青蛙过河
题目描述
小青蛙住在一条河边, 它想到河对岸的学校去学习。小青蛙打算经过河里 的石头跳到对岸。
河里的石头排成了一条直线, 小青蛙每次跳跃必须落在一块石头或者岸上。 不过, 每块石头有一个高度, 每次小青蛙从一块石头起跳, 这块石头的高度就 会下降 1 , 当石头的高度下降到 0 时小青蛙不能再跳到这块石头上(某次跳跃 后使石头高度下降到 0 是允许的)。
小青蛙一共需要去学校上 x 天课, 所以它需要往返 2x 次。当小青蛙具有 一个跳跃能力 y 时, 它能跳不超过
y 的距离。
请问小青蛙的跳跃能力至少是多少才能用这些石头上完 x 次课。
输入格式
输入的第一行包含两个整数 n,x, 分别表示河的宽度和小青蛙需要去学校 的天数。请注意 2x 才是实际过河的次数。
第二行包含 n−1 个非负整数
1
,
2
,
⋯
,
H
1
,
H
2
,
⋯
,
H
n
−
1
1,2,⋯,H _1,H_2,⋯,H_n−1
1,2,⋯,H1,H2,⋯,Hn−1 , 其中
H
i
H_i
Hi 表示在河中与 小青蛙的家相距 i 的地方有一块高度为
H
i
H_i
Hi 的石头,
H
i
H_i
Hi =0 表示这个位置没有石头。
输出格式
输出一行, 包含一个整数, 表示小青蛙需要的最低跳跃能力。
样例
样例输入
5 1
1 0 1 0
样例输出
4
样例说明
由于只有两块高度为 1 的石头,所以往返只能各用一块。第 1 块石头和对岸的距离为
4,如果小青蛙的跳跃能力为 3 则无法满足要求。所以小青蛙最少需要 4 的跳跃能力。
评测用例规模与约定
30% : n <= 100
50% : n <= 1000
100%:
1
<
=
n
<
=
1
0
5
,
1
<
=
x
<
=
1
0
9
,
1
<
=
H
I
<
=
1
0
4
1 <= n <= 10^5, 1 <= x <= 10^9, 1 <= H_I <= 10^4
1<=n<=105,1<=x<=109,1<=HI<=104
运行限制
- 最大限制时间: 1s
- 最大空间限制:256MB
思路
尽量大的里面选最小,很有可能是要使用二分(做题做出来的规律),能够跳跃的长度即为区间长度,能够跳过当前区间的条件是,当前区间的石头的长度和大于等于2x,区间长度在枚举的过程中需要逐步递增,且当前区间的石头总和在递增,这便有了单调性,然后就是在满足条件后,取最小值。
代码实现
import java.util.Scanner;
// 1:无需package
// 2: 类名必须Main, 不可修改
public class Main {
static int n, k;
static int[] arr;
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
//在此输入您的代码...
n = sc.nextInt();
k = sc.nextInt();
arr = new int[n];
for(int i = 1; i < n; i++){
arr[i] = arr[i-1] + sc.nextInt();
}
int l = 0, r = n+1;
while(l < r){
int mid = (l + r) >> 1;
if(judge(mid)) r = mid;
else l = mid + 1;
}
System.out.println(l);
sc.close();
}
private static boolean judge(int x){
int min = Integer.MAX_VALUE;
for(int i = 1; i + x <= n; i++){
min = Math.min(min, arr[i+x-1] - arr[i-1]);
}
if(min >= 2 * k) return true;
return false;
}
}
在排序数组中查找元素的第一个和最后一个位置
题目描述
给你一个按照非递减顺序排列的整数数组 nums,和一个目标值 target。请你找出给定目标值在数组中的开始位置和结束位置。
如果数组中不存在目标值 target,返回 [-1, -1]。
你必须设计并实现时间复杂度为 O(log n) 的算法解决此问题。
样例
样例输入
nums = [5,7,7,8,8,10], target = 8
nums = [5,7,7,8,8,10], target = 6
nums = [], target = 0
样例输出
[3,4]
[-1,-1]
[-1,-1]
提示
- 0 < = n u m s . l e n g t h < = 1 0 5 0 <= nums.length <= 10^5 0<=nums.length<=105
- − 1 0 9 < = n u m s [ i ] < = 1 0 9 -10^9 <= nums[i] <= 10^9 −109<=nums[i]<=109
- n u m s 是一个非递减数组 nums 是一个非递减数组 nums是一个非递减数组
- − 1 0 9 < = t a r g e t < = 1 0 9 -10^9 <= target <= 10^9 −109<=target<=109
思路
标准二分咯,今天就是做完上一题后,感觉自己的二分还不够熟练,今天特地练习一下。
代码实现
class Solution {
public int[] searchRange(int[] nums, int target) {
if(nums.length == 0) return new int[]{-1, -1};
int[] ans = new int[2];
int l = 0, r = nums.length;
// 左闭右开区间,当nums[mid]= target时,r = mid, 也是一直在缩小区间范围。
// 单一个开区间,开右区间好点,开左区间mid似乎得向上取整。
// 这个二分的结果为第一个出现target的位置。
while(l < r){
int mid = (l + r) / 2;
if(nums[mid] < target) l = mid + 1;
else r = mid;
}
if(l == nums.length || nums[l] != target) return new int[]{-1, -1};
ans[0] = (nums[l] == target ? l : -1);
l = 0;
r = nums.length - 1;
// 左闭右闭区间,这样子容易求的第一个出现target和最后一个出现target的位置。
// 改改if的条件技能修改结果为第一个出现target的位置或最后一个出现target的位置。
while(l <= r){
int mid = (l + r) / 2;
if(nums[mid] > target) r = mid - 1;
else l = mid + 1;
}
/* 左闭由开区间,但是mid得向上取整,即(left+right+1)/ 2;
