LeetCode 1395 统计作战单位数——树状数组初学

题目:

n 名士兵站成一排。每个士兵都有一个 独一无二 的评分 rating 。

每 3 个士兵可以组成一个作战单位,分组规则如下:

从队伍中选出下标分别为 i、j、k 的 3 名士兵,他们的评分分别为 rating[i]、rating[j]、rating[k]
作战单位需满足: rating[i] < rating[j] < rating[k] 或者 rating[i] > rating[j] > rating[k] ,其中  0 <= i < j < k < n
请你返回按上述条件可以组建的作战单位数量。每个士兵都可以是多个作战单位的一部分。

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/count-number-of-teams

思路

根据官方给的题解,有三个方法

方法一:暴力破解

套用三重循坏进行枚举,显然没有什么价值,考虑剩下两个方法。

方法二:枚举中间点

枚举(i, j, k)中的j,并分别统计数组中在j两侧中大于或小于j的数据个数lmore,lless,rmore,rless,具体求的过程也是很简单,就不解释了

易得答案为lmore * rless + lless * rmore

class Solution:
    def numTeams(self, rating: List[int]) -> int:
        res = 0
        for j in range(len(rating)):
            lmore = lless = 0
            rmore = rless = 0
            for i in range(j):
                if rating[i] > rating[j]:
                    lmore += 1
                else:
                    lless += 1
            for k in range(j + 1, len(rating)):
                if rating[k] > rating[j]:
                    rmore += 1
                else:
                    rless += 1
            res +=  lmore * rless + lless * rmore
        return res

方法三:离散化树状数组

有几个前提概念需要讲,一个是树状数组和lowbit,这里参考:树状数组 & lowbit() - liubilan - 博客园

还有就是桶和离散化思想(具体我也解释不清,反正这么叫就对了),具体可以参考:力扣

具体就是优化了方法二中计算lmore,lless,rmore,rless的时间效率

具体代码:

(思路写的并不是很好,希望以后的自己还能看懂)

class Solution:
    def numTeams(self, rating: List[int]) -> int:
        import bisect
        def getId(n):#获取n在rating按大小排序后的逻辑位置
            return bisect.bisect_left(l, n) + 1

        def lowbit(x):#计算lowbit,用于维护树状数组
            return x&-x

        def get(p):#取得逻辑位置p的数的前缀和
            #通过树状数组查询的方式获取以优化时间效率
            r = 0
            while p > 0:
                r += c[p]
                p -=  lowbit(p)
            return r

        def add(p):#更新逻辑位置p的数和受p影响的前缀和的状态
            #将桶中位置p的数字更新为1,代表该数字出现,即代表在rating中下一个数的左边有逻辑位置为p的数(l[p]),同时更新受位置p影响的前缀和
            while p <= length:
                c[p] += 1
                p += lowbit(p)


        length = len(rating)
        c = [0 for i in range(length + 1)]  #桶数组,记录前缀和
        l = rating[:]   #排序后的rating数组,用于获取逻辑位置
        l.sort()
        Lless = []
        Lmore = []
        Rless = []
        Rmore = []

        for i in range(length):#正向遍历求Lless和Lmore
            id = getId(rating[i])
            num = get(id)
            Lless.append(num)
            Lmore.append(i - num)
            add(id)

        c = [0 for i in range(length + 1)] 
        for i in range(length - 1, -1, -1):#反向遍历求Rless和Rmore
            id = getId(rating[i])
            num = get(id)
            Rless.append(num)
            Rmore.append(length - 1 - i - num)
            add(id)
        Rless.reverse()
        Rmore.reverse()

        res = 0
        for i in range(length):
            res += Lmore[i] * Rless[i] + Lless[i] * Rmore[i]

        return res

  • 0
    点赞
  • 1
    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