前缀树
某些字符串在生成这些前缀树的过程中是这么生成的。前缀树也是一颗树结构假设把“abc”放入这颗树中。看头结点有没有走向a的路,每一个字母是填在路上的,不是填在点上面的。没有就加入,通过这种方式把abc加入到树中。如果把“abd”加到树上,从头结点开始有走向a的路吗?有,就复用,不重复建。再看从a到达的结点往后有没有b的路,有就复用,但是之后没有走向d的路。就建出来。一个字符串加的过程中总是从头结点开始,依次看有没有沿途的路,如果有,复用,如果没有就建出来。干净的结点的话:可以用来判断这些字符串以什么开头。增加功能:看字符串中有没有“be”,只能知道树中有没有“be”并不知道“be”出现了几次。所以在结点上增加一个数据项,这个数据项的功能是看有多少个字符串是以当前的结点结尾的。把某一个数据项加到结点上,让这个结点本身的值的内容丰富起来之后,那么这个前缀树的功能就可以扩充了。
扩充功能,就是丰富结点的数据项,与前缀有关的。加每个字符串的代价就是字符串的长度,查的时候也是。和样本量无关和样本的长度有关。
public class TrieTree {
public static void main(String[] args) {
Trie trieTree=new Trie();
String[] arr= {"abc","abcd","ade","abcde"};
for(String s:arr) {
trieTree.insert(s);
}
// trieTree.insert("abc");
// System.out.println(trieTree.search("abc")!=0?"存在":"不存在");
// trieTree.delete("abc");
// System.out.println(trieTree.search("abc")==1?"存在":"不存在");
System.out.println(trieTree.prefixNumber("abcd"));
}
}
//实现类
class Trie{
private Node root; //前缀树的根节点
public Trie() {
root=new Node();
}
//插入新字符串
public void insert(String word) {
if(word==null) {
return;
}
char[] arr=word.toCharArray(); //将插入的字符串转化为char数组
Node node=root;
int path=0;
for(char c:arr) {
path=c-'a';
if(node.next[path]==null) { //该节点不存在
node.next[path]=new Node();
}
node=node.next[path];
node.pass++;
}
node.end++;
}
//查找该字符串是否存在
public int search(String word) {
if(word==null) {
return 0;
}
char[] arr=word.toCharArray();
int path=0;
Node node=root;
for(char c:arr) {
path=c-'a';
if(node.next[path]==null) { //查找的字符对应的节点不存在
return 0;
}
node=node.next[path];
}
return node.end;
}
public void delete(String word) {
if(search(word)!=0) {
char[] arr=word.toCharArray();
int path=0;
Node node=root; //从root开始
node.pass--; //该节点的pass减一
for(char c:arr) {
path=c-'a';
if(--node.next[path].pass==0) {
node.next[path]=null;
return;
}
node=node.next[path];
}
node.end--; //结尾节点的end减一
}
}
//查找以该pre为前缀的字符的数量
public int prefixNumber(String pre) {
if(pre==null) {
return 0;
}
char[] arr=pre.toCharArray();
Node node=root;
int path=0;
for(char c:arr) {
path=c-'a';
if(node.next[path]==null) {
return 0;
}
node=node.next[path];
}
return node.pass;
}
}
//节点类
class Node{
public int pass; //经过该节点的次数
public int end; //该节点作为字符串结尾的次数
public Node[] next;
public Node() {
pass=0;
end=0;
next=new Node[26];
}
}
贪心算法
在某一个标准下,优先考虑最满足标准的样本,最后考虑最不满足标准的样本,最终得到一个答案的算法,叫作贪心算法。
也就是说,不从整体最优上加以考虑,所做出的是在某种意义上的局部最优解。
局部最优 -?-> 整体最优
贪心算法的在笔试时的解题套路
-
实现一个不依靠贪心策略的解法X,可以用最暴力的尝试
-
脑补出贪心策略A、贪心策略B、贪心策略C...
