926. 将字符串翻转到单调递增

宫水三叶的刷题日记

于 2022-06-18 09:42:01 发布

阅读量161

点赞数

文章标签：程序人生

本文链接：https://blog.csdn.net/weixin_33243821/article/details/125343548

版权

题目描述

这是 LeetCode 上的 「926. 将字符串翻转到单调递增」 ，难度为 「中等」。

Tag : 「LIS」、「序列 DP」、「贪心」、「二分」、「动态规划」、「前缀和」、「枚举」、「容斥原理」

如果一个二进制字符串，是以一些（可能没有）后面跟着一些（也可能没有）的形式组成的，那么该字符串是单调递增的。

给你一个二进制字符串 s，你可以将任何翻转为或者将翻转为。

返回使 s 单调递增的最小翻转次数。

示例 1：

输入：s = "00110"

输出：1

解释：翻转最后一位得到 00111.

示例 2：

输入：s = "010110"

输出：2

解释：翻转得到 011111，或者是 000111。

示例 3：

输入：s = "00011000"

输出：2

解释：翻转得到 00000000。

提示：

s[i] 为 '0' 或 '1'

LIS 问题贪心解

根据题意，不难想到将原题进行等价转换：「令 s 长度为，原问题等价于在 s 中找到最长不下降子序列，设其长度为，那么对应的即是答案。」

由于数据范围为，因此我们需要使用 LIS 问题的贪心求解方式：「使用 g 数组记录每个长度的最小结尾元素，即 g[len] = x 含义为长度为的最长不下降子序列的结尾元素为，然后在从前往后处理每个时，由于是求解「最长不下降子序列」，等价于找「满足大于的最小下标」，这可以运用「二分」进行求解。」

❝
不了解 LIS 问题或者不清楚 LIS 问题贪心解法的同学可以看前置 🧀 : **LCS 问题与 LIS 问题的相互关系，以及 LIS 问题的最优解证明**，里面详细讲解了 LIS 贪心解的正确性证明，以及 LCS 和 LIS 在特定条件下存在的内在联系。
❞

代码：

class Solution {
    public int minFlipsMonoIncr(String s) {
        char[] cs = s.toCharArray();
        int n = cs.length, ans = 0;
        int[] g = new int[n + 10];
        Arrays.fill(g, n + 10);
        for (int i = 0; i < n; i++) {
            int t = s.charAt(i) - '0';
            int l = 1, r = i + 1;
            while (l < r) {
                int mid = l + r >> 1;
                if (g[mid] > t) r = mid;
                else l = mid + 1;
            }
            g[r] = t;
            ans = Math.max(ans, r);
        }
        return n - ans;
    }
}

时间复杂度：
空间复杂度：

前缀和 + 枚举

更进一步，利用 s 只存在和两种数值，我们知道最后的目标序列形如 000...000、000...111 或 111...111 的形式。

因此我们可以枚举目标序列的和分割点位置（分割点是是都可以，不消耗改变次数）。

于是问题转换为：分割点左边有多少个（目标序列中分割点左边均为，因此的个数为左边的改变次数），分割点的右边有多少个（目标序列中分割点右边均为，因此的个数为右边的改变次数），两者之和即是分割点为时的总变化次数，所有的总变化次数最小值即是答案。

而求解某个点左边或者右边有多少和可通过「前缀和」进行优化。

代码：

class Solution {
    public int minFlipsMonoIncr(String s) {
        char[] cs = s.toCharArray();
        int n = cs.length, ans = n;
        int[] sum = new int[n + 10];
        for (int i = 1; i <= n; i++) sum[i] = sum[i - 1] + (cs[i - 1] - '0');
        for (int i = 1; i <= n; i++) {
            int l = sum[i - 1], r = (n - i) - (sum[n] - sum[i]);
            ans = Math.min(ans, l + r);
        }
        return ans;
    }
}