【Leetcode第232场周赛】score:17 Time: 1:14:47 Rank:394 / 4801

5701. 仅执行一次字符串交换能否使两个字符串相等(3分,通过率:3610/8247)

给你长度相等的两个字符串 s1 和 s2 。一次 字符串交换 操作的步骤如下:选出某个字符串中的两个下标(不必不同),并交换这两个下标所对应的字符。
如果对 其中一个字符串 执行 最多一次字符串交换 就可以使两个字符串相等,返回 true ;否则,返回 false 。

思路:遍历,如果不同的位数不为0或2,则返回false,如果有两位不同,再判断是否两个交换后可以使字符串相等

class Solution:
    def areAlmostEqual(self, s1: str, s2: str) -> bool:
        n = len(s1)
        save = [i for i in range(n) if s1[i]!=s2[i]]

        if len(save)!=2:
            return False if save else True
        else:
            i,j = save[0],save[1]
            return True if s1[i]==s2[j] and s1[j]==s2[i] else False

时间复杂度O(n)

5702. 找出星型图的中心节点(3分,通过率:3636/4499)

有一个无向的 星型 图,由 n 个编号从 1 到 n 的节点组成。星型图有一个 中心 节点,并且恰有 n - 1 条边将中心节点与其他每个节点连接起来。
给你一个二维整数数组 edges ,其中 edges[i] = [ui, vi] 表示在节点 ui 和 vi 之间存在一条边。请你找出并返回 edges 所表示星型图的中心节点。

思路:一共n个节点(n>=3),输入给n-1条边,其中每条边都包括中心节点,因此只需比较前两个边,找出众数即可

class Solution:
    def findCenter(self, edges: List[List[int]]) -> int:
        return edges[0][0] if edges[0][0] in edges[1] else edges[0][1]

时间复杂度O(1)

5703. 最大平均通过率(5分,通过率:1126/4122)

一所学校里有一些班级,每个班级里有一些学生,现在每个班都会进行一场期末考试。给你一个二维数组 classes ,其中 classes[i] = [passi, totali] ,表示你提前知道了第 i 个班级总共有 totali 个学生,其中只有 passi 个学生可以通过考试。
给你一个整数 extraStudents ,表示额外有 extraStudents 个聪明的学生,他们 一定 能通过任何班级的期末考。你需要给这 extraStudents 个学生每人都安排一个班级,使得 所有 班级的 平均 通过率 最大 。
一个班级的 通过率 等于这个班级通过考试的学生人数除以这个班级的总人数。平均通过率 是所有班级的通过率之和除以班级数目。
请你返回在安排这 extraStudents 个学生去对应班级后的 最大 平均通过率。与标准答案误差范围在 10-5 以内的结果都会视为正确结果。

假设:A班[b,a] B班[d,c] 有一个extraStudent,如何选择?
如果插入A班,则总通过率的提升为(b+1)/(a+1) - b/a = (a-b)/(a+1)a
如果插入B班,同理为(c-d)/(c+1)c
那么只需维护一个大顶堆,每次从中取出一个(b,a),使上式最大即可

思路:python中使用heapq维护一个小顶堆(取负号变成大顶堆)

class Solution:
    def maxAverageRatio(self, classes: List[List[int]], extraStudents: int) -> float:
        def f(a,b):
            return -(a-b)/(a+1)/a
        
        n = len(classes)
        clas = [ [f(classes[i][1],classes[i][0]),classes[i][0],classes[i][1]] for i in range(n)]
        heapq.heapify(clas)
        
        for i in range(extraStudents):
            a = heapq.heappop(clas)
            a[1],a[2] = a[1]+1,a[2]+1
            a[0] = f(a[2],a[1])
            heapq.heappush(clas,a)
        
        return sum([clas[i][1]/clas[i][2] for i in range(n)])/n

时间复杂度O(mlogn),n为classes长度,m=extrastudents

5704. 好子数组的最大分数(6分,通过率:826/3251)

给你一个整数数组 nums (下标从 0 开始)和一个整数 k 。
一个子数组 (i, j) 的 分数 定义为 min(nums[i], nums[i+1], …, nums[j]) * (j - i + 1) 。一个 好 子数组的两个端点下标需要满足 i <= k <= j 。
请你返回 好 子数组的最大可能 分数 。

思路:将nums以k为中心,处理成前驱/后继数组(降序),再调用【12月打卡~Leetcode每日一题前置知识点】84. 柱状图中最大的矩形(难度:困难)的api,即:两次遍历,使用单调栈得出该高度的左右边界,然后求最大面积

class Solution:
    def maximumScore(self, nums: List[int], k: int) -> int:
        n = len(nums)
        cnt = [0]*n  #前驱/后继 最小值数组
        min_ = nums[k]
        for i in range(k,-1,-1):
            cnt[i] = min_ = min(min_,nums[i])
        min_ = nums[k]
        for i in range(k+1,n):
            cnt[i] = min_ = min(min_,nums[i])
        
        
        def largestRectangleArea(heights):
            if not heights:
                return 0
            n = len(heights)
            stack,left = [],[0]*n
            for i in range(0,n):
                while(stack and heights[stack[-1]]>=heights[i]):
                    stack.pop()
                stack.append(i)
                left[i] = 0 if len(stack)==1 else stack[-2]+1

            stack,right = [],[0]*n
            for i in range(n-1,-1,-1):
                while(stack!=[] and heights[stack[-1]]>=heights[i]):
                    stack.pop()
                stack.append(i)
                right[i] = n-1 if len(stack)==1 else stack[-2]-1

            ans = 0
            for i in range(n):
                ans = max(ans,(right[i]-left[i]+1)*heights[i])
            return ans

        return largestRectangleArea(cnt)

时间复杂度O(n)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    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,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,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,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,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、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》、《算法数据结构基础》等,来深入理解这种算法

“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 1
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