-
用解法X和对数器,去验证每一个贪心策略,用实验的方式得知哪个贪心策略正确
-
不要去纠结贪心策略的证明
从头到尾展示最正统的贪心策略求解过程
例子:
给定一个字符串类型的数组strs,找到一种拼接方式,使得把所有字符串拼起来之后形成的字符串具有最小的字典序。
(证明贪心策略可能是件非常腌心的事情。平时当然推荐你搞清楚所有的来龙去脉,但是笔试时用对数器的方式!)
public static class MyComparator implements Comparator<String> {
@Override
public int compare(String o1, String o2) {
return (o1 + o2).compareTo(o2 + o1);
}
}
public static String lowestString(String[] strs) {
if (strs == null || strs.length == 0) {
return "";
}
Arrays.sort(strs, new MyComparator());
String res = "";
for (int i = 0; i < strs.length; i++) {
res += strs[i];
}
return res;
}
贪心策略在实现时,经常使用到的技巧:#
-
根据某标准建立一个比较器来排序
-
根据某标准建立一个比较器来组成堆
一块金条切成两半,是需要花费和长度数值一样的铜板的。比如长度为20的金条,不管切成长度多大的两半,都要花费20个铜板。#
一群人想整分整块金条,怎么分最省铜板?
例如,给定数组{10,20,30},代表一共三个人,整块金条长度为10+20+30=60。
金条要分成10,20,30三个部分。 如果先把长度60的金条分成10和50,花费60;再把长度50的金条分成20和30,花费50;一共花费110铜板。
但是如果先把长度60的金条分成30和30,花费60;再把长度30金条分成10和20,花费30;一共花费90铜板。
输入一个数组,返回分割的最小代价。
public static int lastMoney(int[] arr) {
PriorityQueue<Integer> pQ = new PriorityQueue<>();
for (int i = 0; i < arr.length; i++) {
pQ.add(arr[i]);
}
int sum = 0;
int cur = 0;
while (pQ.size() > 1) {
cur = pQ.poll() + pQ.poll();
sum += cur;
pQ.add(cur);
}
return sum;
}
一些项目要占用一个会议室宣讲,会议室不能同时容纳两个项目的宣讲。#
给你每一个项目开始的时间和结束的时间(给你一个数组,里面是一个个具体的项目),你来安排宣讲的日程,要求会议室进行的宣讲的场次最多。
返回这个最多的宣讲场次。
public static class Program {//项目类型
public int start;
public int end;
public Program(int start, int end) {
this.start = start;
this.end = end;
}
}
public static class ProgramComparator implements Comparator<Program> {//比较器类型
@Override
public int compare(Program o1, Program o2) {
return o1.end - o2.end;
}
}
public static int bestArrange(Program[] programs, int start) {
Arrays.sort(programs, new ProgramComparator());
int result = 0;
for (int i = 0; i < programs.length; i++) {
if (start <= programs[i].start) {
result++;
start = programs[i].end;
}
}
return result;
}
输入:
正数数组costs
正数数组profits
正数k
正数m
含义:
costs[i]表示i号项目的花费
profits[i]表示i号项目在扣除花费之后还能挣到的钱(利润)
k表示你只能串行的最多做k个项目
m表示你初始的资金
说明:
你每做完一个项目,马上获得的收益,可以支持你去做下一个项目。
输出:
你最后获得的最大钱数。
public static class Node {
public int profit;
public int cost;
public Node(int profit, int cost) {
this.profit = profit;
this.cost = cost;
}
}
public static class MinCostComparator implements Comparator<Node> {
@Override
public int compare(Node o1, Node o2) {
return o1.cost - o2.cost;
}
}
public static class MaxCostComparator implements Comparator<Node> {
@Override
public int compare(Node o1, Node o2) {
return o2.profit - o1.profit;
}
}
public static int findMaximizedCapital(int k, int W, int[] profits, int[] costs) {
Node[] nodes = new Node[profits.length];
for (int i = 0; i < profits.length; i++) {
nodes[i] = new Node(profits[i], costs[i]);
