5392. 分割字符串的最大得分
给你一个由若干 0 和 1 组成的字符串 s ,请你计算并返回将该字符串分割成两个 非空 子字符串(即 左 子字符串和 右 子字符串)所能获得的最大得分。
「分割字符串的得分」为 左 子字符串中 0 的数量加上 右 子字符串中 1 的数量。
示例 1:
输入:s = “011101”
输出:5
解释:
将字符串 s 划分为两个非空子字符串的可行方案有:
左子字符串 = “0” 且 右子字符串 = “11101”,得分 = 1 + 4 = 5
左子字符串 = “01” 且 右子字符串 = “1101”,得分 = 1 + 3 = 4
左子字符串 = “011” 且 右子字符串 = “101”,得分 = 1 + 2 = 3
左子字符串 = “0111” 且 右子字符串 = “01”,得分 = 1 + 1 = 2
左子字符串 = “01110” 且 右子字符串 = “1”,得分 = 2 + 1 = 3
示例 2:
输入:s = “00111”
输出:5
解释:当 左子字符串 = “00” 且 右子字符串 = “111” 时,我们得到最大得分 = 2 + 3 = 5
示例 3:
输入:s = “1111”
输出:3
提示:
2 <= s.length <= 500
字符串 s 仅由字符 ‘0’ 和 ‘1’ 组成。
思路
遍历。假设s
的长度为n
,则时间复杂度为O(n)
代码
class Solution:
def maxScore(self, s: str) -> int:
left = 0
right = 0
cur_max = 0
n = len(s)
for ch in s:
if ch == '1':
right += 1
for i, ch in enumerate(s):
if i == n - 1:
break
if ch == '0':
left += 1
elif ch == '1':
right -= 1
cur_max = max(cur_max, left + right)
return cur_max
5393. 可获得的最大点数
几张卡牌 排成一行,每张卡牌都有一个对应的点数。点数由整数数组 cardPoints 给出。
每次行动,你可以从行的开头或者末尾拿一张卡牌,最终你必须正好拿 k 张卡牌。
你的点数就是你拿到手中的所有卡牌的点数之和。
给你一个整数数组 cardPoints 和整数 k,请你返回可以获得的最大点数。
示例 1:
输入:cardPoints = [1,2,3,4,5,6,1], k = 3
输出:12
解释:第一次行动,不管拿哪张牌,你的点数总是 1 。但是,先拿最右边的卡牌将会最大化你的可获得点数。最优策略是拿右边的三张牌,最终点数为 1 + 6 + 5 = 12 。
示例 2:
输入:cardPoints = [2,2,2], k = 2
输出:4
解释:无论你拿起哪两张卡牌,可获得的点数总是 4 。
示例 3:
输入:cardPoints = [9,7,7,9,7,7,9], k = 7
输出:55
解释:你必须拿起所有卡牌,可以获得的点数为所有卡牌的点数之和。
示例 4:
输入:cardPoints = [1,1000,1], k = 1
输出:1
解释:你无法拿到中间那张卡牌,所以可以获得的最大点数为 1 。
示例 5:
输入:cardPoints = [1,79,80,1,1,1,200,1], k = 3
输出:202
提示:
1 <= cardPoints.length <= 10^5
1 <= cardPoints[i] <= 10^4
1 <= k <= cardPoints.length
思路
问题转化为从cardPoints
中取连续的n-k
个(n
为cardPoints
的长度),使得它们的和最小。时间复杂度O(n)
代码
class Solution:
def maxScore(self, cardPoints: List[int], k: int) -> int:
sumAll = sum(cardPoints)
n = len(cardPoints)
if n == k:
return sumAll
cur = sum(cardPoints[:(n-k)])
cur_min = cur
for i in range(1, k+1):
cur -= cardPoints[i-1]
cur += cardPoints[i-1+n-k]
if cur < cur_min:
cur_min = cur
return sumAll - cur_min
5394. 对角线遍历 II
给你一个列表 nums ,里面每一个元素都是一个整数列表。请你依照下面各图的规则,按顺序返回 nums 中对角线上的整数。
示例 1:
输入:nums = [[1,2,3],[4,5,6],[7,8,9]]
输出:[1,4,2,7,5,3,8,6,9]
示例 2:
输入:nums = [[1,2,3,4,5],[6,7],[8],[9,10,11],[12,13,14,15,16]]
输出:[1,6,2,8,7,3,9,4,12,10,5,13,11,14,15,16]
示例 3:
输入:nums = [[1,2,3],[4],[5,6,7],[8],[9,10,11]]
输出:[1,4,2,5,3,8,6,9,7,10,11]
示例 4:
输入:nums = [[1,2,3,4,5,6]]
输出:[1,2,3,4,5,6]
提示:
1 <= nums.length <= 10^5
1 <= nums[i].length <= 10^5
1 <= nums[i][j] <= 10^9
nums 中最多有 10^5 个数字。
思路
把二维锯齿数组转化为一个三元组序列,三元组是『元素值』,『行号』,『列号』的组合。将该三元组序列按照第一字段为(『行号』 + 『列号』),第二字段为『列号』排序,然后顺序输出『元素值』即可。
假设二维锯齿数组中的元素个数为n
,则时间复杂度为O(nlogn)
.
