leetcode笔记|第七周 双指针专题

这篇博客主要介绍了在LeetCode中使用双指针解决的一些典型问题,包括验证回文串、寻找两数之和、最长重复字符、匹配字典最长单词、最接近三数之和以及四数之和等。通过对这些题目解析,展示了双指针在优化算法效率上的应用。
摘要由CSDN通过智能技术生成

125 验证回文串

回文:a == a[::-1]则为回文。或者使用双指针,左右两个相同时,往里前进一步,直至相遇。

class Solution:
    def isPalindrome(self, s: str) -> bool:
        newStr = "".join(ch.lower() for ch in s if ch.isalnum())
        if newStr == newStr[::-1]:
            return True
        else:
            return False
        # left, right = 0, len(newStr)-1
        # while left < right:
        #     if newStr[left]!= newStr[right]:
        #         return False
        #     left += 1
        #     right -= 1
        # return True

167 两数之和

[2,7,11,13] target=9,返回递增序列中两数和为target的index值,这个index不从0开始。因为是递增,所以暴力搜索。但是有很多无所谓的搜索,超时。双指针,两边往里挪指针,当和大了,那就right-1,和小了,left+1。双指针永远滴神。

class Solution:
    def twoSum(self, numbers: List[int], target: int) -> List[int]:
        # 暴力搜索,超时
        # res=[]
        # for i in range(len(numbers)-1):
        #     for j in range(i+1, len(numbers)):
        #         if numbers[i]+numbers[j] == target:
        #             res.append(i+1)
        #             res.append(j+1)
        #             return res
        #         if numbers[i]+numbers[j]>target:
        #             break
        i,j = 0, len(numbers)-1
        while i<j:
            if numbers[i]+numbers[j]==target:
                return [i+1,j+1]
            elif numbers[i]+numbers[j]>target:
                j-=1
            else:
                i+=1

424 替换后的最长重复字符

双指针检测区间内最多的字母+可修改个数是否超过区间长度。使用字典完成范围内字母的统计,

class Solution:
    def characterReplacement(self, s: str, k: int) -> int:
        left = 0
        max_letter = 0
        letter_num = {} # 当前双指针范围内字母个数
        for right in range(len(s)):
            if s[right] not in letter_num:
                letter_num[s[right]]=0
            letter_num[s[right]] += 1
            max_letter = max(max_letter, letter_num[s[right]])
            if max_letter+k < right-left+1: # 如果不能满足全被改为同一字母
                letter_num[s[left]] -= 1    # 左指针右移一位
                left += 1
        return len(s)-left #右-左+1,右=len-1

524 通过删除字母匹配字典里最长单词

输入:s = “abpcplea”, d = [“ale”,“apple”,“monkey”,“plea”]

输出: “apple”

class Solution:
    def findLongestWord(self, s: str, d: List[str]) -> str:
        # d.sort(key=lambda i:len(i), reverse=True) # 按长度排序,倒序
        # d.sort(key=lambda i:-len(i)) # 与上面等价
        d.sort(key=lambda i: (-len(i),i)) # 按长度排序,倒序,等长按ascii排序
        for word in d:
            idx = 0
            for ele in word:
                idx = s.find(ele, idx) + 1 # find查找idx,不存在返回-1
                if not idx:
                    break
            else: # break后不走这边,否则正常是走的
                return word
        return ''

16 最接近的三数之和

输入:nums = [-1,2,1,-4], target = 1
输出:2
解释:与 target 最接近的和是 2 (-1 + 2 + 1 = 2) 。

思路:首先排序,三个数字和最接近target,可以认为固定a,希望b+c-target的绝对值最小。那么双指针移动,记录过程中绝对值最小的和为res,以及当时的min_distance。

class Solution:
    def threeSumClosest(self, nums: List[int], target: int) -> int:
        if len(nums)==3:
            return nums[0]+nums[1]+nums[2]
        n = len(nums)
        distance = float('inf')
        nums = sorted(nums) # 排序后遍历
        res = 0
        for i in range(n):
            left, right =i+1, n-1
            while left<right: # 双指针,左右
                dis = nums[i]+nums[left]+nums[right]-target
                if abs(dis)<distance: # 更新最小距离
                    distance = abs(dis)
                    res = nums[i]+nums[left]+nums[right]
                if dis>0: # 大了,右指针往左,小一点
                    right -= 1
                elif dis<0: # 小了,左指针往右,大一点
                    left += 1
                else:
                    return target
        return res

18 四数之和

给定数组 nums = [1, 0, -1, 0, -2, 2],和 target = 0。返回[[-1, 0, 0, 1], [-2, -1, 1, 2], [-2, 0, 0, 2]]

跟上一道题目差不多,就是需要排除二维数组重复的元素,注意不加tuple报错。

class Solution:
    def fourSum(self, nums: List[int], target: int) -> List[List[int]]:
        nums = sorted(nums)
        res = []
        n = len(nums)
        for i in range(n-3):
            for j in range(i+1, n-2):
                left = j+1
                right = n-1
                while left<right:
                    numSum = nums[i]+nums[j]+nums[left]+nums[right]
                    if numSum == target:
                        res.append([nums[i],nums[j],nums[left],nums[right]])
                        left += 1
                        right -= 1
                    elif numSum > target:
                        right -= 1
                    else:
                        left += 1
        return list(set([tuple(t) for t in res]))

986 区间列表的交集

输入:A = [[0,2],[5,10],[13,23],[24,25]], B = [[1,5],[8,12],[15,24],[25,26]]
输出:[[1,2],[5,5],[8,10],[15,23],[24,24],[25,25]]

class Solution:
    def intervalIntersection(self, A: List[List[int]], B: List[List[int]]) -> List[List[int]]:
        res = []
        i, j = 0, 0
        while i<len(A) and j<len(B):
            left = max(A[i][0], B[j][0])
            right = min(A[i][1], B[j][1])
            if left<=right:
                res.append([left, right])
            if A[i][1]<B[j][1]:
                i += 1
            else:
                j += 1
        return res

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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