LeetCode 1345. 跳跃游戏 IV(双向bfs) / 1332. 删除回文子序列 / 2034. 股票价格波动

1345. 跳跃游戏 IV

2022.1.21 每日一题

题目描述

给你一个整数数组 arr ,你一开始在数组的第一个元素处(下标为 0)。

每一步,你可以从下标 i 跳到下标:

i + 1 满足:i + 1 < arr.length
i - 1 满足:i - 1 >= 0
j 满足:arr[i] == arr[j] 且 i != j

请你返回到达数组最后一个元素的下标处所需的 最少操作次数 。

注意:任何时候你都不能跳到数组外面。

示例 1:

输入:arr = [100,-23,-23,404,100,23,23,23,3,404]
输出:3
解释:那你需要跳跃 3 次,下标依次为 0 --> 4 --> 3 --> 9 。下标 9 为数组的最后一个元素的下标。

示例 2:

输入:arr = [7]
输出:0
解释:一开始就在最后一个元素处,所以你不需要跳跃。

示例 3:

输入:arr = [7,6,9,6,9,6,9,7]
输出:1
解释:你可以直接从下标 0 处跳到下标 7 处,也就是数组的最后一个元素处。

示例 4:

输入:arr = [6,1,9]
输出:2

示例 5:

输入:arr = [11,22,7,7,7,7,7,7,7,22,13]
输出:3

提示:

1 <= arr.length <= 5 * 10^4
-10^8 <= arr[i] <= 10^8

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/jump-game-iv
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。

思路

昨天是石子游戏,今天是跳跃游戏
困难题,但是这个题其实不难,很容易想到从一个点扩散的方法,就是bfs
但是bfs以后,发现超时
然后就自然而然的去想怎么优化,然后又很容易想到,每次去过相同数值的点以后,再去只会重复增加步数,没有必要,所以直接将遍历过的数值从map中删除,这样可以保证每个点都只走了一次,那么就可以通过了

class Solution {
    public int minJumps(int[] arr) {
        //每次只能进行三种操作,需要先统计相同元素的位置
        //广度优先搜索
        //从刚开始扩散,记录已扩散的点

        int n = arr.length;
        //统计相同数值的点
        Map<Integer, Set<Integer>> map = new HashMap<>();
        for(int i = 0; i < n; i++){
            int t = arr[i];
            Set<Integer> set = map.getOrDefault(t, new HashSet<>());
            set.add(i);
            map.put(t, set);
        }
        boolean[] used = new boolean[n];
        used[0] = true;
        Queue<Integer> queue = new LinkedList<>();
        queue.offer(0);

        int step = -1;
        while(!queue.isEmpty()){
            step++;
            int size = queue.size();
            while(size-- > 0){
                int top = queue.poll();
                if(top == n - 1)
                    return step;
                //遍历当前点能去的点
                if(!used[top + 1])
                    queue.offer(top + 1);
                if(top >= 1 && !used[top - 1])
                    queue.offer(top - 1);
                if(!map.containsKey(arr[top]))
                    continue;
                Set<Integer> set = map.get(arr[top]);
                for(int t : set){
                    if(used[t])
                        continue;
                    queue.offer(t);
                    used[t] = true;
                }
                //用了以后肯定都会加入到queue中,为了防止重复遍历,直接删除
                map.remove(arr[top]);
            }
        }
        return 0;
    }
}

