LeetCode笔记:Weekly Contest 307

1. 题目一

给出题目一的试题链接如下:

1. 解题思路

这一题依然还是翻译一下题目即可,基本不足要做什么额外的操作,不过在easy题目的范畴内这道题的逻辑多多少少算是复杂的了……

2. 代码实现

给出python代码实现如下:

class Solution:
    def minNumberOfHours(self, initialEnergy: int, initialExperience: int, energy: List[int], experience: List[int]) -> int:
        exp, eng = 0, 0
        for e, p in zip(energy, experience):
            if initialEnergy <= e:
                eng += e - initialEnergy + 1
                initialEnergy = 1
            else:
                initialEnergy -= e
            if initialExperience <= p:
                exp += p - initialExperience + 1
                initialExperience = p+1 + p
            else:
                initialExperience += p
        return exp + eng

提交代码评测得到:耗时85ms,占用内存13.9MB。

2. 题目二

给出题目二的试题链接如下:

1. 解题思路

这一题由于和原始数当中的顺序无关,因此我们只需要统计一下每一个数字出现的次数,然后成对取出后按照从大到小构成一个回文即可。

唯一需要注意的就是几个边界条件:

  1. 如果有数字的出现次数为单数,那么取出最大的放到中央;
  2. 0不能够放到首位,因此回文的双数部分只包含0,那么依然需要分类讨论:
    1. 如果有单个数字,那么返回这个数;
    2. 否则返回0;

由此,我们即可得到最大的回文数字。

2. 代码实现

给出python代码实现如下:

class Solution:
    def largestPalindromic(self, num: str) -> str:
        cnt = Counter(num)
        s = [0 for _ in range(10)]
        unique = ""
        for i in range(10):
            s[i] = cnt[str(i)] // 2
            if cnt[str(i)] % 2 == 1:
                unique = str(i)
        res = ""
        for i in range(10):
            if s[i] != 0:
                res += str(i) * s[i]
        if res.strip("0") != "":
            res = res[::-1] + unique + res
        elif unique != "":
            res = unique
        else:
            res = "0"
        return res

提交代码评测得到:耗时109ms,占用内存15.3MB。

3. 题目三

给出题目三的试题链接如下:

1. 解题思路

这一题我的思路还是比较暴力的,就是先找出每一个元素的父节点,这样就能构成一个双向图。

然后就只需要使用一个dfs遍历就能够得到每一个节点关于start节点的距离了。

我们从中取出最大值就是我们的答案。

2. 代码实现

给出python代码实现如下:


class Solution:
    def amountOfTime(self, root: Optional[TreeNode], start: int) -> int:
        parents = {root: None}
        u0 = None
        def dfs(root):
            nonlocal parents, u0
            if root.val == start:
                u0 = root
            if root.left:
                parents[root.left] = root
                dfs(root.left)
            if root.right:
                parents[root.right] = root
                dfs(root.right)
            return
        
        dfs(root)
        
        dis = {u0: 0}
        s = [u0]
        res = 0
        while s:
            u = s.pop(0)
            res = max(res, dis[u])
            if u.left and u.left not in dis:
                dis[u.left] = dis[u] + 1
                s.append(u.left)
            if u.right and u.right not in dis:
                dis[u.right] = dis[u] + 1
                s.append(u.right)
            if parents[u] and parents[u] not in dis:
                dis[parents[u]] = dis[u] + 1
                s.append(parents[u])
        return res

提交代码评测得到:耗时1214ms,占用内存144.2MB。

4. 题目四

给出题目四的试题链接如下:

1. 解题思路

这题我傻逼了,居然没能自己搞定……

这题后来是参考了大佬的思路,发现异常简单,就是一个简单地堆排,因为k不会很大,所以只需要遍历一下几个最大的数就可以了。

2. 代码实现

给出python代码实现如下:

class Solution:
    def kSum(self, nums: List[int], k: int) -> int:
        pos = [x for x in nums if x >= 0]
        _max = sum(pos) if len(pos) > 0 else 0
        
        n = len(nums)
        abn = sorted([abs(x) for x in nums])
        s, q = 0, [(abn[0], 0)]
        for i in range(k-1):
            s, idx = heapq.heappop(q)
            if idx + 1 < n:
                heapq.heappush(q, (s - abn[idx] + abn[idx+1], idx+1))
                heapq.heappush(q, (s + abn[idx+1], idx+1))
        return _max - s

提交代码评测得到:耗时1075ms,占用内存29.4MB。

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:
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