LeetCode笔记:Weekly Contest 320

1. 题目一

给出题目一的试题链接如下:

1. 解题思路

这一题我的思路非常暴力,就是一个三重循环,找到三个unique的元素之后看一下他们各自有多少重复个数,然后相乘求和即可。

2. 代码实现

给出python代码实现如下:

class Solution:
    def unequalTriplets(self, nums: List[int]) -> int:
        cnt = Counter(nums)
        nums = list(cnt.keys())
        n = len(nums)
        res = 0
        for i in range(n-2):
            for j in range(i+1, n-1):
                for k in range(j+1, n):
                    res += cnt[nums[i]] * cnt[nums[j]] * cnt[nums[k]]
        return res

提交代码评测得到:耗时787ms,占用内存13.8MB。

2. 题目二

给出题目二的试题链接如下:

1. 解题思路

这一题思路上其实还好,就是先遍历之后获取全部的元素,然后对每一个query,找到不大于这个query值的最大元素,以及不小于这个元素最小元素返回即可。

而后者通过二分搜索即可快速得到。

2. 代码实现

给出python代码实现如下:

class Solution:
    def closestNodes(self, root: Optional[TreeNode], queries: List[int]) -> List[List[int]]:
        vals = []
        
        def dfs(root):
            nonlocal vals
            if root is None:
                return
            dfs(root.left)
            vals.append(root.val)
            dfs(root.right)
            return
        
        dfs(root)
        
        def query(q):
            idx = bisect.bisect_left(vals, q)
            if idx == len(vals):
                return [vals[-1], -1]
            elif vals[idx] == q:
                return [q, q]
            elif idx == 0:
                return [-1, vals[0]]
            else:
                return [vals[idx-1], vals[idx]]
        
        return [query(q) for q in queries]     

提交代码评测得到:耗时1540ms,占用内存157.6MB。

3. 题目三

给出题目三的试题链接如下:

1. 解题思路

这一题的思路其实就是一个拓扑排序问题,只要找到每一个节点距离0节点的距离以及该节点后续子节点的个数即可。

则从该节点出发到上一个节点所需要的最小的最小的油量就是这个节点上的子节点个数对 k k k的商的上取整。

2. 代码实现

给出python代码实现如下:

class Solution:
    def minimumFuelCost(self, roads: List[List[int]], seats: int) -> int:
        def traverse(roads):
            graph = defaultdict(list)
            for u, v in roads:
                graph[u].append(v)
                graph[v].append(u)
            s = [0]
            parents = defaultdict(int)
            children = defaultdict(list)
            seen = set()
            while s != []:
                u = s.pop(0)
                seen.add(u)
                for v in graph[u]:
                    if v not in seen:
                        parents[v] = u
                        children[u].append(v)
                        s.append(v)
            return parents, children
        
        parents, children = traverse(roads)
        
        cnt = defaultdict(int)
        deg = {u:len(children[u]) for u in children}
        s = [u for u in parents if u not in children]
        while s != []:
            u = s.pop(0)
            cnt[u] += 1
            cnt[parents[u]] += cnt[u]
            deg[parents[u]] -= 1
            if deg[parents[u]] == 0:
                s.append(parents[u])
        return sum([math.ceil(cnt[x]/seats) for x in cnt if x != 0])

提交代码评测得到:耗时7909ms,占用内存78.1MB。

4. 题目四

给出题目四的试题链接如下:

1. 解题思路

这一题思路上就是一个动态规划的题目,本质上来说,我们只要用一个 k × n k \times n k×n的矩阵进行动态规划即可。

其中,dp[r][i]表示s[i:]这个子串当中刚好存在r个满足条件的beautiful partition的个数。

而其他的思路就比较简单了,看看代码就行了,这里就不多做展开了。

2. 代码实现

给出python代码实现如下:

class Solution:
    def beautifulPartitions(self, s: str, k: int, minLength: int) -> int:
        MOD = 10**9 + 7
        n = len(s)
        
        if s[0] not in "2357" or s[-1] in "2357":
            return 0
        elif k * minLength > n:
            return 0
        
        dp = [[0 for _ in range(n)] for _ in range(k+1)]
        
        for i in range(1, n-minLength+1):
            if s[i] in "2357" and s[i-1] not in "2357" :
                dp[1][i] = 1
        dp[1][0] = 1
                
        for r in range(2, k+1):
            cnt = deepcopy(dp[r-1])
            for i in range(n-2, -1, -1):
                cnt[i] = (cnt[i] + cnt[i+1]) % MOD
            for i in range(n-1, 0, -1):
                if s[i] in "2357" and s[i-1] not in "2357":
                    dp[r][i] = cnt[i+minLength] if i + minLength < n else 0
            dp[r][0] = cnt[minLength]
        return dp[k][0]

提交代码评测得到:耗时7236ms,占用内存22.5MB。

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