leetcode - 264. Ugly Number II

算法系列博客之Dynamic Programming

本篇博客将运用动态规划的思想来解决leetcode上264号问题


问题描述:

Write a program to find the n-th ugly number.
Ugly numbers are positive numbers whose prime factors only include 2, 3, 5. For example, 1, 2, 3, 4, 5, 6, 8, 9, 10, 12 is the sequence of the first 10 ugly numbers.
Note that 1 is typically treated as an ugly number, and n does not exceed 1690.

特意挑出此题发博的原因在于它较之前所写DP问题有明显两处不同
      状态转移不依赖于一个给定的特征列表
      如果把每个丑数视为一个状态,则它并不是简单的依赖于固定前一项或者前几项

根据基本的合数的质因数分解可以明白这样一个简单的道理
仅需要将前面的丑数简单的乘以2/3/5即可构造出后面的丑数
关键在于丑数的选择以及2/3/5的选择,得出的结果还要做到不重不漏

事实上,考虑它只能通过乘以2/3/5,且每个数最多只能把这三个数各乘一次
问题就可以看作,新的状态依赖于前面的某三个状态,并且这三个状态都一定会顺次后移
不妨用三个数state[3]来记录2/3/5分别对应依赖于哪三个状态
然后用这三个状态构造出三个丑数(即三个新状态),选择最小的,并将其对应状态顺移

显然5对应状态一定是最靠前的,再前面的状态无需保留
其次还需注意可能两个或者三个状态构造出的三个新状态都相同,这种情况三个状态都应该顺移
至此,可以很清晰的实现代码逻辑结构如下

class Solution(object):
    def nthUglyNumber(self, n):
        if n < 4: return n
        cur = 3
        state = [1, 1, 0]
        numsqueue = [1, 2, 3]
        while cur < n:
            new1 = numsqueue[state[0]] * 2
            new2 = numsqueue[state[1]] * 3
            new3 = numsqueue[0] * 5
            newnum = min(min(new1, new2), new3)
            if newnum == new1:
                state[0] += 1
            if newnum == new2:
                state[1] += 1
            if newnum == new3:
                numsqueue.pop(0)
                state[0] -= 1
                state[1] -= 1
            numsqueue.append(newnum)
            cur += 1
        return numsqueue[-1]

时间复杂度分析,整个算法只需要n次循环,每次循环执行常数条指令,因而O(n)
空间复杂度分析,使用了一个变量一个3元素列表和一个变长列表,而变长列表规模分析起来比较困难,但一定不会超过n,因而不妨简单归为O(n), 它也仍然是一个高效的算法

### 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