1512. 好数对的数目
给你一个整数数组 nums 。
如果一组数字 (i,j) 满足 nums[i] == nums[j] 且 i < j ,就可以认为这是一组 好数对 。
返回好数对的数目。
示例 1:
输入:nums = [1,2,3,1,1,3]
输出:4
解释:有 4 组好数对,分别是 (0,3), (0,4), (3,4), (2,5) ,下标从 0 开始
示例 2:输入:nums = [1,1,1,1]
输出:6
解释:数组中的每组数字都是好数对
示例 3:输入:nums = [1,2,3]
输出:0提示:
1 <= nums.length <= 100
1 <= nums[i] <= 100
分析
按照题目意思来 就是对每一个元素 在后面序列中找相同的数 字面意思出发就得到了暴力法的写法
那么怎么优化呢? 其实继续分析就是一个组合问题,将数组分为若干个相同数字的序列,求序列中取两个元素的组合数,最后将组合数相加就是结果
组合数公式:c*(c-1)/2
暴力法
class Solution {
public:
int numIdenticalPairs(vector<int>& nums) {
int res=0;
for(int i=0;i<nums.size();i++){
for(int j=i+1;j<nums.size();j++){
if(nums[i]==nums[j])
res++;
}
}
return res;
}
};
排列组合
class Solution {
public:
int numIdenticalPairs(vector<int>& nums) {
int res=0;
unordered_map<int, int> map;
for(auto num:nums)
map[num]++;
for(auto [a, c]:map){
res+=c*(c-1)/2;
}
return res;
}
};
1513. 仅含 1 的子串数
给你一个二进制字符串 s(仅由 ‘0’ 和 ‘1’ 组成的字符串)。
返回所有字符都为 1 的子字符串的数目。
由于答案可能很大,请你将它对 10^9 + 7 取模后返回。
示例 1:
输入:s = “0110111”
输出:9
解释:共有 9 个子字符串仅由 ‘1’ 组成
“1” -> 5 次
“11” -> 3 次
“111” -> 1 次
示例 2:输入:s = “101”
输出:2
解释:子字符串 “1” 在 s 中共出现 2 次
示例 3:输入:s = “111111”
输出:21
解释:每个子字符串都仅由 ‘1’ 组成
示例 4:输入:s = “000”
输出:0提示:
s[i] == ‘0’ 或 s[i] == ‘1’
1 <= s.length <= 10^5
分析
这一题的思路和上一题类似,仅含1的字串 其实就是将数组中按照时候包含’0’分为若干个串 求每个串的真字串
长度为n的串的真字串个数:含1个1的字串 n个,含2个1的字串 n-1个…含n个1的字串 1个,就是n*(n+1)/2
优化了一下避免全局维护 仅局部维护count
模拟
class Solution {
public:
int numSub(string s) {
long long mod=1000000007;
long long count=0;
long long res=0;
for(int i=0;i<s.size();i++){
if(s[i]=='1'){
count++;
}else{
if(count!=0){
res+=count*(count+1LL)/2;
res%=mod;
count=0;
}
}
}
if(count!=0){
res+=count*(count+1LL)/2;
res%=mod;
}
return res;
}
};
优化
class Solution {
public:
int numSub(string s) {
int mod=1000000007;
int res=0;
for(int i=0;i<s.size();i++){
if(s[i]!='0'){
int j=i+1;
while(s[j]!='0' && j<s.size())
j++;
int count=j-i;
res=(res+count*(count+1LL)/2)%mod;
i=j-1;
}
}
return res;
}
};
1514. 概率最大的路径
给你一个由 n 个节点(下标从 0 开始)组成的无向加权图,该图由一个描述边的列表组成,其中 edges[i] = [a, b] 表示连接节点 a 和 b 的一条无向边,且该边遍历成功的概率为 succProb[i] 。
指定两个节点分别作为起点 start 和终点 end ,请你找出从起点到终点成功概率最大的路径,并返回其成功概率。
如果不存在从 start 到 end 的路径,请 返回 0 。只要答案与标准答案的误差不超过 1e-5 ,就会被视作正确答案。
输入:n = 3, edges = [[0,1],[1,2],[0,2]], succProb = [0.5,0.5,0.2], start = 0, end = 2
输出:0.25000
解释:从起点到终点有两条路径,其中一条的成功概率为 0.2 ,而另一条为 0.5 * 0.5 = 0.25输入:n = 3, edges = [[0,1],[1,2],[0,2]], succProb = [0.5,0.5,0.3], start = 0, end = 2
输出:0.30000
分析
求概率最大,因为概率是0-1的数,所以其实就是求单源最短路径,用dijkstra算法或者SPFA算法都可
附上之前看到的一篇最短路径的博客 觉得很可
https://blog.csdn.net/qq_44173974/article/details/107613624
dijkstra算法
class Solution {
public:
double maxProbability(int n, vector<vector<int>>& edges, vector<double>& succProb, int start, int end) {
vector<vector<pair<int,double>>> g(n);
int m=edges.size();
//初始化邻接矩阵
for (int i = 0; i < m; ++i) {
//边ab 权值c
int a=edges[i][0];
int b=edges[i][1];
double c=succProb[i];
