Python 算法题之俄罗斯套娃信封

XianZhe_

已于 2022-01-20 22:44:57 修改

阅读量1.3k

点赞数 6

分类专栏： Python 算法文章标签：算法 leetcode 动态规划 Python

于 2021-03-30 00:04:26 首次发布

本文链接：https://blog.csdn.net/XianZhe_/article/details/115252448

版权

Python 同时被 2 个专栏收录

37 篇文章 21 订阅

订阅专栏

算法

8 篇文章 1 订阅

订阅专栏

本文介绍了Python解决俄罗斯套娃信封问题的动态规划算法，包括错误示例分析，以及两种动态规划方法的实现：一种基于宽度w升序、高度h降序排序，另一种全升序排列并额外判断宽度。这两种方法均能找出能套娃的最长序列，重点在于正确排序和避免相同宽度信封的冲突。

摘要由CSDN通过智能技术生成

Python 算法题之俄罗斯套娃信封

文章目录

Python 算法题之俄罗斯套娃信封

给出题目🍠

有一个二维整数数组 envelopes ，其中 envelopes 中的每个值代表着一个信封，每个信封的宽度和高度以整数对 [ w, h ] 表示，当另一个信封的宽度和高度都比这个信封大的时候，这个信封就可以放进另一个信封里，如同俄罗斯套娃一样
计算最多有多少个信封能组成一组 “俄罗斯套娃” 信封

比如输入 envelopes = [[5,4],[6,4],[6,7],[2,3]]，能组成最多套娃信封组是 [2,3] => [5,4] => [6,7]，算法应当输出 3

展示一个错误示例

这是我曾经落入的坑，我决定把它拿出来用于参考，让失败品也有其价值

思路：

先将二维整数数组 envelopes 依据 w 为第一参考值进行降序排序，如果 w 值重复，则依据 h 为第二参考值进行降序排序
从索引二开始循环 envelopes ，预先存储 envelopes 第一个值 new_envs = [envelopes[0]]，如果先前值 envelopes[-1] 的 w 与当前循环值 envelopes[i] 的 w 相同，根据排序后的结果，这个当前循环值就是相同宽度不同长度的信封且比上一个信封的 h 小，排除这个信封
在循环中判断先前值 envelopes[-1] 的 h 是否比当前循环值 envelopes[i] 的小，着意味着大信封套不进小信封里，排除这个信封

结合上面的思路，写出代码

def max_envelopes(envelopes: List[List[int]]) -> int:
    length = len(envelopes)
    envelopes.sort(key=lambda x: (x[0], x[1]), reverse=True)
    new_envs = [envelopes[0]]
    for i in range(1, length):
        # if 当前值的w与上一个值的w不重复 and  当前值的h比上一个值的h小
        if new_envs[-1][0] != envelopes[i][0] and new_envs[-1][1] >= envelopes[i][1]:
            new_envs.append(envelopes[i])

    print(new_envs)             # 查看挑选后的信封
    return len(new_envs)

问题：

如果在 envelopes 排序后，每个信封的 h 值都比后面的值大，确实可以解决问题
可如果排序后出现了某个信封 w 值虽然比后面的值都大，但 h 值比后面的值小，套了这个信封将会导致原本后面可以套进的信封被这个异类 h 值信封拒之门外。要明确的是从这一堆信封中挑选能套娃最多的信封数，而不是依赖排序后的结果从前往后套

动态规划方法

关键点：

根据上面那错误示例的展示，可以得知此问题是需要通过排序解决，envelopes 依据 w 为第一参考值进行升序排序，如果 w 值重复，则依据 h 为第二参考值进行降序排序
排序后认证观察每个信封的 h ，其实就是一个标准的 LIS 问题，小的信封装进大的信封里
需要注意的是因为问题是给信封套娃，那在相同的宽度 w 信封之间，只有高度 h 值最大的信封能选入递增子序列，这也是为什么在排序时 h 需要进行降序排序的原因，确保最终信封序列不会出现相同 w 被选入的情况
合法的套娃是大的套小的，不存在小的套大的

def max_envelopes(envelopes: list) -> int:
    if not envelopes:
        return 0
    length = len(envelopes)
    # 排列规则：对宽度 w 进行升序排序，如果 w 相同时，则按高度 h 降序排序
    envelopes.sort(key=lambda x: (x[0], -x[1]))
    dp = [1] * length
    # 小优化，从1开始循环，dp[0]为最小情况1,即只有自己一个的最长递增子序列
    for i in range(1, length):
        for k in range(i):
            if envelopes[i][1] > envelopes[k][1]:
                dp[i] = max(dp[i], dp[k] + 1)
    return max(dp)

时间复杂度: O(n㏒n)
空间复杂度: O(n)

动态规划-全升序方法

如果就是要 (w, h) 两者都全升序排列，又要能够正确获取答案，这可行吗？答案是可以的

再回去仔细看看上面的关于 h 降序原因图，降序的原因是为了确保相同宽度 w 的信封中只有 h 最大的被选中，其余因为 h 值比先前的小而被跳过(关键字)

目的是跳过相同宽度 w 的信封，除了降序能跳过外，还可以自己在循环中再加个判断 envelopes[i][0] > envelopes[k][0] ，就多了这段代码，就解决了此问题

def max_envelopes(envelopes: list) -> int:
    if not envelopes:
        return 0
    length = len(envelopes)
    # 排列规则：对宽度 w 进行升序排序，如果 w 相同时，则按高度 h 降序排序
    # 全升序排列
    envelopes.sort(key=lambda x: (x[0], x[1]))			
    dp = [1] * length
    # 小优化，从1开始循环，dp[0]为最小情况1,即只有自己一个的最长递增子序列
    for i in range(1, length):
        for k in range(i):
            if envelopes[i][1] > envelopes[k][1] and envelopes[i][0] > envelopes[k][0]:
                dp[i] = max(dp[i], dp[k] + 1)
    return max(dp)