好久没写过双向bfs了,看三叶姐写一下
写的真的很优雅

class Solution {
    //双向bfs

    int[] arr;
    int INF = 0x3f3f3f3f;       //表示没有出现
    int n;
    //存放 <值,下标集合>
    Map<Integer, List<Integer>> map = new HashMap<>();
    public int minJumps(int[] _arr) {
        arr = _arr;
        n = arr.length;
        if (n == 1) return 0;
        //倒叙存放,尽可能最快遍历到末尾
        for (int i = n - 1; i >= 0; i--) {
            List<Integer> list = map.getOrDefault(arr[i], new ArrayList<>());
            list.add(i);
            map.put(arr[i], list);
        }
        //两个队列
        Deque<Integer> d1 = new ArrayDeque<>(), d2 = new ArrayDeque<>();
        //记录每个位置在第几轮遍历出现过
        int[] dist1 = new int[n], dist2 = new int[n];
        Arrays.fill(dist1, INF);
        Arrays.fill(dist2, INF);
        //从首位开始遍历
        d1.addLast(0);
        dist1[0] = 0;
        d2.addLast(n - 1);
        dist2[n - 1] = 0;
        //如果有一个队列为空,说明首尾不能连通
        while (!d1.isEmpty() && !d2.isEmpty()) {
            int t = -1;
            //更新小的队列
            if (d1.size() < d2.size()) t = update(d1, d2, dist1, dist2);
            else t = update(d2, d1, dist2, dist1);
            if (t != -1) return t;
        }
        return -1; // never
    }
    public int update(Deque<Integer> d1, Deque<Integer> d2, int[] dist1, int[] dist2) {
        int m = d1.size();
        while (m-- > 0) {
            int t = d1.pollFirst(), step = dist1[t];
            if (t + 1 < n) {
                //如果t+1已经被另一个队列遍历过了,那么就说明找到了通路,返回步数
                if (dist2[t + 1] != INF) return step + 1 + dist2[t + 1];
                //如果没有遍历过,那么加入当前队列中并置当前步数
                if (dist1[t + 1] == INF) {
                    d1.addLast(t + 1);
                    dist1[t + 1] = step + 1;
                }
            }
            //同理遍历t-1
            if (t - 1 >= 0) {
                if (dist2[t - 1] != INF) return step + 1 + dist2[t - 1];
                if (dist1[t - 1] == INF) {
                    d1.addLast(t - 1);
                    dist1[t - 1] = step + 1;
                }
            }
            //将所有相同值的位置遍历一下
            List<Integer> list = map.getOrDefault(arr[t], new ArrayList<>());
            for (int ne : list) {
                if (dist2[ne] != INF) return step + 1 + dist2[ne];
                if (dist1[ne] == INF) {
                    d1.addLast(ne);
                    dist1[ne] = step + 1;
                }
            }
            //一样的删除操作,相同的遍历过了,就不需要重复遍历了
            map.remove(arr[t]);
        }
        return -1;
    }
}

1332. 删除回文子序列

2022.1.22 每日一题

题目描述

给你一个字符串 s,它仅由字母 ‘a’ 和 ‘b’ 组成。每一次删除操作都可以从 s 中删除一个回文 子序列。

返回删除给定字符串中所有字符(字符串为空)的最小删除次数。

「子序列」定义:如果一个字符串可以通过删除原字符串某些字符而不改变原字符顺序得到,那么这个字符串就是原字符串的一个子序列。

「回文」定义:如果一个字符串向后和向前读是一致的,那么这个字符串就是一个回文。

示例 1:

输入:s = “ababa”
输出:1
解释:字符串本身就是回文序列,只需要删除一次。

示例 2:

输入:s = “abb”
输出:2
解释:“abb” -> “bb” -> “”.
先删除回文子序列 “a”,然后再删除 “bb”。

示例 3:

输入:s = “baabb”
输出:2
解释:“baabb” -> “b” -> “”.
先删除回文子序列 “baab”,然后再删除 “b”。

提示:

1 <= s.length <= 1000
s 仅包含字母 ‘a’ 和 ‘b’

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/remove-palindromic-subsequences
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。

思路

class Solution {
    public int removePalindromeSub(String s) {
        //因为只有两个字母,所以最多就删除两次,先删除全部a,再删除全部b
        //如果本身就是一个回文,那么就删除一次
        int l = s.length();
        int left = 0;
        int right = l - 1;
        boolean flag = true;
        while(left < right){
            if(s.charAt(left) != s.charAt(right)){
                flag = false;
                break;
            }
            left++;
            right--;
        }
        return flag ? 1 : 2;
    }
}

2034. 股票价格波动

2022.1.23 每日一题

题目描述

给你一支股票价格的数据流。数据流中每一条记录包含一个 时间戳 和该时间点股票对应的 价格 。

不巧的是,由于股票市场内在的波动性,股票价格记录可能不是按时间顺序到来的。某些情况下,有的记录可能是错的。如果两个有相同时间戳的记录出现在数据流中,前一条记录视为错误记录,后出现的记录 更正 前一条错误的记录。

