977. 有序数组的平方
题目:给你一个按 非递减顺序 排序的整数数组 nums
,返回 每个数字的平方 组成的新数组,要求也按 非递减顺序 排序。
第一遍自己做题思路:先得到数据平方后的数组,由于是非递减的,所以两头的值是最大的,两头往中间走数值会越来越小。所以用双指针从两头往中间逼近。
class Solution {
public:
vector<int> sortedSquares(vector<int>& nums) {
vector<int> result(nums.size(), 0);
for (int i = 0; i < nums.size(); i++) {
nums[i] = nums[i] * nums[i]; //可以简写为nums[i] *= nums[i];
}
int n = nums.size() - 1;
int left = 0, right = n;
while ( left <= right) { //特别注意,这里的条件包含等于,最后left和right指向同一个元素才结束。
if (nums[left] > nums[right]) {
result[n--] = nums[left++];
}else {
result[n--] = nums[right--];
}
}
return result;
}
};
做题时,在while后的判断条件出错,尤其注意有等号,因为最后left和right同时指向最小的元素才结束。
代码随想录文档中提供了暴力法和双指针法。
暴力法
直接使用sort(A.begin(), A.end())进行快速排序。
class Solution {
public:
vector<int> sortedSquares(vector<int>& A) {
for (int i = 0; i < A.size(); i++) {
A[i] *= A[i];
}
sort(A.begin(), A.end()); // 快速排序
return A;
}
};
双指针法
整体上和我的思路差不多,不过省略了第一步将数组的数据先平方的过程,更简洁一些。
class Solution {
public:
vector<int> sortedSquares(vector<int>& A) {
int k = A.size() - 1;
vector<int> result(A.size(), 0);
for (int i = 0, j = A.size() - 1; i <= j;) { // 注意这里要i <= j,因为最后要处理两个元素
if (A[i] * A[i] < A[j] * A[j]) {
result[k--] = A[j] * A[j];
j--;
}
else {
result[k--] = A[i] * A[i];
i++;
}
}
return result;
}
};
209.长度最小的子数组
题目:
给定一个含有 n
个正整数的数组和一个正整数 target
。找出该数组中满足其总和大于等于 target
的长度最小的 连续子数组[numsl, numsl+1, ..., numsr-1, numsr]
,并返回其长度。如果不存在符合条件的子数组,返回 0
。
思路:这道题自己没想出来,本来想用双层for循环,但子数组有可能包含多个元素,如果写出来就太复杂,然后就不知道应该怎么做了。
答案用了暴力解法和滑动窗口。
暴力解法
答案中抓住问题的条件时取最短的子序列,所以引入了子序列的长度,用语句“result = result < subLength ? result : subLength;”找到符合条件的子序列。
class Solution {
public:
int minSubArrayLen(int s, vector<int>& nums) {
int result = INT32_MAX; // 最终的结果
int sum = 0; // 子序列的数值之和
int subLength = 0; // 子序列的长度
for (int i = 0; i < nums.size(); i++) { // 设置子序列起点为i
sum = 0;
for (int j = i; j < nums.size(); j++) { // 设置子序列终止位置为j
sum += nums[j];
if (sum >= s) { // 一旦发现子序列和超过了s,更新result
subLength = j - i + 1; // 取子序列的长度
result = result < subLength ? result : subLength;
break; // 因为我们是找符合条件最短的子序列,所以一旦符合条件就break
}
}
}
// 如果result没有被赋值的话,就返回0,说明没有符合条件的子序列
return result == INT32_MAX ? 0 : result;
}
};
滑动窗口
滑动窗口,就是不断的调节子序列的起始位置和终止位置,从而得出我们要想的结果。滑动窗口也可以理解为双指针法的一种!只不过这种解法更像是一个窗口的移动,
在本题中实现滑动窗口,主要确定如下三点:
- 窗口内是什么?
- 如何移动窗口的起始位置?
- 如何移动窗口的结束位置?
滑动窗口的精妙之处在于根据当前子序列和大小的情况,不断调节子序列的起始位置。从而将O(n^2)暴力解法降为O(n)。
class Solution {
public:
int minSubArrayLen(int s, vector<int>& nums) {
int result = INT32_MAX;
int sum = 0; // 滑动窗口数值之和
int i = 0; // 滑动窗口起始位置
int subLength = 0; // 滑动窗口的长度
for (int j = 0; j < nums.size(); j++) {
sum += nums[j];
// 注意这里使用while,每次更新 i(起始位置),并不断比较子序列是否符合条件
while (sum >= s) {
subLength = (j - i + 1); // 取子序列的长度
result = result < subLength ? result : subLength;
sum -= nums[i++]; // 这里体现出滑动窗口的精髓之处,不断变更i(子序列的起始位置)
}
}
// 如果result没有被赋值的话,就返回0,说明没有符合条件的子序列
return result == INT32_MAX ? 0 : result;
}
};
参考了其他资料,发现了一个更滑动窗口的解法。窗口左边不通过for循环来控制,而是一旦sum大于target,就将窗口右移。
class Solution {
public:
int minSubArrayLen(int s, vector<int>& nums) {
int minLen=INT_MAX, left=0, right=0, sum=0;
while (right<nums.size()){
sum+= nums[right++];
while (sum>=s){
sum-=nums[left++];
minLen = min (minLen, right-left+1);
}
}
return minLen==INT_MAX? 0:minLen;
}
};
59.螺旋矩阵II
题目:
给你一个正整数 n
,生成一个包含 1
到 n2
所有元素,且元素按顺时针顺序螺旋排列的 n x n
正方形矩阵 matrix
。
思路:本题就是按照旋转路径进行遍历,但是要注意边界条件。
class Solution {
public:
vector<vector<int>> generateMatrix(int n) {
vector<vector<int>> matrix(n, vector<int>(n));
int x = 1;
int left = 0, right = n - 1;
int j = 0, i = 0;
while (left < right){
while (j < right){
matrix[i][j++] = x++;
}
while (i < right){
matrix[i++][j] = x++;
}
while (j > left){
matrix[i][j--] = x++;
}
while (i > left){
matrix[i--][j] = x++;
}
i++;
j++;
left++;
right--;
}
if (left == right){
matrix[i][j] = x;
}
return matrix;
}
};
总结
今天的题目用基础的思路解决稍微复杂一些的问题,稍微上了一些难度,且对细节的把控能力要求更高。双指针法一定要深入理解,可以在很多时侯简化算法,例如滑动窗口(双指针的变体)就很巧妙。螺旋矩阵考察的时对边界条件的掌控能力,这种题最好动手画一画示意图,能更好的理解,快速的给出边界条件。