小结
本周只参加了一场LeetCode的周赛
还是先说战绩:2道题。/(ㄒoㄒ)/~~
这周情况比较特殊,周五下班的时候给了个紧急需求,周六带女票去弄牙齿,在医院门口坐着敲了一下午代码,周日又上线。
我在上线的间隙抽空参加了本周力扣周赛,这周的题目相对简单,一堆人ak,我也本来有机会过3道的。但由于需要配合上线,做题的时间不充足且总是被打断,唉(心里暗骂QAQ)
本周题目考察的知识点:
- 堆
- 找规律/贪心
- 动态规划/二分
题目
1961
给你一个字符串 s
和一个字符串数组 words
,请你判断 s
是否为 words
的 前缀字符串 。
字符串 s
要成为 words
的 前缀字符串 ,需要满足:s
可以由 words
中的前 k
(k
为 正数 )个字符串按顺序相连得到,且 k
不超过 words.length
。
如果 s 是 words 的 前缀字符串 ,返回 true ;否则,返回 false 。
示例
输入:s = “iloveleetcode”, words = [“i”,“love”,“leetcode”,“apples”]
输出:true
解释:
s 可以由 “i”、“love” 和 “leetcode” 相连得到。
题解
签到题,但要注意:字符串s需要恰好为words中的前k个字符串顺序拼接。
Java代码
class Solution {
public boolean isPrefixString(String s, String[] words) {
int j = 0;
for (int i = 0; i < words.length; i++) {
for (int k = 0; k < words[i].length(); k++) {
if (words[i].charAt(k) != s.charAt(j)) return false;
j++;
if (j == s.length()) return k == words[i].length() - 1;
}
}
return false;
}
}
1962
给你一个整数数组 piles
,数组 下标从 0 开始 ,其中 piles[i]
表示第 i
堆石子中的石子数量。另给你一个整数 k
,请你执行下述操作 恰好 k
次:
- 选出任一石子堆
piles[i]
,并从中 移除floor(piles[i] / 2)
颗石子。
注意:你可以对 同一堆 石子多次执行此操作。
返回执行 k
次操作后,剩下石子的 最小 总数。
floor(x)
为 小于 或 等于 x
的 最大 整数。(即,对 x
向下取整)。
示例:
输入:piles = [5,4,9], k = 2
输出:12
解释:可能的执行情景如下:
- 对第 2 堆石子执行移除操作,石子分布情况变成 [5,4,5] 。
- 对第 0 堆石子执行移除操作,石子分布情况变成 [3,4,5] 。
剩下石子的总数为 12 。
题解
略加分析可知,每次移除时,都应当选择当前最大的石堆(有点贪心的意思)。很容易想到使用一个大根堆来维护当前的石子堆,每次选择堆顶元素,将其值变为原先的一半(上取整),然后调整堆,重复操作k次即可。
若是手动模拟的堆,可以按照上面的思路操作,如果使用内置的数据结构(Java中是PriorityQueue
),则考虑将每次的操作变为两步
- 弹出堆顶
- 将堆顶元素变为原先的一半(上取整),再插入堆
Java代码如下(Java的PriorityQueue
默认是小顶堆,我们初始化时需要自定义一个Comparator
,将其变成大顶堆)
class Solution {
public int minStoneSum(int[] piles, int k) {
// 大顶堆
PriorityQueue<Integer> heap = new PriorityQueue<>((o1, o2) -> o2 - o1);
// 全部元素插入堆
for (int i : piles) heap.offer(i);
// 执行k次操作
while (k-- > 0) {
int max = heap.poll(); // 弹出堆顶
max -= max / 2; // 减
heap.offer(max); // 插入堆
}
int sum = 0;
Iterator<Integer> it = heap.iterator();
while (it.hasNext()) sum += it.next();
return sum;
}
}
1963
给你一个字符串 s
,下标从 0 开始 ,且长度为偶数 n
。字符串 恰好 由 n / 2
个开括号 [
和 n / 2
个闭括号 ]
组成。
只有能满足下述所有条件的字符串才能称为 平衡字符串 :
- 字符串是一个空字符串,或者