}
PriorityQueue<Node> minCostQ = new PriorityQueue<>(new MinCostComparator());
PriorityQueue<Node> maxProfitQ = new PriorityQueue<>(new MaxCostComparator());
for (Node node : nodes) {
minCostQ.add(node);
}
for (int i = 0; i < k; i++) {//进行k轮
while (!minCostQ.isEmpty() && minCostQ.peek().cost <= W) {
maxProfitQ.add(minCostQ.poll());
}
if (maxProfitQ.isEmpty()) {
return W;
}
W += maxProfitQ.poll().profit;
}
return W;
}
一个数据流中,随时可以取得中位数
public static class MedianHolder {
private PriorityQueue<Integer> maxHeap = new PriorityQueue<>(new MaxHeapComparator());
private PriorityQueue<Integer> minHeap = new PriorityQueue<>(new MinHeapComparator());
private void modifyTwoHeapsSize() {
if (this.maxHeap.size() == this.minHeap.size() + 2) {
this.minHeap.add(this.maxHeap.poll());
}
if (this.minHeap.size() == this.maxHeap.size() + 2) {
this.maxHeap.add(this.minHeap.poll());
}
}
public void addNumber(int num) {
if (maxHeap.isEmpty() || num <= maxHeap.peek()) {
maxHeap.add(num);
} else {
minHeap.add(num);
}
modifyTwoHeapsSize();
}
public Integer getMedian() {
int maxHeapSize = this.maxHeap.size();
int minHeapSize = this.minHeap.size();
if (maxHeapSize + minHeapSize == 0) {
return null;
}
Integer maxHeapHead = this.maxHeap.peek();
Integer minHeapHead = this.minHeap.peek();
if (((maxHeapSize + minHeapSize) & 1) == 0) {
return (maxHeapHead + minHeapHead) / 2;
}
return maxHeapSize > minHeapSize ? maxHeapHead : minHeapHead;
}
}
public static class MaxHeapComparator implements Comparator<Integer> {
@Override
public int compare(Integer o1, Integer o2) {
return o2 - o1;
}
}
public static class MinHeapComparator implements Comparator<Integer> {
@Override
public int compare(Integer o1, Integer o2) {
return o1 - o2;
}
}
N皇后问题
N皇后问题是指在N*N的棋盘上要摆N个皇后,要求任何两个皇后不同行、不同列,也不在同一条斜线上。
给定一个整数n,返回n皇后的摆法有多少种
n = 1,返回1
n = 2或3,2皇后和3皇后问题怎么摆都不行,返回0
n = 8,返回92
public static int num1(int n){
if(n < 0){
return 0;
}
//record[0]代表第0行的皇后放在哪一列
int[] record = new int[n];
return process1(0,record,n);
}
//record[0..i-1]的皇后,任意两个皇后一定不共行,不共列,不共斜线
//当前来到第i行,
//record[0...i-1]表示之前的行,放了的皇后位置
//n代表整体一共有多少行
//返回值是,摆完所有的皇后,合理的摆法有多少种
public static int process1(int i,int[] record,int n){
//终止行
if(i == n){
return 1;
}
int res = 0;
//当前行在i行,尝试所有的列j
for(int j = 0;j < n;j++){
//当前i行的皇后,放在j列,会不会和之前的(0...i-1)的皇后,共行共列或者共斜线
//如果是,认为无效
//如果不是,认为有效
if(isValid(record,i,j){
record[i] = j;
res += process1(i+1,record,n);
}
}
return res;
}
//record[0...i-1]需要看,后续的不需要
//返回i行皇后,放在j列,是否有效
public static boolean isValid(int[] record,int i,int j){
for(int k = 0; k < i; k++){
//共列和共斜线返回false
if(j == record[k] || Math.abs(record[k] - j) == Math.abs(i-k)){
return false;
}
}
return true;
}