801. 使序列递增的最小交换次数(动态规划解法)

我们有两个长度相等且不为空的整型数组 nums1 和 nums2 。在一次操作中,我们可以交换 nums1[i] 和 nums2[i]的元素。

例如,如果 nums1 = [1,2,3,8] , nums2 =[5,6,7,4] ,你可以交换 i = 3 处的元素,得到 nums1 =[1,2,3,4] 和 nums2 =[5,6,7,8] 。
返回 使 nums1 和 nums2 严格递增 所需操作的最小次数 。

数组 arr 严格递增 且 arr[0] < arr[1] < arr[2] < … < arr[arr.length - 1] 。

注意:

用例保证可以实现操作。

示例 1:

输入: nums1 = [1,3,5,4], nums2 = [1,2,3,7]
输出: 1
解释:
交换 A[3] 和 B[3] 后,两个数组如下:
A = [1, 3, 5, 7] , B = [1, 2, 3, 4]
两个数组均为严格递增的。
示例 2:

输入: nums1 = [0,3,5,8,9], nums2 = [2,1,4,6,9]
输出: 1

提示:

2 <= nums1.length <= 105
nums2.length == nums1.length
0 <= nums1[i], nums2[i] <= 2 * 105

来源:力扣(LeetCode)
链接:https://leetcode.cn/problems/minimum-swaps-to-make-sequences-increasing
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

解法:本题是典型的动态规划题,需要较高的问题抽象规划能力

class Solution {
public:
    int minSwap(vector<int>& nums1, vector<int>& nums2) {
        int len1 = nums1.size();
        vector<vector<int>>dp(len1,vector<int>(2,0));
        dp[0][0] = 0;
        dp[0][1] = 1;
        for(int i=1;i<len1;++i){
            int a1 = nums1[i-1], a2=nums1[i], b1=nums2[i-1],b2 = nums2[i];
            if((a1<a2&&b1<b2)&&(a1<b2&&a2>b1)){
                dp[i][0] = min(dp[i-1][0],dp[i-1][1]);
                dp[i][1] = dp[i][0]+1;
            }else if(a1<a2&&b1<b2){
                dp[i][0] = dp[i-1][0];
                dp[i][1] = dp[i-1][1]+1;
            }else{
                dp[i][0] = dp[i-1][1];
                dp[i][1] = dp[i-1][0] + 1;
            }
        }
        return min(dp[len1-1][0],dp[len1-1][1]);
    }
};

参考 大神解析

具体解析
在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
动态规划是一种解决最值问题的方法,其中最长递增序列问题是其中的一个典型应用。在这个问题中,我们需要找到一个给定序列中最长的递增序列动态规划解决最长递增序列问题的一般步骤如下: 1. 创建一个长度与原始序列相同的dp数组,用来存储以当前元素为结尾的最长递增序列的长度。 2. 初始化dp数组的每个元素为1,表示以该元素为结尾的最长递增序列的长度至少为1。 3. 从序列的第二个元素开始,遍历整个序列。 4. 对于每个元素,再次遍历该元素之前的所有元素。 5. 如果当前元素大于前面的某个元素,并且以该前面的元素为结尾的最长递增序列长度加1大于当前元素所在位置的dp数组的值,则更新当前元素的dp数组的值为该长度。 6. 最后,遍历整个dp数组,找到最大值,即为最长递增序列的长度。 根据上述步骤,我们可以使用普通的动态规划算法来解决最长递增序列问题,其时间复杂度为O(N^2)。引用介绍了动态规划方法在解决最长递增序列问题时的应用。引用指出了在解决该问题时,需要按照第一维参数进行升序排序,然后按照第二维参数降序排序。而引用中的代码展示了如何利用dp数组来求得最长递增序列的长度。 因此,根据上述引用内容,可以总结出通过动态规划来解决最长递增序列问题的一般方法和相关注意事项。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [动态规划算法 | 最长递增序列](https://blog.csdn.net/qq_38844835/article/details/127464625)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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