- 字符串可以记作
AB
,其中A
和B
都是 平衡字符串 ,或者 - 字符串可以写成
[C]
,其中C
是一个 平衡字符串 。
你可以交换 任意 两个下标所对应的括号 任意 次数。
返回使 s
变成 平衡字符串 所需要的 最小 交换次数。
示例1:
输入:s = "][][" 输出:1 解释:交换下标 0 和下标 3 对应的括号,可以使字符串变成平衡字符串。 最终字符串变成 "[[]]" 。
示例2:
输入:s = "]]][[[" 输出:2 解释:执行下述操作可以使字符串变成平衡字符串: - 交换下标 0 和下标 4 对应的括号,s = "[]][[]" 。 - 交换下标 1 和下标 5 对应的括号,s = "[[][]]" 。 最终字符串变成 "[[][]]" 。
题解:
思路一(力扣题解):
看到这道题,第一想到的就是很像括号匹配。由于]
的数量和[
的数量相同,则s
一定能变成平衡字符串。
我们先来分析平衡字符串的定义,容易发现,这个定义是一种递归式的描述。就像GNU is not Unix
。
我们先来看看平衡字符串都长什么样。首先找到递归的退出条件,即空字符串,这是最短的平衡字符串。然后根据平衡字符串的定义,我们依次构造更长的平衡字符串。根据第三个条件,则比空字符串稍长的平衡字符串,即[]
。
根据第二个条件,能够构造[][]
;根据第三个条件,能够构造[[]]
。
我们发现,有长度的,最短的平衡字符串,就是[]
。这是构成其他所有平衡字符串的最小单位。接下来,我们构造平衡字符串,无外乎下面几种情况
- 只套用第二个条件
- 只套用第三个条件
- 混合套用第二和第三个条件
其中,只用第二个条件,构造的平衡字符串,都长这样:
[][][]
,[][][][]
,[][][][][][][]
,…
只用第三个条件,构造的平衡字符串,都长这样:
[[]]
,[[[]]]
,[[[[[]]]]]
,…
混合套用第二,第三个条件,构造的平衡字符串,都长这样:
[[][]]
,[][][[[]]]
,[[[]]][][][[][]]
,…
我们观察可以发现,对于一个平衡字符串,左右括号都是两两匹配的。并且,在我们从左往右,遍历一个平衡字符串时,我们左括号[
的数量,始终是大于等于右括号]
的数量的。也就是说,我们开一个变量ctn
来记录左括号[
的数量,然后从左往右遍历,当遇到左括号[
时,将ctn
加一,遇到右括号]
时,将ctn
减一(表示这个右括号消耗了其左侧一个一个左括号,完成匹配)。则,只要遍历的过程中,一直保持ctn
大于等于0
,即说明字符串是平衡字符串了。
也就是说,在从左往右遍历的过程中,只要遇到一个右括号]
,就总能在这个位置之前找到一个未被使用的左括号[
与之匹配。
若遍历过程中,遇到一个右括号]
,但在其前面的位置,已经没有可以与之匹配的左括号[
时,说明这个字符串就不是平衡字符串。此时我们需要将这个右括号]
,与其右侧的某个左括号[
交换。(由于左括号和右括号数量相等,则每个右括号一定能找到属于自己的那个左括号)。那么交换时,我们采用贪心的策略,试图将这个右括号,尽可能地交换到靠右边。以使得后续交换的次数最少。
为什么这样做就能使得交换次数最少呢?
我们考虑上面使用ctn
变量在遍历过程中对左括号进行计数的场景。只要把右括号尽可能地往右边放,就能让ctn
减的最慢。而要字符串是平衡字符串,就需要保证ctn
一直保持大于等于0
,则尽可能地推后对ctn
做减法的情况,就能达到这种效果。
此时,我们可能需要一个双指针,右边指针指向从右往左第一个左括号的位置。然后遍历进行交换并统计,直到两个指针相遇。
然而,我们观察可以发现,从左往右遍历的过程中,只有当遇到右括号]
且此时ctn
小于等于0
了,才需要进行一次交换。而这个交换可以不用实际进行。只要遇到]
并且此时ctn
小于等于0
了,就将交换次数加一,并将ctn
加一(因为此时已经相当于把该位置变成了左括号[
),继续遍历下去即可。因为没有实际进行交换,则后面遍历到原本已经交换了的位置时,那个位置还是左括号[
(如果执行了实际交换,那个位置应该是被交换过来的右括号]
),而左括号并不会导致交换次数加一,所以不影响最终结果。
Java代码
class Solution {
public int minSwaps(String s) {
int ctn = 0, ans = 0;
for (int i = 0; i < s.length(); i++) {
if (s.charAt(i) == '[') ctn++;
else if (ctn > 0) ctn--;
else {
ctn++;
ans++;
}
}
return ans;
}
}
思路二(我的思路):
思路一采用的是贪心的策略,下面我们换一种思路。我们需要交换的,只是形如][
