小明最近在研究压缩算法。
他知道,压缩的时候如果能够使得数值很小,就能通过熵编码得到较高的压缩比。
然而,要使数值很小是一个挑战。
最近,小明需要压缩一些正整数的序列,这些序列的特点是,后面出现的数字很大可能是刚出现过不久的数字。对于这种特殊的序列,小明准
备对序列做一个变换来减小数字的值。
变换的过程如下:
从左到右枚举序列,每枚举到一个数字,如果这个数字没有出现过,将数字变换成它的相反数,如果数字出现过,则看它之前在原序列中最后的
一次出现后面(且在当前数前面)出现了几种数字,用这个种类数替换原来的数字。
比如,序列(a1, a2, a3, a4, a5)=(1, 2, 2, 1, 2)在变换过程为:
a1: 1未出现过,所以a1变为-1;
a2: 2未出现过,所以a2变为-2;
a3: 2出现过,最后一次为原序列的a2,在a2后、a3前有0种数字,所以a3变为0;
a4: 1出现过,最后一次为原序列的a1,在a1后、a4前有1种数字,所以a4变为1;
a5: 2出现过,最后一次为原序列的a3,在a3后、a5前有1种数字,所以a5变为1。
现在,给出原序列,请问,按这种变换规则变换后的序列是什么。
输入格式:
输入第一行包含一个整数n,表示序列的长度。
第二行包含n个正整数,表示输入序列。
输出格式:
输出一行,包含n个数,表示变换后的序列。
例如,输入:
5
1 2 2 1 2
程序应该输出:
-1 -2 0 1 1
再例如,输入:
12
1 1 2 3 2 3 1 2 2 2 3 1
程序应该输出:
-1 0 -2 -3 1 1 2 2 0 0 2 2
数据规模与约定
对于30%的数据,n<=1000;
对于50%的数据,n<=30000;
对于100%的数据,1 <=n<=100000,1<=ai<=10^9
资源约定:
峰值内存消耗(含虚拟机) < 256M
CPU消耗 < 3000ms
基本思路
主要是创建一个0/1数组flag,用来存每种数字的最后一次出现的下标位置,1表示新的种类数字最后一次出现的位置
然后创建hashmap存放每一种数字最后一次出现的 <值-最后出现的下标> 映射,这样通过值可以直接get到最后的下标
然后每输入一个数即开始判断输出一个结果到存结果的数组中
详细代码
import java.lang.reflect.Array;
import java.util.Arrays;
import java.util.HashMap;
import java.util.Map;
import java.util.Scanner;
public class 压缩变换_10 {
static int flag[],ans[];//flag/0/1/数组存最后一次出现的数字种类的下标,ans数组存答案
static Map<Integer,Integer> map = new HashMap<Integer,Integer>(); //存放之前没出现过的数的下标,值
public static int count(int l,int r)//返回l,r之间(不包括r)的数字种类
{
int sum = 0;
for(int i =l;i<r;i++)
{
if(flag[i]==1)
sum++;
}
return sum;
}
public static void main(String[] args) {
// TODO Auto-generated method stub
int num,n;
Scanner in = new Scanner(System.in);
num = in.nextInt();
flag = new int[num];
ans = new int[num];
Arrays.fill(flag,0);//把flag数组全部填充0;
for(int i=0;i<num;i++)
{
n = in.nextInt();
if(!map.containsKey(n))//map中不包括数n
{
ans[i]=-n;
map.put(n, i);//把下标i存为值,数n存为键,这样保证键的唯一性,即存进去的数n是唯一的
flag[i] = 1;
}
else//map中之前出现过数n
{
int lastIndex = map.get(n);//获得n上一次出现的下标,这里证明了存放时n应该是键,取出来的值是下标i,如果顺序反过来,hashmap不能通过值获得唯一键,只能通过键获得一个值
flag[lastIndex]=0;
int numType = count(lastIndex+1,i);
ans[i] = numType;
map.put(n, i);
flag[i]=1;
}
}
for(int i = 0;i<ans.length;i++)
{
System.out.print(ans[i]+" ");
}
}
}
这道题还有另一种优化方法,利用线段树来存储出现的次数,等我学完线段树再把代码加上。