求的是最后一个出现target的位置。
while(l < r){
int mid = (l + r + 1) / 2;
if(nums[mid] > target) r = mid - 1;
else l = mid;
}
*/
ans[1] = (nums[r] == target ? r : -1);
return ans;
}
}
掷骰子模拟
题目描述
有一个骰子模拟器会每次投掷的时候生成一个 1 到 6 的随机数。
不过我们在使用它时有个约束,就是使得投掷骰子时,连续 掷出数字 i 的次数不能超过 rollMax[i](i 从 1 开始编号)。
现在,给你一个整数数组 rollMax 和一个整数 n,请你来计算掷 n 次骰子可得到的不同点数序列的数量。
假如两个序列中至少存在一个元素不同,就认为这两个序列是不同的。由于答案可能很大,所以请返回 模 10^9 + 7 之后的结果。
样例
样例输入
n = 2, rollMax = [1,1,2,2,2,3]
n = 2, rollMax = [1,1,1,1,1,1]
n = 3, rollMax = [1,1,1,2,2,3]
样例输出
34
我们掷 2 次骰子,如果没有约束的话,共有 6 * 6 = 36 种可能的组合。但是根据 rollMax 数组,数字 1 和 2 最多连续出现一次,所以不会出现序列 (1,1) 和 (2,2)。因此,最终答案是 36-2 = 34。
30
181
提示
- 1 <= n <= 5000
- rollMax.length == 6
- 1 <= rollMax[i] <= 15
思路
最优结果肯定为动态规划,但是,动态规划的转移转移方程式并不是很容易就想出来的。借此题使得如何将算法优化至动态规划。
代码实现
暴力递归模拟,递归程序中有几个需要关注的信息,上一个点数,持续了几个次,当前投掷了几个骰子。
暴力递归模拟,时间复杂度属于指数级,还是很容易超时的。
class Solution {
private static final int MOD = (int)1e9+7;
int[] rollMax;
public int dieSimulator(int n, int[] rollMax) {
int max = Arrays.stream(rollMax).max().getAsInt();
this.rollMax = rollMax;
cache = new int[n][6][max];
for(int i = 0; i < n; i++)
for(int j = 0; j < 6; j++)
Arrays.fill(cache[i][j], -1);
long res = 0;
for(int i = 0; i < 6; i++){
res += dfs(n-1, i, rollMax[i]-1);
}
return (int)(res % MOD);
}
private int dfs(int i, int last, int left){
if(i == 0) return 1;
long res = 0;
for(int k = 0; k < 6; k++){
if(k != last) res += dfs(i-1, k, rollMax[k]-1);
else if(left > 0) res += dfs(i-1, k, left-1);
}
return (int)(res % MOD);
}
}
记忆化搜索,将已经计算过的结果记录下来,下次遇到同等情况,直接返回记录的结果即可。
将已经计算的结果记录下来,能过很大程度的降低时间复杂度。
class Solution {
private static final int MOD = (int)1e9+7;
int[] rollMax;
int[][][] cache;
public int dieSimulator(int n, int[] rollMax) {
int max = Arrays.stream(rollMax).max().getAsInt();
this.rollMax = rollMax;
cache = new int[n][6][max];
for(int i = 0; i < n; i++)
for(int j = 0; j < 6; j++)
Arrays.fill(cache[i][j], -1);
long res = 0;
for(int i = 0; i < 6; i++){
res += dfs(n-1, i, rollMax[i]-1);
}
return (int)(res % MOD);
}
private int dfs(int i, int last, int left){
if(i == 0) return 1;
if(cache[i][last][left] != -1) return cache[i][last][left];
long res = 0;
for(int k = 0; k < 6; k++){
if(k != last) res += dfs(i-1, k, rollMax[k]-1);
else if(left > 0) res += dfs(i-1, k, left-1);
}
return cache[i][last][left] = (int)(res % MOD);
}
}
动态规划
记忆化的递归即是自上向下的执行程序,其实在递归的时候,状态转移方程式,就已经写在递归函数中了。
只需将自上向下的程序修改为自下向上,就是动态规划。
class Solution {
private static final int MOD = (int)1e9+7;
public int dieSimulator(int n, int[] rollMax){
int len = rollMax.length;
int max = Arrays.stream(rollMax).max().getAsInt();
var dp = new long[n][6][max];
for(int i = 0; i < 6; i++)
Arrays.fill(dp[0][i], 1);
for(int i = 1; i < n; i++){
for(int last = 0; last < 6; last++){
for(int left = 0; left < max; left++){
long res = 0;
for(int j = 0; j < len; j++){
if(j != last) res += dp[i-1][j][rollMax[j]-1];
else if(left > 0) res += dp[i-1][j][left-1];
}
dp[i][last][left] = res % MOD;
}
}
}
long ans = 0;
for(int i = 0; i < 6; i++) ans += dp[n-1][i][rollMax[i]-1];
return (int)(ans % MOD);
}
}