LeetCode-321.拼接最大数、单调栈

给定长度分别为 m 和 n 的两个数组,其元素由 0-9 构成,表示两个自然数各位上的数字。现在从这两个数组中选出 k (k <= m + n) 个数字拼接成一个新的数,要求从同一个数组中取出的数字保持其在原数组中的相对顺序。
求满足该条件的最大数。结果返回一个表示该最大数的长度为 k 的数组。
说明: 请尽可能地优化你算法的时间和空间复杂度。
示例 1:
输入:
nums1 = [3, 4, 6, 5]
nums2 = [9, 1, 2, 5, 8, 3]
k = 5
输出:
[9, 8, 6, 5, 3]
来源:力扣(LeetCode)

题目分析

①.该题的本质即为从两个数组中挑选 k 个元素,并且使拼接后的结果的字典序最大。
②.要使数组的字典序最大,则需要保证从左到右的每一个位置的值尽可能的大,即单调递减。
③.枚举所有 k 的组合情况,分别从两个数组中取 i、j 个元素构成的最大数组,然后再进行合并,最终保留最大值。
④.在挑选指定个数的元素的过程中,若当前供挑选的元素数量大于需要的个数,则进行取舍操作,以使每一个位置的值尽可能的大。
⑤.合并过程中,分别从头到尾遍历两个数组并比较当前元素优先取较大值作为合并结果;若当前位置值相等,则需要进行进行下一位的比较,以确保下一位可选的元素值最大。

字典序比较算法

①.序列的字典序比较:从第一位开始分别比较对应的元素值,若分出大小则返回结果,否则继续进行下一位的大小。
②.vector 的默认比较操作即为字典序比较。
③.STL 中的 lexicographical_compare() 算法可以按字典序比较由开始和结束迭代器定义的两个序列。

单调栈

①.单调栈:就是栈内元素单调按照递增(递减)顺序排列的栈。
②.单调栈的实现:可以使用 vector 来实现栈操作,vector 可以在末尾快速的添加和删除元素,并且方便栈内元素的读取。


vector<int> result;//单调递减栈
for( auto &num : nums)//遍历每个元素,进行添加操作
{
  // 当前比较元素大于栈顶元素,则出栈、直到满足单调性
  while( result.size() > 0  num > result.back() )
  {
      result.pop_back();//末尾删除元素
  }
  // 当前元素入栈
  result.push_back(num) ;           
}

代码示例

class Solution {
public:
    vector<int> maxNumber(vector<int>& nums1, vector<int>& nums2, int k) {
        vector<int> result;
        int size1 = nums1.size();
        int size2 = nums2.size();
        for( int i = 0;i <= size1;i++ )//从第一个数组中取 i 个元素
        {
            if( i > k ) break;//最多取 k 个
            if(  size2 >= k -i )//第二个数组中能取够剩余元素
            {
                vector<int> vec1 = getMax(nums1,i);
                vector<int> vec2 = getMax(nums2,k-i);
                vector<int> res = meger2vec(vec1,vec2);
                result = max(result,res);
            }
        }
        return result;
    }
    //从数组中取 k 位数字,并保持相对顺序,使其构成的数字最大
    vector<int> getMax(vector<int>& nums1,int k)
    {
        //要使数字最大,就使从左到右每一位尽可能的最大,即单调递减

        vector<int> result;//返回结果
        int size = nums1.size();
        int remain = size -k;//允许丢弃的元素个数
        for( auto &num : nums1)
        {
            //如果下个元素值比当前位置的值大,则可以选择舍弃当前元素
            //但可舍弃的元素个数小于 1 时,表示不能再舍弃元素了,只能添加
            while( result.size() > 0 && remain > 0 && num > result.back() )
            {
                remain--;//允许舍弃的元素个数减一
                result.pop_back();//末尾删除元素
            }
            if( result.size() < k ) //未取够k个,添加到末尾
            {
                result.push_back(num) ;
            }
            else//已经取够了k个,直接丢弃
            {
                remain--;
            }    
        }
        return result;
    }
    //合并两个递减数组,使结果保存递减,并且构成的数字最大
     vector<int> meger2vec(vector<int>& nums1,vector<int>& nums2)
     {
         //当两个位置数值一样时,要接着比较下一位,以使下一位尽可能的大
         vector<int> result;
         int size1 = nums1.size();
         int size2 = nums2.size();
         int i = 0;
         int j = 0;
         while( i < size1 && j < size2)
         {
             //哪个大取哪个
             if( vector<int>(nums1.begin()+i,nums1.end()) > vector<int>(nums2.begin()+j,nums2.end()) )
             {
                 result.push_back(nums1[i]);
                 i++;
             }
             else
             {
                 result.push_back(nums2[j]);
                 j++;
             }
         }
         //拷贝剩余元素到结果数组
         copy(nums1.begin()+i,nums1.end(),back_inserter(result));
         copy(nums2.begin()+j,nums2.end(),back_inserter(result));
         return result;
     }
};

在这里插入图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。

“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