Dynamic Programming
338. Counting Bits
[Desciption]
[Analysis]
method-1
本题有非常简单的做法,就是可以直接对每个数单独计算其二进制下1的个数。
vector<int> countBits(int num) {
vector<int> vec(num + 1, 0);
for (int i = 0; i <= num; i++) {
int count = 0;
int value = i;
while (value) {
count += value % 2;
value >>= 1;
}
vec[i] = count;
}
return vec;
}
但很显然,这种做法下,时间复杂度为O(n * sizeof(i))。
method-2
其实在计算每个数的二进制下1的个数时,存在着大量的重复。
例如111(7)的1的个数,就可以表示为最后一位的1的个数+除最后一位外1的个数。也就是1 + 2。
因此,我们可以写出代码。
class Solution {
public:
vector<int> countBits(int num) {
vector<int> vec(num + 1, 0);
for (int i = 1; i <= num; i++) {
vec[i] = vec[i>>1] + i%2;
cout << vec[i] << " " << vec[i >> 1] << endl;
}
return vec;
}
};
此时的时间复杂度为O(n)。
647. Palindromic Substrings
[Description]
[analysis]
method-1
最简单而直观的方法就是不采取动态规划,直接遍历字符串,寻找所有可能的回文字符串。也就是说,用一个双重循环遍历字符串,可以得到该字符串所能构成的所有子字符串,然后对这些子字符串检验是否为回文串。
时间复杂度为O( n^3 ),空间复杂度为O(1)。
method-2
显然,方法1存在很多重复计算的过程。这时我们可以通过动态规划的方法来减少时间复杂度。在检验回文字符串的时候,不一定要对所有的子字符串都进行检验。比如说,对于abccbs这样的子字符串,显然收尾已经不相同,不需要进行检验,又对于abccba,此时首尾相同,需要检验bccb是否为回文字符串,但显然这个检验的过程已经在前面检验以b为尾字符的子字符串中完成了,所以这时候我们就可以得到一种优化的方法。不妨构建一个矩阵,保存所有能够构成回文字符串的首index和尾index。此时同样需要遍历,但不需要O(n)的时间复杂度进行回文字符串校验了。
int countSubstrings(string s) {
int len = s.length();
int count = 0;
vector<vector<int>> matrix(len, vector<int>(len, 0));
for (int i = 0; i < len; i++) {
matrix[i][i] = 1;
}
for (int i = 0; i < len; i++) {
count++;
for (int j = 0; j < i; j++) {
if (s[j] == s[i]) {
if (j == i - 1 || matrix[j + 1][i - 1] == 1) {
count++;
matrix[j][i] = 1;
}
}
}
}
return count;
}
但需要明白的问题是,此时我们是以牺牲空间换时间,时间复杂度为O( n^2 ),空间复杂度为O( n^2 )。
method-3
实际上,还存在一种更好的方法。因为对于任意一个子字符串,都只存在一个唯一的中间index(当子字符串长度为奇数时,index为单一值;当子字符串长度为偶数时,index为两个值)。这时,我们便可以把外层循环表示为遍历所有子字符串的中间index,然后从这个中间index向两边拓展。在拓展的过程中校验是否满足回文字符串。
void extend(string s, int left, int right, int& count) {
while(left >= 0 && right < s.length() && s[left] == s[right]){
left--;
right++;
count++;
}
}
int countSubstrings(string s) {
int count = 0;
for (int i = 0; i < s.length(); i++) {
extend(s, i, i, count);
extend(s, i, i + 1, count);
}
return count;
}
此时,空间复杂度为O(1),时间复杂度为O( n^2 )。
646. Maximum Length of Pair Chain
[Description]
646. Maximum Length of Pair Chain
[Analysis]
method-1
这个题暴力求解应该是不那么容易的。我首先想到的是用动态规划的想法,用一个vector记录以当前index为pair chain最后一个元素的最大长度。通过对每一个index遍历前面所有的数组,可以计算出对于以该index作为最后一个chain元素的情况下,最大长度。但需要注意的是,题目没有说已经排好序,所以需要自行排序。
int findLongestChain(vector<vector<int>>& pairs) {
sort(pairs.begin(), pairs.end(), [](vector<int> vec_1, vector<int> vec_2) {
return vec_1[0] < vec_2[0];
});
int len = pairs.size();
vector<int> vec(len, 1);
for (int i = 1; i < len; i++) {
int max = 1;
for (int j = 0; j < i; j++) {
if (pairs[i][0] > pairs[j][1]) {
if (vec[j] + 1 > max) {
max = vec[j] + 1;
}
}
}
vec[i] = max;
}
int max = 0;
for (int i = 0; i < len; i++) {
if (vec[i] > max) {
max = vec[i];
}
}
return max;
}
时间复杂度为O( n^2 ),空间复杂度为O(n)。
method-2
除了动态规划以外,还存在更简单的做法。假设存在[a, b], [c, d],其中b < d,此时,[a, b] 形成的最大长度一定大于等于[c, d]所能形成的最大长度,理由就是如果最大长度chain以[c, d]开始,那必然可以以[a, b]开始。于是,只需要对数组进行恰当的排序,便可以简单地一次循环获得最大长度。
int findLongestChain(vector<vector<int>>& pairs) {
sort(pairs.begin(), pairs.end(), [](std::vector<int> v_1, vector<int> v_2) {
return v_1[1] < v_2[1] || v_1[1] == v_2[1] && v_1[0] < v_2[0];
});
int cnt = 0;
vector<int>& pair = pairs[0];
for (int i = 0; i < pairs.size(); i++) {
if (i == 0 || pairs[i][0] > pair[1]) {
pair = pairs[i];
cnt++;
}
}
return cnt;
}
时间复杂度为O(nlogn),快排所需要的最短时间;空间复杂度为O(1)。