这样的括号组。对于那些已经匹配上的括号组[]
,我们完全可以把它们从字符串中剔除掉,只要所有的括号组都是形如[]
的形式,则字符串就是个平衡字符串了。
我们的任务就是从整个字符串中,找出形如][
这样的括号组的个数,即我们只需要排除已经能够匹配的,形如[]
这样的括号组。
比如我们将字符串中已经匹配的括号组全部删除,最后得到的一定是形如]]]][[[[
这样的,左侧全是]
,右侧全是[
的字符串。
我们仍然从左到右遍历字符串,用ctn
来计数左括号的数量,用num
来计数找到的形如][
的括号组的个数
- 遇到
[
时,对ctn
加一 - 遇到
]
时,- 当
ctn > 0
时,对ctn
减一 - 当
ctn <= 0
时,对num
加一
- 当
最后,对于形如]]]][[[[
这样的字符串,我们可以这样考虑:每次交换,最好是能够消除尽可能多的括号(已经完成匹配的括号就可以被消除了),这样,总的交换次数就能达到最少。我们每次交换,最多消掉2组括号,即4个括号。
每次交换,是将一个]
与一个[
交换,最好的情况是,交换后,原先右括号能带走一个左括号,原先的左括号能带走一个右括号,一共消掉2组,共4个括号。
假设最后剩余的是]]][[[
,我们可以看到其长度为6,共有3对括号没有匹配好,则我们每交换一次,就能消掉2对,共4个括号。
假设最后剩余共n
对括号(长度为2n
),则最少的交换次数则为 (n + 1) / 2
Java代码
class Solution {
public int minSwaps(String s) {
int leftBraceNums = 0;
int matchNums = 0; // 匹配上的括号对的个数
for (int i = 0; i < s.length(); i++) {
if (s.charAt(i) == '[') leftBraceNums++;
else if (leftBraceNums > 0) {
leftBraceNums--;
matchNums++;
}
}
return (s.length() - matchNums * 2 + 2) / 4;
}
}
1964
你打算构建一些障碍赛跑路线。给你一个 下标从 0 开始 的整数数组 obstacles
,数组长度为 n
,其中 obstacles[i]
表示第 i
个障碍的高度。
对于每个介于 0
和 n - 1
之间(包含 0
和 n - 1
)的下标 i
,在满足下述条件的前提下,请你找出 obstacles
能构成的最长障碍路线的长度:
-
你可以选择下标介于
0
到i
之间(包含0
和i
)的任意个障碍。 -
在这条路线中,必须包含第
i
个障碍。 -
你必须按障碍在
obstacles
中的 出现顺序 布置这些障碍。 -
除第一个障碍外,路线中每个障碍的高度都必须和前一个障碍 相同 或者 更高 。
返回长度为 n
的答案数组 ans
,其中 ans[i]
是上面所述的下标 i
对应的最长障碍赛跑路线的长度。
示例1:
输入:obstacles = [1,2,3,2] 输出:[1,2,3,3] 解释:每个位置的最长有效障碍路线是: - i = 0: [1], [1] 长度为 1 - i = 1: [1,2], [1,2] 长度为 2 - i = 2: [1,2,3], [1,2,3] 长度为 3 - i = 3: [1,2,3,2], [1,2,2] 长度为 3
示例2:
输入:obstacles = [3,1,5,6,4,2] 输出:[1,1,2,3,2,2] 解释:每个位置的最长有效障碍路线是: - i = 0: [3], [3] 长度为 1 - i = 1: [3,1], [1] 长度为 1 - i = 2: [3,1,5], [3,5] 长度为 2, [1,5] 也是有效的障碍赛跑路线 - i = 3: [3,1,5,6], [3,5,6] 长度为 3, [1,5,6] 也是有效的障碍赛跑路线 - i = 4: [3,1,5,6,4], [3,4] 长度为 2, [1,4] 也是有效的障碍赛跑路线 - i = 5: [3,1,5,6,4,2], [1,2] 长度为 2
题解:
稍微分析一下,就能知道这道题,等价于求解一个数组在每个位置的,单调递增(不是严格递增)子序列的最大长度(单调递增子序列必须包含当前位置)。
解法一:动态规划
对于位置i
,我们考虑用d[i]
来表示:以当前位置结尾的最长单调递增子序列的长度。对于i
∈
\in
∈ [1, n]
,我们从左到右依次求解各个d[i]
。
当我们求解到某个位置d[i]
时,一定已经求解出了d[0]
,d[1]
,…,d[i-1]
而在求解d[i]
时,子序列的最后一个位置一定是i
,我们考虑最长的子序列的倒数第二个位置。倒数第二个位置,要么是在0
到i-1
