今天的每日一题和昨天的每日一题有异曲同工之妙,区别在于在dp中,一个用的单调栈寻找之前的状态,一个使用循环遍历寻找
题目:leetcode 1671
我们定义 arr 是 山形数组 当且仅当它满足:
- arr.length >= 3
- 存在某个下标 i (从 0 开始) 满足 0 < i < arr.length - 1 且:
- arr[0] < arr[1] < … < arr[i - 1] < arr[i]
- arr[i] > arr[i + 1] > … > arr[arr.length - 1]
给你整数数组 nums ,请你返回将 nums 变成 山形状数组 的 最少 删除次数。
示例:
示例 1:
输入:nums = [1,3,1]
输出:0
解释:数组本身就是山形数组,所以我们不需要删除任何元素。
示例 2:
输入:nums = [2,1,1,5,6,2,3,1]
输出:3
解释:一种方法是将下标为 0,1 和 5 的元素删除,剩余元素为 [1,5,6,3,1] ,是山形数组。
提示:
- 3 <= nums.length <= 1000
- 1 <= nums[i] <= 109
- 题目保证 nums 删除一些元素后一定能得到山形数组。
分析:
和上一道题一样(如果大家没看,可以看看上到题的解释,更为详细),这道题也是抛物线的问题,遇到这种问题,首先想到的就是递归 + 分类递增递减曲线
我们需要使用最少的删除次数,使得给定的数组成为「山形状数组」。这等价于,我们需要找出数组的一个最长的子序 列,并且这个子序列是一个「山形状数组」。
好,转为为这个问题后,我们就可以开始分析各类情况了:
- 从开头只递增:后面的最长子序列 = 前面的最长子序列 + 1
- 从开头只递减:后面的最长子序列 = 0
- 开头有递增后递减,后面的最长子序列 = 比它小的值的dp值 + 1
- 开头递增后递减后递增后递减,后面最子序列 = 最小的 比它小的dp值 + 1
发现了吧,这道题比之前的题难,昨天的dp只是使用了一下单调栈,而今天直接上了循环,时间复杂度就多了,很明显复杂度直线上升
题解:
class Solution {
public int minimumMountainRemovals(int[] nums) {
int n = nums.length;
int[] pre = getLISArray(nums);
int[] reversed = reverse(nums);
int[] suf = getLISArray(reversed);
suf = reverse(suf);
int ans = 0;
for (int i = 0; i < n; ++i) {
if (pre[i] > 1 && suf[i] > 1) {
ans = Math.max(ans, pre[i] + suf[i] - 1);
}
}
return n - ans;
}
public int[] getLISArray(int[] nums) {
int n = nums.length;
int[] dp = new int[n];
Arrays.fill(dp, 1);
for (int i = 0; i < n; ++i) {
for (int j = 0; j < i; ++j) {
if (nums[j] < nums[i]) {
dp[i] = Math.max(dp[i], dp[j] + 1);
}
}
}
return dp;
}
public int[] reverse(int[] nums) {
int n = nums.length;
int[] reversed = new int[n];
for (int i = 0; i < n; i++) {
reversed[i] = nums[n - 1 - i];
}
return reversed;
}
}
最后,我们在总结一下有关抛物线类型的题的做题方法:
- 遇到类似抛物线这种曲线的题,首先先往dp上靠,因为他们是连续的,不同值之间很容易有联系
- 抛物线一般分为递增和递减区域,我们可以从这里分类;弄好了一种情况,另一种情况也就好了
- 想dp递推公式,这是这种题的核心;在这个部分,我们尽量将问题转化为dp+,而不是减,比如这道题;然后我们思考dp公式时,可以将抛物线弄成以下几种情况:
- 单纯递增
- 单纯递减
- 先增后减
- 先增后减再增(类似先减后增)
- 先增后减再增再减
- 最后,我们从这几种情况里面找递推公式(递归公式不一定能写出来,只要能使用之前的dp状态求道现在的dp状态就可以了)