代码
class Solution:
def findDiagonalOrder(self, nums: List[List[int]]) -> List[int]:
arr = [(val, row, col) for row, lst in enumerate(nums) for col, val in enumerate(lst)]
arr.sort(key=lambda x: (x[1] + x[2], x[2]))
return [val for (val, _, _) in arr]
5180. 带限制的子序列和
给你一个整数数组 nums 和一个整数 k ,请你返回 非空 子序列元素和的最大值,子序列需要满足:子序列中每两个 相邻 的整数 nums[i] 和 nums[j] ,它们在原数组中的下标 i 和 j 满足 i < j 且 j - i <= k 。
数组的子序列定义为:将数组中的若干个数字删除(可以删除 0 个数字),剩下的数字按照原本的顺序排布。
示例 1:
输入:nums = [10,2,-10,5,20], k = 2
输出:37
解释:子序列为 [10, 2, 5, 20] 。
示例 2:
输入:nums = [-1,-2,-3], k = 1
输出:-1
解释:子序列必须是非空的,所以我们选择最大的数字。
示例 3:
输入:nums = [10,-2,-10,-5,20], k = 2
输出:23
解释:子序列为 [10, -2, -5, 20] 。
提示:
1 <= k <= nums.length <= 10^5
-10^4 <= nums[i] <= 10^4
思路
动态规划 + 滑动窗口. 假设nums
的长度为n
, 则总的算法时间复杂度为O(n)
:其中动态规划使用一重循环,动态规划部分时间复杂度O(n)
;nums
的每个元素在滑动窗口中出队入队各一次,滑动窗口时间复杂度O(n)
.
动态规划
dp[i]
表示以nums[i]
结尾的子序列的和的最大值
滑动窗口
滑动窗口是这样一个基于双端队列的数据结构,它维护了此刻有效窗口内的k个元素的最大值,队列值总是降序的。每次窗口滑动时,将双端队列内过期的元素删掉(因此元素的类型是一个自定义类包括元素值和元素的位置),将新的元素放入双端队列尾部时,将队列尾部内比新元素小的元素出队(保证队列降序)。滑动窗口的最大值就是双端队列的首元素。
代码
class Solution {
private class Value {
public int val, idx;
public Value(int _val, int _idx) {
val = _val;
idx = _idx;
}
}
public int constrainedSubsetSum(int[] nums, int k) {
int n = nums.length, i = 0, bound = 0, gap = 0, ans = Integer.MIN_VALUE;
int[] dp = new int[n];
dp[0] = nums[0];
ans = Math.max(dp[0], ans);
LinkedList<Value> dq = new LinkedList<>();
dq.add(new Value(dp[0], 0));
for (i=1; i<n; ++i) {
// dynamic programming
dp[i] = Math.max(dq.getFirst().val, 0) + nums[i];
ans = Math.max(dp[i], ans);
// sliding window
if (dp[i] >= dq.getFirst().val) {
dq.clear();
dq.add(new Value(dp[i], i));
} else {
while (!dq.isEmpty() && dq.getLast().val <= dp[i]) {
dq.removeLast();
}
dq.add(new Value(dp[i], i));
while (!dq.isEmpty() && dq.getFirst().idx <= i - k) {
dq.removeFirst();
}
}
}
return ans;
}
}