g[a].push_back({b,c});
g[b].push_back({a,c});
}
//存放结果的 即到i节点的最短路径(本体指的是最大概率)
vector<double> pro(n,0);
pro[start]=1.0;
//使用优先队列优化找队列中最优元素的过程
priority_queue<pair<double ,int >> heap;
heap.push({1.0,start});
while(heap.size()){
auto top=heap.top();
heap.pop();
double p=top.first;
int node=top.second;
//因为dijkstra能保证每次都是最优的 所以可以直接返回 而SPFA不行
if(node==end)
break;
for(auto x:g[node]){
int nn=x.first;
double pp=x.second;
if(pp*p>pro[nn]){
pro[nn]=pp*p;
heap.push({pro[nn],nn});
}
}
}
return pro[end];
}
};
SPFA算法
class Solution {
public:
double maxProbability(int n, vector<vector<int>>& edges, vector<double>& succProb, int start, int end) {
vector<vector<pair<int, double>>> g(n);
for (int i = 0; i < edges.size(); i ++ ) {
//边ab 权值c
int a = edges[i][0];
int b = edges[i][1];
double c=succProb[i];
g[a].push_back({b,c });
g[b].push_back({a, c});
}
queue<int> qe;
vector<double> dist(n, 0);
vector<bool> st(n, false);
st[start] = true;
qe.push(start);
dist[start] = 1;
while (qe.size()) {
int top = qe.front();
qe.pop();
st[top] = false;
for (auto x : g[top]) {
int node = x.first;
double p = x.second;
if (dist[node] < p * dist[top]) {
dist[node] = p * dist[top];
if (!st[node]) {
st[node] = true;
qe.push(node);
}
}
}
}
return dist[end];
}
};
1515. 服务中心的最佳位置
一家快递公司希望在新城市建立新的服务中心。公司统计了该城市所有客户在二维地图上的坐标,并希望能够以此为依据为新的服务中心选址:使服务中心 到所有客户的欧几里得距离的总和最小 。
给你一个数组 positions ,其中 positions[i] = [xi, yi] 表示第 i 个客户在二维地图上的位置,返回到所有客户的 欧几里得距离的最小总和 。
换句话说,请你为服务中心选址,该位置的坐标 [xcentre, ycentre] 需要使下面的公式取到最小值:
与真实值误差在 10^-5 之内的答案将被视作正确答案。
示例 1:
输入:positions = [[0,1],[1,0],[1,2],[2,1]]
输出:4.00000
解释:如图所示,你可以选 [xcentre, ycentre] = [1, 1] 作为新中心的位置,这样一来到每个客户的距离就都是 1,所有距离之和为 4 ,这也是可以找到的最小值。
示例 2:输入:positions = [[1,1],[3,3]]
输出:2.82843
解释:欧几里得距离可能的最小总和为 sqrt(2) + sqrt(2) = 2.82843
示例 3:输入:positions = [[1,1]]
输出:0.00000
示例 4:输入:positions = [[1,1],[0,0],[2,0]]
输出:2.73205
解释:乍一看,你可能会将中心定在 [1, 0] 并期待能够得到最小总和,但是如果选址在 [1, 0] 距离总和为 3
如果将位置选在 [1.0, 0.5773502711] ,距离总和将会变为 2.73205
当心精度问题!
示例 5:输入:positions = [[0,1],[3,2],[4,5],[7,6],[8,9],[11,1],[2,12]]
输出:32.94036
解释:你可以用 [4.3460852395, 4.9813795505] 作为新中心的位置提示:
1 <= positions.length <= 50
positions[i].length == 2
0 <= positions[i][0], positions[i][1] <= 100
分析
就是求一个凸函数的极值,由于两个变量,就三分套三分解决,或者梯度下降,模拟退火都可以
三分套三分
class Solution {
public:
vector<vector<int>> points;
double get_sum(double x, double y){
double sum=0;
for(auto& p:points){
double a=p[0],b=p[1];
sum+=sqrt((x-a)*(x-a)+(y-b)*(y-b));
}
return sum;
}
double calc(double x){
double l=0,r=100;
while(r - l > 1e-6){
double y1=l+(r-l)/3,y2=l+(r-l)/3*2;
if(get_sum(x,y1)>=get_sum(x,y2))
l=y1;
else
r=y2;
}
return get_sum(x,r);
}
double getMinDistSum(vector<vector<int>>& positions) {
points=positions;
double l=0,r=100;
while(r - l > 1e-6){
double x1=l+(r-l)/3,x2=l+(r-l)/3*2;
if(calc(x1)>=calc(x2))
l=x1;
else
r=x2;
}
return calc(r);
}
};