图解LeetCode——2379. 得到 K 个黑块的最少涂色次数(难度:简单)

一、题目

给你一个长度为 n 下标从 0 开始的字符串 blocks ,blocks[i] 要么是 'W' 要么是 'B' ,表示第 i 块的颜色。字符 'W' 和 'B' 分别表示 白色 和 黑色 。

给你一个整数 k ,表示想要 连续 黑色块的数目。

每一次操作中,你可以选择一个白色块将它 涂成 黑色块。

请你返回至少出现 一次 连续 k 个黑色块的 最少 操作次数。

二、示例

2.1> 示例 1:

【输入】blocks = "WBBWWBBWBW", k = 7
【输出】3
【解释】一种得到 7 个连续黑色块的方法是把第 0 ,3 和 4 个块涂成黑色。得到 blocks = "BBBBBBBWBW" 。可以证明无法用少于 3 次操作得到 7 个连续的黑块。所以我们返回 3 。

2.2> 示例 2:

【输入】blocks = "WBWBBBW", k = 2
【输出】0
【解释】不需要任何操作,因为已经有 2 个连续的黑块。所以我们返回 0 。

提示:

  • n == blocks.length
  • 1 <= n <= 100
  • blocks[i] 要么是 'W' ,要么是 'B' 。
  • 1 <= k <= n

三、解题思路

3.1> 思路1:滑动窗口法

通过题目描述,一般来说,我们会首先想到暴力破解法,也就是说,先将blocks转换为字符数组char[] b,然后通过for (int i = 0; i < b.length; i++)进行循环,在循环中的逻辑是,以i为起点,统计连续7个节点中有多少个'W'。这种算法思路很容易理解,但是我们不难发现,这种统计方式会出现重叠遍历的情况,比如i等于0的时候,我们遍历的是从0到6的元素,当i等于1的时候,我们遍历的是从1到7的元素,那么这种重复遍历其实是一种性能的损耗,具体如下图所示:

那么,如何能够避免对相同元素的重复遍历呢?我们其实可以利用滑动窗口的方式,对字符‘W’可以进行动态的统计。具体的操作步骤就是,我们根据方法的第二个入参k,来确定滑动窗口的大小,那么首先统计窗口内W的个数有多少,然后每当窗户向前移动一步的时候,我们要判断出窗口元素(outElement)新入窗口元素(inElement)。判断详情如下所示:

情况一:outElement与inElement元素相同,则'W'的个数不变。
情况二:outElement='W',inElement='B',则'W'的个数减1。
情况三:outElement='B',inElement='W',则'W'的个数加1。

上面就是具体的解题思路。下面我们再以blocks = "WBBWWBBWBW"k = 7为例,看看具体的操作步骤是怎么样的?

首先,由于k等于7,所以窗口大小为7个,其中W一共有3个。然后,我们向后移动滑动窗口,发现outElement='W',inElement='W',那么符合上面介绍的“情况一”,则字符'W'的个数不变,还是3个。继续移动窗口,发现outElement='B',inElement='B',那么符合上面介绍的“情况一”,则字符'W'的个数不变,还是3个。继续移动窗口,发现outElement='B',inElement='W',那么符合上面介绍的“情况三”,则字符'W'的个数加1,共有4个。那么由于本题是要求最小的涂色次数,所以返回结果为3。

四、代码实现

4.1> 实现1:滑动窗口法

通过charAt获取指定位置的字符

class Solution {
    public int minimumRecolors(String blocks, int k) {
        int result = k, painting = 0;
        for (int i = 0; i < blocks.length(); i++) {
            if (i <= k - 1) {
                if (blocks.charAt(i) == 'W') painting++;
                if (i == k - 1) result = Math.min(result, painting);
                continue;
            }  
            if (blocks.charAt(i - k) == 'B' && blocks.charAt(i) == 'W') painting++;               
            if (blocks.charAt(i - k) == 'W' && blocks.charAt(i) == 'B') painting--;            
            result = Math.min(result, painting);
        }
        return result;
    }
}

将数组转化为字符数组char[]

class Solution {
    public int minimumRecolors(String blocks, int k) {
        char[] b = blocks.toCharArray();
        int result = 0, painting = 0;
        for (int i = 0; i < b.length; i++) {
            if (i <= k - 1) {
                if (b[i] == 'W') painting++;
                if (i == k - 1) result = painting;
                continue;
            }  
            if (b[i - k] == 'B' && b[i] == 'W') painting++;               
            if (b[i - k] == 'W' && b[i] == 'B') painting--;            
            result = Math.min(result, painting);
        }
        return result;
    }
}

今天的文章内容就这些了:

写作不易,笔者几个小时甚至数天完成的一篇文章,只愿换来您几秒钟的 点赞 & 分享 。

更多技术干货,欢迎大家关注公众号“爪哇缪斯” ~ \(^o^)/ ~ 「干货分享,每天更新」

  • 0
    点赞
  • 0
    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