LeetCode 每日一题 2023/7/24-2023/7/30

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




7/24 771. 宝石与石头

将宝石类型放入set中
一次判断石头中宝石个数

def numJewelsInStones(jewels, stones):
    """
    :type jewels: str
    :type stones: str
    :rtype: int
    """
    j = set(jewels)
    ans = 0
    for s in stones:
        if s in j:
            ans+=1
    return ans



7/25 2208. 将数组和减半的最少操作次数

大顶堆记录当前最大值 每次取最大值减半

def halveArray(nums):
    """
    :type nums: List[int]
    :rtype: int
    """
    import heapq
    target = sum(nums)*1.0/2
    
    l = []
    for num in nums:
        heapq.heappush(l,-num)
        
    cur = 0
    ans = 0
    while True:
        v = -heapq.heappop(l)
        cur +=v*1.0/2
        ans+=1
        if cur>=target:
            break
        heapq.heappush(l,-v*1.0/2)
    return ans



7/26 2569. 更新数组后处理求和查询

操作1是将nums1中[l,r]的数反转
操作2是将nums2的和加上p*sum(nums1)
操作3是求nums2的和
只要考虑nums1的变化即可
线段树维护nums1区间
l,r左右端点 s区间和 lazy懒标记

class Node:
    def __init__(self):
        self.l=self.r=0
        self.s = 0
        self.lazy = 0
class SegmentTree:
    def __init__(self,nums):
        self.nums = nums
        n = len(nums)
        self.tr = [Node() for _ in range(n<<2)]
        self.build(1,1,n)
    
    def build(self,u,l,r):
        self.tr[u].l,self.tr[u].r=l,r
        if l==r:
            self.tr[u].s = self.nums[l-1]
            return
        mid = (l+r)>>1
        self.build(u<<1,l,mid)
        self.build(u<<1|1,mid+1,r)
        self.pushup(u)
    
    def modify(self,u,l,r):
        if self.tr[u].l>=l and self.tr[u].r<=r:
            self.tr[u].lazy^=1
            self.tr[u].s = self.tr[u].r-self.tr[u].l+1-self.tr[u].s
            return
        self.pushdown(u)
        mid = (self.tr[u].l+self.tr[u].r)>>1
        if l<=mid:
            self.modify(u<<1,l,r)
        if r>mid:
            self.modify(u<<1|1,l,r)
        self.pushup(u)
        
    def query(self,u,l,r):
        if self.tr[u].l>=l and self.tr[u].r<=r:
            return self.tr[u].s
        self.pushdown(u)
        mid = (self.tr[u].l+self.tr[u].r)>>1
        ans = 0
        if l<=mid:
            ans +=self.query(u<<1,l,r)
        if r>mid:
            ans +=self.query(u<<1|1,l,r)
        return ans
    
    def pushup(self,u):
        self.tr[u].s = self.tr[u<<1].s+self.tr[u<<1|1].s
    
    def pushdown(self,u):
        if self.tr[u].lazy:
            mid = (self.tr[u].l+self.tr[u].r)>>1
            self.tr[u<<1].s = mid-self.tr[u].l+1-self.tr[u<<1].s
            self.tr[u<<1].lazy^=1
            self.tr[u<<1|1].s = self.tr[u].r-mid-self.tr[u<<1|1].s
            self.tr[u<<1|1].lazy^=1
            self.tr[u].lazy^=1
            
def handleQuery(nums1, nums2, queries):
    """
    :type nums1: List[int]
    :type nums2: List[int]
    :type queries: List[List[int]]
    :rtype: List[int]
    """
    tr = SegmentTree(nums1)
    s = sum(nums2)
    ans = []
    for op,l,r in queries:
        if op==1:
            tr.modify(1,l+1,r+1)
        elif op==2:
            s+=l*tr.query(1,1,len(nums1))
        else:
            ans.append(s)
    return ans



7/27 2500. 删除每行中的最大值

每一行从小到大排序
再取每一列的最大值

def deleteGreatestValue(grid):
    """
    :type grid: List[List[int]]
    :rtype: int
    """
    cur =[]
    for l in grid:
        cur.append(sorted(l))
    return sum([max([cur[i][j] for i in range(len(cur))]) for j in range(len(grid[0]))])




7/28 2050. 并行课程 III

m[i]记录课程i为多少课程的前置课程
ind[i]记录课程i有几个前置课程
t[i]记录课程i的最早完成时间

def minimumTime(n, relations, time):
    """
    :type n: int
    :type relations: List[List[int]]
    :type time: List[int]
    :rtype: int
    """
    from collections import defaultdict
    m = defaultdict(list)
    ind=[0]*n
    for pre,nxt in relations:
        m[pre-1].append(nxt-1)
        ind[nxt-1]+=1
    l = []
    t=[0]*n
    ans = 0
    for i in range(n):
        if ind[i]==0:
            l.append(i)
            t[i]=time[i]
            ans = max(ans,t[i])
    while l:
        tmp = []
        for i in l:
            for j in m[i]:
                t[j] = max(t[j],t[i]+time[j])
                ans = max(ans,t[j])
                ind[j]-=1
                if ind[j]==0:
                    tmp.append(j)
        l=tmp
    return ans



7/29 141. 环形链表

快慢指针

class ListNode(object):
    def __init__(self, x):
        self.val = x
        self.next = None
def hasCycle(head):
    """
    :type head: ListNode
    :rtype: bool
    """
    if head==None or head.next==None:
        return False
    slow = head
    fast = head.next
    
    while(slow!=fast):
        if fast==None or fast.next==None:
            return False
        slow=slow.next
        fast=fast.next.next
    return True



7/30 142. 环形链表 II

快慢指针

class ListNode(object):
    def __init__(self, x):
        self.val = x
        self.next = None
def detectCycle(head):
    """
    :type head: ListNode
    :rtype: ListNode
    """
    if head==None:
        return head
    node = ListNode()
    node.next = head
    fast,slow=node,node
    while fast==node or fast!=slow:
        slow = slow.next
        if fast.next==None or fast.next.next==None:
            return None
        fast = fast.next.next
    fast = node
    while fast!=slow:
        fast = fast.next
        slow = slow.next
    return slow



  • 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