中选择一个,要么最长子序列只包含i
这一个位置。
我们只需要遍历j
∈
\in
∈ [0, i-1]
,当obstacle[i] >= obstacle[j]
时,可以将i
接到j
后面,此时更新d[i] = max(d[i], d[j] + 1)
求出所有的d[i]
之后,从中找出最大值即可。
Java代码如下
class Solution {
public int[] longestObstacleCourseAtEachPosition(int[] obstacles) {
int[] d = new int[obstacles.length];
int ans = 1;
Arrays.fill(d, 1); // 每个位置的最长子序列的最小可能长度都至少是1 (其本身)
for (int i = 1; i < obstacles.length; i++) {
for (int j = 0; j < i; j++) {
if (obstacles[i] >= obstacles[j]) d[i] = Math.max(d[i], d[j] + 1);
}
ans = Math.max(ans, d[i]);
}
return d;
}
}
朴素动态规划,时间复杂度较高,达到了
O
(
n
2
)
O(n^2)
O(n2),提交会报TLE
,下面我们考虑一下如何优化
解法二:贪心+二分
由于我们需要求解以某个位置为终点,最长的单调递增子序列。如何让单调递增的子序列达到最长呢?用贪心的思想,很容易想到,只要子序列单调递增的更慢(子序列的每个位置,都尽可能取满足单调性的更小的值),那么得到的子序列长度就会更长。
我们考虑用d[i]
来表示,长度为i
的单调递增子序列的末尾元素的最小值。容易发现,d[i]
是与i
呈正相关的,即d[i]
是与i
单调递增的。假设对于长度为k
的单调子序列,我们有d[k]=a
,即长度为k
的单调子序列的末尾元素的最小值为a
,那么对于长度为k+1
的子序列,其一定是在长度为k
的子序列后面追加一个值,即在k+1
的位置追加一个值。由于子序列是递增的,那么第k+1
个位置的数,一定要大于等于第k
个位置的数,而第k
个位置的数最小为d[k]
,那么K+1
这个位置的数,一定是大于等于d[k]
的,那么第k+1
这个位置能够放上去的最小的值d[k+1]
,也一定是大于等于d[k]
的。所以d[i]
是关于i
单调递增的。
我们从左往右处理,用len
来表示当前能够得到的最大长度的单调递增子序列,则我们已经知道了 i
∈
\in
∈ [1, len]
范围内的全部 d[i]
,对于当前位置(设为j
),我们只需要将其追加到前面某个子序列的后面,就能构成一个更长的子序列。我们尽可能的在i
∈
\in
∈ [1, len]
中选取长度更长的子序列,并获取到其末尾元素的最小值d[i]
,把当前元素追加到其后面。
我们可以从右往左遍历i
,遍历[len,1]
,找到第一个满足d[i] <= obstacles[j]
,则这是当前位置能够追加的最长的子序列了。直接追加。而由于d[i]
是具有单调性的,所以这个查找的过程可以通过二分来做。
Java代码如下
class Solution {
public int[] longestObstacleCourseAtEachPosition(int[] obstacles) {
int[] d = new int[obstacles.length + 1]; // 存储长度为len的, 末尾最小的元素
int[] ans = new int[obstacles.length]; // 答案
d[1] = obstacles[0]; //
int len = ans[0] = 1;
for (int i = 1; i < obstacles.length; i++) {
// 当当前位置大于最大长度len的最小末尾元素时, 可以直接追加
if (obstacles[i] >= d[len]) d[ans[i] = ++len] = obstacles[i];
else {
// 否则, 通过二分找到一个合适的插入位置, 即得到以当前位置结尾的最长递增字串
int l = 1, r = len;
while (l < r) {
int mid = l + r >> 1;
if (d[mid] <= obstacles[i]) l = mid + 1;
else r = mid;
}
// l 的位置满足 d[l-1] <= obstacle[i] < d[l]
// 即长度为l的递增子串, 末尾的最小元素由原先的 d[l] 更新为 obstacle[i]
d[l] = obstacles[i];
ans[i] = l;
}
}
return ans;
}
}
(完)