LeetCode笔记:Biweekly Contest 57(补发)

1. 题目一

给出题目一的试题链接如下:

1. 解题思路

这一题没啥好说的,搞个counter统计一下就行了。

2. 代码实现

给出python代码实现如下:

class Solution:
    def areOccurrencesEqual(self, s: str) -> bool:
        cnt = list(Counter(s).values())
        return all(x == cnt[0] for x in cnt)

提交代码评测得到:耗时32ms,占用内存14.3MB。

2. 题目二

给出题目二的试题链接如下:

1. 解题思路

这一题的思路也还好,我们首先将人员按照到场时间重新排序,然后用两个堆栈分别来记录当前椅子的空余情况已经椅子按照时间被释放的情况。

此后,每当一个人进场时,我们都根据进场时间来释放椅子,然后从空余的椅子列表当中选择最小序列的椅子分配给该客人即可。

当客人序号等于目标序号时,我们就可以直接返回答案了。

2. 代码实现

给出python代码实现如下:

class Solution:
    def smallestChair(self, times: List[List[int]], targetFriend: int) -> int:
        n = len(times)
        q = []
        seats = [i for i in range(n)]
        heapq.heapify(seats)
        times = sorted([x, y, i] for i, (x, y) in enumerate(times))
        for x, y, i in times:
            while q != [] and q[0][0] <= x:
                _, s = heapq.heappop(q)
                heapq.heappush(seats, s)
            s = heapq.heappop(seats)
            if i == targetFriend:
                return s
            heapq.heappush(q, (y, s))
        return -1

提交代码评测得到:耗时708ms,占用内存19.6MB。

3. 题目三

给出题目三的试题链接如下:

1. 解题思路

这一题思路其实也挺常见的,就是对首尾进行标记,然后最后累计求和,尤其题目中还限定了颜色不会重复出现,因此只要出现了内容的片段就必然不会是重复的,因此我们就可以通过一个标量的值直接来标记当前位置下所有的颜色增减情况。

2. 代码实现

给出python代码实现如下:

class Solution:
    def splitPainting(self, segments: List[List[int]]) -> List[List[int]]:
        n = max([x[1] for x in segments])
        colors = [[0, 0] for _ in range(n+1)]
        for st, ed, c in segments:
            colors[st][0] += c
            colors[ed][1] += c
        pre, mix, res = -1, 0, []
        for i, (add, minus) in enumerate(colors):
            if add == 0 and minus == 0:
                continue
            if pre != -1 and mix != 0:
                res.append([pre, i, mix])
            pre = i
            mix = mix + add - minus
        return res

提交代码评测得到:耗时1376ms,占用内存39.6MB。

4. 题目四

给出题目四的试题链接如下:

1. 解题思路

这一题就是一道单调队列的问题,不过坑爹的是虽然有思路不过想了半天各种bug,最后看了答案才给出了解答,这里就不多说了,直接给出官方的解答链接吧……

官方解答:队列中可以看到的人数

2. 代码实现

我们的代码实现如下:

class Solution:
    def canSeePersonsCount(self, heights: List[int]) -> List[int]:
        n = len(heights)
        res = [0 for _ in range(n)]
        insight = []
        
        for i in range(n-1, -1, -1):
            while insight:
                res[i] += 1
                if insight[0] <= heights[i]:
                    insight.pop(0)
                else:
                    break
            insight.insert(0, heights[i])
        return res

提交代码评测得到:耗时7460ms,占用内存29.8M。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
KMP算法是一种字符串匹配算法,用于在一个文本串S内查找一个模式串P的出现位置。它的时间复杂度为O(n+m),其中n为文本串的长度,m为模式串的长度。 KMP算法的核心思想是利用已知信息来避免不必要的字符比较。具体来说,它维护一个next数组,其中next[i]表示当第i个字符匹配失败时,下一次匹配应该从模式串的第next[i]个字符开始。 我们可以通过一个简单的例子来理解KMP算法的思想。假设文本串为S="ababababca",模式串为P="abababca",我们想要在S中查找P的出现位置。 首先,我们可以将P的每个前缀和后缀进行比较,得到next数组: | i | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | | --- | - | - | - | - | - | - | - | - | | P | a | b | a | b | a | b | c | a | | next| 0 | 0 | 1 | 2 | 3 | 4 | 0 | 1 | 接下来,我们从S的第一个字符开始匹配P。当S的第七个字符和P的第七个字符匹配失败时,我们可以利用next[6]=4,将P向右移动4个字符,使得P的第五个字符与S的第七个字符对齐。此时,我们可以发现P的前五个字符和S的前五个字符已经匹配成功了。因此,我们可以继续从S的第六个字符开始匹配P。 当S的第十个字符和P的第八个字符匹配失败时,我们可以利用next[7]=1,将P向右移动一个字符,使得P的第一个字符和S的第十个字符对齐。此时,我们可以发现P的前一个字符和S的第十个字符已经匹配成功了。因此,我们可以继续从S的第十一个字符开始匹配P。 最终,我们可以发现P出现在S的第二个位置。 下面是KMP算法的C++代码实现:

“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