2022-09-11 第 310 场周赛题解

最新推荐文章于 2024-08-29 16:23:51 发布

18阿鲁

最新推荐文章于 2024-08-29 16:23:51 发布

阅读量183

点赞数

文章标签： leetcode 算法 java

本文链接：https://blog.csdn.net/weixin_43260719/article/details/126908271

版权

2404. 出现最频繁的偶数元素

class Solution {
    public int mostFrequentEven(int[] nums) {
        Map<Integer,Integer> map = new HashMap<>();
        for (int num : nums) {
            if ((num & 1) != 0) {
                continue;
            }
            int times = map.getOrDefault(num,0);
            map.put(num,times+1);
        }
        int ans = -1;
        int count = 0;
        for (int num : map.keySet()) {
            if (map.get(num) > count) {
                ans = num;
                count = map.get(num);
            } else if (map.get(num) == count && num < ans) {
                ans = num;
            }
        }
        return ans;
    }
}

2405. 子字符串的最优划分

class Solution {
    public int partitionString(String s) {
        Set<Character> set = new HashSet<>();
        int ans = 0;
        for (char c : s.toCharArray()) {
            if (!set.contains(c)) {
                set.add(c);
                continue;
            }
            ans++;
            set.clear();
            set.add(c);
        }
        return ++ans;
    }
}

对区间排序，按照左端点小的优先，相同左端点的长度更短的优先。
小顶堆存储区间的右端点。(各个分组最靠右区间的右端点，通过这个堆可以得出最多有多少个区间可以相交)
若当前区间的左端点小于等于堆顶，说明当前区间一定与堆里面的各个区间相交，所以往堆里面加入当前区间的右端点。
若当前区间的左端点大于堆顶元素，说明当前区间至少与一个区间(堆顶)相处在同一个分组，弹出堆顶元素，加入当前区间右端点，用于更新堆顶。更新堆顶就是更新分组最靠右区间的右端点，这样避免漏掉会相交的区间。

class Solution {
    public int minGroups(int[][] intervals) {
        PriorityQueue<Integer> heap = new PriorityQueue<>();
        Arrays.sort(intervals,(a,b)->{
            if (a[0] != b[0]) {
                return a[0]- b[0];
            } else {
                return a[1] - b[1];
            }
        });
        for (int[] arr : intervals) {
            if (heap.isEmpty()) {
                heap.add(arr[1]);
            } else {
                if (arr[0] <= heap.peek()) {
                    heap.add(arr[1]);
                } else {
                    heap.add(arr[1]);
                    heap.poll();
                }
            }
        }
        return heap.size();
    }
}