请你设计一个算法,实现:

更新 股票在某一时间戳的股票价格,如果有之前同一时间戳的价格,这一操作将 更正 之前的错误价格。
找到当前记录里 最新股票价格 。最新股票价格 定义为时间戳最晚的股票价格。
找到当前记录里股票的 最高价格 。
找到当前记录里股票的 最低价格 。

请你实现 StockPrice 类:

StockPrice() 初始化对象,当前无股票价格记录。
void update(int timestamp, int price) 在时间点 timestamp 更新股票价格为 price 。
int current() 返回股票 最新价格 。
int maximum() 返回股票 最高价格 。
int minimum() 返回股票 最低价格 。

示例 1:

输入:
[“StockPrice”, “update”, “update”, “current”, “maximum”, “update”, “maximum”, “update”, “minimum”]
[[], [1, 10], [2, 5], [], [], [1, 3], [], [4, 2], []]
输出:
[null, null, null, 5, 10, null, 5, null, 2]
解释:
StockPrice stockPrice = new StockPrice();
stockPrice.update(1, 10); // 时间戳为 [1] ,对应的股票价格为 [10] 。
stockPrice.update(2, 5); // 时间戳为 [1,2] ,对应的股票价格为 [10,5] 。
stockPrice.current(); // 返回 5 ,最新时间戳为 2 ,对应价格为 5 。
stockPrice.maximum(); // 返回 10 ,最高价格的时间戳为 1 ,价格为 10 。
stockPrice.update(1, 3); // 之前时间戳为 1 的价格错误,价格更新为 3 。
// 时间戳为 [1,2] ,对应股票价格为 [3,5] 。
stockPrice.maximum(); // 返回 5 ,更正后最高价格为 5 。
stockPrice.update(4, 2); // 时间戳为 [1,2,4] ,对应价格为 [3,5,2] 。
stockPrice.minimum(); // 返回 2 ,最低价格时间戳为 4 ,价格为 2 。

提示:

1 <= timestamp, price <= 10^9
update,current,maximum 和 minimum 总 调用次数不超过 10^5 。
current,maximum 和 minimum 被调用时,update 操作 至少 已经被调用过 一次 。

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/stock-price-fluctuation
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。

思路

主要是要查找股票的最高和最低价格,这个用优先队列来处理
两个优先队列,一个从小到大,一个从大到小,顶部就是要找的值
但是这个值可能被更新了,如果被更新了,就从队列顶部弹出

class StockPrice {
    //最高最低用优先队列处理
    //map存储对应的时间股票,最新股票记录时间戳最晚的股票价格

    Map<Integer, Integer> map;
    int newTime;
    int newPrice;
    PriorityQueue<int[]> maxpq;
    PriorityQueue<int[]> minpq;
    public StockPrice() {
        map = new HashMap<>();
        newTime = 0;
        newPrice = 0;
        minpq = new PriorityQueue<>((a, b) -> (a[1] - b[1]));
        maxpq = new PriorityQueue<>((a, b) -> (b[1] - a[1]));
    }
    
    public void update(int timestamp, int price) {
        map.put(timestamp, price);
        if(timestamp >= newTime){
            newTime = timestamp;
            newPrice = price;
        }
        int[] temp = new int[]{timestamp, price};
        minpq.offer(temp);
        maxpq.offer(temp);
    }
    
    public int current() {
        return newPrice;
    }
    
    public int maximum() {
        while(true){
            int[] top = maxpq.poll();
            //如果有这个股票
            if(map.containsKey(top[0]) && map.get(top[0]) == top[1]){
                maxpq.offer(top);
                return top[1];
            }else{
                continue;
            }
        }
    }
    
    public int minimum() {
        while(true){
            int[] top = minpq.poll();
            //如果有这个股票
            if(map.containsKey(top[0]) && map.get(top[0]) == top[1]){
                minpq.offer(top);
                return top[1];
            }else{
                continue;
            }
        }
    }
}

/**
 * Your StockPrice object will be instantiated and called as such:
 * StockPrice obj = new StockPrice();
 * obj.update(timestamp,price);
 * int param_2 = obj.current();
 * int param_3 = obj.maximum();
 * int param_4 = obj.minimum();
 */
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。

“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