LeetCode 每日一题 2023/2/13-2023/2/19

记录了初步解题思路 以及本地实现代码;并不一定为最优 也希望大家能一起探讨 一起进步




2/13 1234. 替换子串得到平衡字符串

对于剩余子串 只要所有字符出现次数少于等于s/4即可
待替换字符串使用滑动窗口l,r 从小到大枚举所有l
为了使[l,r]最小 需要找到最近的r

def balancedString(s):
    """
    :type s: str
    :rtype: int
    """
    from collections import Counter
    cnt = Counter(s)
    ave = len(s)//4
    def check():
        if cnt['Q']>ave or cnt['W']>ave or cnt['E']>ave or cnt['R']>ave:
            return False
        return True
    if check():
        return 0
    ans = len(s)
    r = 0
    for l,c in enumerate(s):
        while r<len(s) and not check():
            cnt[s[r]]-=1
            r+=1
        if not check():
            break
        ans = min(ans,r-l)
        cnt[c]+=1
    return ans



2/14 1124. 表现良好的最长时间段

大于8为1 小于等于8为-1
要求将某一段时间和大于0
前缀和 并用哈希表记录某一值第一次出现的位置


def longestWPI(hours):
    """
    :type hours: List[int]
    :rtype: int
    """
    cur = 0
    ans = 0
    m = {}
    for i,h in enumerate(hours):
        if h>8:
            cur+=1
        else:
            cur-=1
        if cur>0:
            ans = max(ans,i+1)
        else:
            if cur-1 in m:
                ans = max(ans,i-m[cur-1])
        if cur not in m:
            m[cur]=i
    return ans


2/15 1250. 检查「好数组」

只要两个数i,j最大公约数为1 可以得到ix-jy=1
只要数组内最大公约数为1既满足

def isGoodArray(nums):
    """
    :type nums: List[int]
    :rtype: bool
    """
    from functools import reduce
    from math import gcd
    return reduce(gcd,nums)==1



2/16 2341. 数组能形成多少数对

遍历统计每个数出现次数

def numberOfPairs(nums):
    """
    :type nums: List[int]
    :rtype: List[int]
    """
    m={}
    for num in nums:
        m[num] = m.get(num,0)+1
    a,b = 0,0
    for v in m.values():
        a += v//2
        b += v%2
    return [a,b]



2/17 1139. 最大的以 1 为边界的正方形

row,col分别记录行、列的前缀和
前缀和相减即可得到某行某列一段长度是否都为1
ans记录当前能够满足的最大边长
遍历每一个点从ans长度开始判断是否满足
判断四条边总和是否等于当前判断的长度cur
无论是否可以 不断增大直到无法满足

def largest1BorderedSquare(grid):
    """
    :type grid: List[List[int]]
    :rtype: int
    """
    ans = 0
    m,n = len(grid),len(grid[0])
    row,col  = [[0]*(n+1) for _ in range(m)],[[0]*n for _ in range(m+1)]
    for i in range(m):
        for j in range(n):
            row[i][j+1] = row[i][j]+grid[i][j]
    for j in range(n):
        for i in range(m):
            col[i+1][j] = col[i][j]+grid[i][j]
                
    for i in range(m):
        for j in range(n):
            if grid[i][j]==1:
                cur = ans
                while i+cur<m and j+cur<n:
                    if row[i][j+cur+1]-row[i][j]!=cur+1:
                        cur+=1
                        continue
                    if col[i+cur+1][j]-col[i][j]!=cur+1:
                        cur+=1
                        continue
                    if row[i+cur][j+cur+1]-row[i+cur][j]!=cur+1:
                        cur+=1
                        continue
                    if col[i+cur+1][j+cur]-col[i][j+cur]!=cur+1:
                        cur+=1
                        continue
                    cur+=1
                    ans = cur
    return ans*ans



2/18 1237. 找出给定方程的正整数解

已知函数根据x,y都是单调递增的
如果f(x1,y1)=f(x2,y2)=z
x1<x2 则一定有y1>y2
可以从小到大遍历x 从大到小遍历y

def findSolution(customfunction, z):
    """
    :type num: int
    :type z: int
    :rtype: List[List[int]]
    """
    ans = []
    y = 1000
    for x in range(1,1001):
        while y>0 and customfunction.f(x,y)>z:
            y-=1
        if y==0:
            break
        if customfunction.f(x,y)==z:
            ans.append([x,y])
    return ans



2/19 1792. 最大平均通过率

班级总数不变 最大平均通过率即为最大总通过率
当一个班级多一个通过的考生 通过率增加了 p = (pass+1)/(total+1)-pass/total
因为直接增加第二个学生所提高的通过率小于增加一个学生提高的通过率
我们可以一个一个增加学生 将所有班级的P从大到小排列
每一次取p最大的班级

def maxAverageRatio(classes, extraStudents):
    """
    :type classes: List[List[int]]
    :type extraStudents: int
    :rtype: float
    """
    def cal(p,t):
        return 1.0*(p+1)/(t+1)-1.0*p/t
    import heapq
    h = []
    total = 0
    for p,t in classes:
        total += 1.0*p/t
        h.append((-cal(p,t),p,t))
    heapq.heapify(h)
    for _ in range(extraStudents):
        v,p,t = heapq.heappop(h)
        total -= v
        heapq.heappush(h, (-cal(p+1,t+1),p+1,t+1))
    return total/len(classes)



  • 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