Leetcode每日一题:424.longest-repeating-character-replacement(替换后的最长重复字符)

在这里插入图片描述
思路:参考题解:seerJJJ发布的题解

在这里插入图片描述
不必纠结maxL到底要不是随着窗口的变化而变化,maxL始终代表记录过的一个窗口中出现最多字符的个数,所以它肯定要么保持不变,要么增大;每次右移后都找滑窗中出现最多的字符个数,这很明显是没有必要的;
在这里插入图片描述

#include <iostream>
#include <vector>
using namespace std;

int characterReplacement(string s, int k)
{
	int left = 0, right = 0, maxL = 0;
	int len = s.size();
	if (len == 0)
		return 0;
	vector<int> letter(26, 0);//数组纪录相同的字母出现的次数
	while (right < len) //右指针从左向右不停的移动,直到字符串末尾
	{
		letter[s[right] - 'A']++; //letter中该字符相对'A'的位置++(代表窗口内该字符的出现的个数)
		maxL = max(maxL, letter[s[right] - 'A']); //一个窗口内最多出现的字符
		if (right - left + 1 > maxL + k)//窗口长度超出可替换的最大限度,那么整个窗口右移
		{
			letter[s[left++] - 'A']--; //左指针所指字符个数--
		}
		right++;
	}
	return len - left; //结束时窗口的长度
}

int main()
{
	cout << characterReplacement("AABABBA", 1) << endl;
	return 0;
}

也不上一个之前写的比较慢的双指针方法吧,有点像慢化版的窗口滑动;

int characterReplacement(string s, int k)
{
	int len = s.size();
	int l = 0, r = 0;
	int res = 0, count = 0, kk = 0; //kk代表当前滑窗中被替换的字符数量;
	if (len == 0)
		return 0;

	char pre = s[0];
	int next_l = 0; //遇到第一个不同的字符时,把它预先设置为下一个滑窗的左端点;
	bool flag = true;//保证next_l是当前滑窗第一个不同的字符
	while (r < len)
	{
		if (s[r] == pre)
		{
			count++;
			r++;
		}
		else
		{
			kk++;
			if (flag)
			{
				flag = false;
				next_l = r;
			}
			if (kk <= k) 
			{
				count++;
				r++;
			}
			else
			{
				res = max(res, count);
				count = 0;
				kk = 0;
				l = next_l;
				pre = s[l];
				r = l;
				flag = true;
			}
		}
	}
	if (r == len)
	{
		int add = min(len - count, k - kk);
		count += add;
		res = max(res, count);
	}
	return res;
}
  • 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,比如最公共子序列、背包问、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的型,很多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目,按照难度从简单到困难排列。每个目都有详细的目描述、输入输出样例、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和最优子结构性质的问。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,如背包问、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,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目涵盖了各种难度级别和场景的问。从简单的斐波那契数列、迷宫问到可以用于实际应用的背包问、最公共子序列等,难度不断递进且话丰富,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,它通过将问拆分成子问的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问,例如斐波那契数列、矩阵链乘法、背包问等。 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。例如,经典的“爬楼梯”问,要求我们计算到n级楼梯的方案数。这个问的解法非常简单,只需要维护一个度为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、保存中间状态来求解问。 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,但在某些场景下并不适用。例如,某些问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的学习和解都非常重要。除了刷以外,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