Leetcode 1405. 最长快乐字符串 / 984. 不含 AAA 或 BBB 的字符串 / python实现

题目

同一种题型,思路也是相同的
在这里插入图片描述
在这里插入图片描述

解题思路

解法一:贪心,每次在都插入当前剩余最多的元素,只有不能继续写入该元素时,才转向另外的元素(仍是剩下中最大的)进行插入。

解法二:插入法,以a = 1, b = 2, c = 7为例

首先构建基础串=“abc(所有元素)” × 1(最少元素对应的数值)+ “bc”(最少数值字母已经用光了,继续用剩下的字母来构造) × 1(第二少元素剩下的数值),最终的基础串为"abcbc" => 用数值最小到数值第二大对应的字母来构建基础串


在基础串中插入剩下的个数的字母,即最后剩下的只有数值最大的字母 => 用数值最大的字母来进行插入操作,插入时保证满足题目要求即可。

但是解法二在处理插入操作的时候,写起来会比较啰嗦,需要大量条件判断当前位置是否能够插入。


代码实现

1405 贪心

"""
1405 贪心
总是每次放入当前剩余个数最多的元素
"""
class Solution:
    def longestDiverseString(self, a: int, b: int, c: int) -> str:
        res, tmp = [], {'a': a, 'b': b, 'c': c}
        while max(tmp.values()) > 0:
            Flag = False
            if len(res) >= 2 and res[-1] == res[-2]:
                # 出现了重复,但是没有其他元素可选了
                if sum(tmp.values())-tmp[res[-1]] <= 0:
                    break
                Flag = True
            # 始终写长的一个
            add, max_num = "", float("-inf")
            for k, v in tmp.items():
                # 如果出现重复,只能在另外两个中选择长的一个
                if Flag and k == res[-1]:
                    continue
                if v > max_num:
                    max_num, add = v, k
            tmp[add] -= 1
            res.append(add)
        return "".join(res)

984 贪心

"""
984 贪心
只有出现相同才转去写另外一个,否则一直写当前长的那个
"""
class Solution:
    def strWithout3a3b(self, A: int, B: int) -> str:
        res = []
        while A or B:
            if len(res) >= 2 and res[-1] == res[-2]:
                # 出现了两个相同的,就写另外一个
                writeA = res[-1] == 'b'
            # 没有出现重复or长度不满足的时候,写长的一个
            else:
                writeA = A >= B
            if writeA:
                A -= 1
                res.append('a')
            else:
                B -= 1
                res.append('b')
        return "".join(res)

984 插入法

# 插入法,代码量比较大
class Solution:
    def strWithout3a3b(self, A: int, B: int) -> str:
        common = min(A, B)
        # 首先构造基础串,制造空格位,便于后续插入
        s = "a b "*common
        add, num = 'a', A-common
        if common == A:
            add, num = 'b', B-common
        s = list(" " + s)
        # 将多的插空
        for i in range(len(s)):
            if not num:
                break
            if s[i] != " ":
                continue
            if not i:
                if s[2] != add:
                    s[0] = add
                    num -= 1
            elif i == len(s)-1:
                if s[-3] != add:
                    s[-1] = add
                    num -= 1
            else:
                # 左右都和我相同
                if s[i-1] == s[i+1] and s[i-1] == add:
                    continue
                # 左边和相同,右边和我不同
                if s[i-1] == add and s[i+1] != add:
                    if s[i-2] == add:
                        continue
                # 右边和我相同,左边和我不同
                if s[i+1] == add and s[i-1] != add:
                    if s[i+2] == add:
                        continue
                # 可以插入
                s[i] = add
                num -= 1
        res = "".join(s).replace(" ", "")
        if num:
            if s[1] != add:
                return add+res
            if s[-2] != add:
                return res+add
        return res
  • 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