 s [ 0 , i ] s[0,i] s[0,i]可以匹配t
的最长前缀字符串的结束位置
class Solution { public int minimumScore(String s, String t) { int n = s.length(), m = t.length(); int[] pre = new int[n + 1]; int[] suf = new int[n + 1]; suf[n] = m; for (int i = n - 1, j = m - 1; i >= 0; i--){ if (j >= 0 && s.charAt(i) == t.charAt(j)) j--; suf[i] = j + 1; } int res = suf[0]; if (suf[0] == 0) return res;// t是s的子序列 pre[0] = -1; for (int i = 1; i <= n; i++){ if (s.charAt(i - 1) == t.charAt(pre[i - 1] + 1)){ pre[i] = pre[i - 1] + 1; }else{ pre[i] = pre[i - 1]; } res = Math.min(res, suf[i] - pre[i] - 1); } return res; } }
- 复杂度
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)
- 预处理后缀数组
-
优化:前缀数组可以用变量代替
class Solution { public int minimumScore(String s, String t) { int n = s.length(), m = t.length(); int[] suf = new int[n + 1]; suf[n] = m; for (int i = n - 1, j = m - 1; i >= 0; i--){ if (j >= 0 && s.charAt(i) == t.charAt(j)) j--; suf[i] = j + 1; } int res = suf[0]; if (suf[0] == 0) return res;// t是s的子序列 int pre = -1; for (int i = 1; i <= n; i++){ if (s.charAt(i - 1) == t.charAt(pre + 1)){ pre += + 1; } res = Math.min(res, suf[i] - pre - 1); } return res; } }