图解LeetCode——769. 最多能完成排序的块(难度:中等)

一、题目

给定一个长度为 n 的整数数组 arr ,它表示在 [0, n - 1] 范围内的整数的排列。

我们将 arr 分割成若干  (即分区),并对每个块单独排序。将它们连接起来后,使得连接的结果和按升序排序后的原数组相同。返回数组能分成的最多块数量。

二、示例

2.1> 示例 1:

【输入】arr = [4,3,2,1,0]
【输出】1
【解释】将数组分成2块或者更多块,都无法得到所需的结果。例如,分成 [4, 3], [2, 1, 0] 的结果是 [3, 4, 0, 1, 2],这不是有序的数组。

2.2> 示例 2:

【输入】arr = [1,0,2,3,4]
【输出】4
【解释】我们可以把它分成两块,例如 [1, 0], [2, 3, 4]。然而,分成 [1, 0], [2], [3], [4] 可以得到最多的块数

提示:

  • n == arr.length
  • 1 <= n <= 10
  • 0 <= arr[i] < n
  • arr 中每个元素都 不同

三、解题思路

3.1> 堆栈 + 对比

根据题目描述, 我们要获得最多块数量,那么对于第一种解法,我们可以采用堆栈来存储遍历后的数组元素,根据如下规则进行堆栈元素的操作:

【规则1】 如果堆栈为空,则直接入栈。
【规则2】 除了栈顶top之外,如果item指定的元素小于堆栈中的元素,则将堆栈中的那个元素“踢出”堆栈。
【规则3】 如果item指定的元素大于top元素,则将其执行入栈操作。

那么当遍历完数组arr之后,最后堆栈中保存的元素就是每个“块”中的最大值,即:堆栈中保存的元素个数就是最终结果——arr数组中最多的块数量。具体操作请见下图所示:

3.2> 局部最大值 + 对比

由于题目中给了我们一个条件线索,就是:长度为 n 的整数数组 arr ,它表示在 [0, n - 1] 范围内的整数的排列,并且arr中每个元素都不同。所以,我们其实可以知道当前范围内最大值,即分别为:0、1、2、3、4、5、……那么我们通过遍历数组arr,统计遍历的数组范围内最大值max,然后让max当前范围内最大值进行对比,如果两个值相同,那么块数量加1。当遍历完整个数组之后,返回块数量即可。具体操作请见下图所示:

四、代码实现

4.1> 堆栈 + 对比

class Solution {
    public int maxChunksToSorted(int[] arr) {
        Deque<Integer> deque = new ArrayDeque();
        for (int item : arr) {
            if (deque.isEmpty()) deque.addLast(item);
            if (deque.peekLast() < item) deque.addLast(item);
            else {
                int top = deque.removeLast();
                while (!deque.isEmpty()) {
                    if (deque.peekLast() < item) break;
                    deque.removeLast();
                }
                deque.addLast(top);
            }
        }
        return deque.size();
    }
}

4.2> 局部最大值 + 对比

class Solution {
    public int maxChunksToSorted(int[] arr) {
        int result = 0, max = 0;
        // i即表达arr的下标,也表达当前范围内最大值
        for (int i = 0; i < arr.length; i ++) {
            max = Math.max(max, arr[i]);
            if (i == max) result++;
        }
        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」

### 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。
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