就差那麼一分鐘,哎,第四題思路和第一名大佬一樣,但是思維 + 手速,還要繼續努力呀,奧裏給
第一題:模擬。
第二題:異或前綴和+ 暴力枚舉 O(n ^ 3) 或者 異或前綴和 + 優化 O(n ^ 2) 或者 異或前綴和 + 再優化 O(n)。
第三題:樹的遍歷。
第四題:動態規劃 DP。
詳細題解如下。
AC代碼(方法一、異或前綴和 + 暴力枚舉 O(n ^ 3) C++)
AC代碼(方法二、異或前綴和 + 優化 O(n ^ 2) C++)
AC代碼(方法三、異或前綴和 + 再優化 O(n) C++)
LeetCode第188場周賽地址:
https://leetcode-cn.com/contest/weekly-contest-188/
1.用棧操作構建數組
題目鏈接
https://leetcode-cn.com/problems/build-an-array-with-stack-operations/
題意
給你一個目標數組 target 和一個整數 n。每次迭代,需要從 list = {1,2,3..., n} 中依序讀取一個數字。
請使用下述操作來構建目標數組 target :
- Push:從 list 中讀取一個新元素, 並將其推入數組中。
- Pop:刪除數組中的最後一個元素。
- 如果目標數組構建完成,就停止讀取更多元素。
題目數據保證目標數組嚴格遞增,並且只包含 1 到 n 之間的數字。
請返回構建目標數組所用的操作序列。
題目數據保證答案是唯一的。
示例 1:
輸入:target = [1,3], n = 3 輸出:["Push","Push","Pop","Push"] 解釋: 讀取 1 並自動推入數組 -> [1] 讀取 2 並自動推入數組,然後刪除它 -> [1] 讀取 3 並自動推入數組 -> [1,3]
示例 2:
輸入:target = [1,2,3], n = 3 輸出:["Push","Push","Push"]
示例 3:
輸入:target = [1,2], n = 4 輸出:["Push","Push"] 解釋:只需要讀取前 2 個數字就可以停止。
提示:
1 <= target.length <= 100
1 <= target[i] <= 100
1 <= n <= 100
target
是嚴格遞增的
解題思路
一開始看到題目,有點暈,不知道啥意思,然後結合樣例才明白。
其實就是,我們按理來說,應該取 1 到 target 數組中的最後一個數完結(注意不是到 n,因爲可能不需要,比如 示例 2 ).
如果要處理的數,在 target 數組中,我們直接往答案數組中加 Push 即可
如果要處理的數,不在 target 數組中,我們就需要加 Push 和 Pop
比如示例 1,一開始我們數從 1 開始,1 在,那麼就是 Push。然後到 2 , 2 沒有,所以就是 Push Pop。到 3 有,所以Push。
因此,我們只需要,遍歷 數組 target,然後一個數 cur 從 0 開始,如果發現,當前 target 的數(遍歷的數)比 cur 大 不止 1,說明 target 中接下來的數,就不是我們 cur + 1 有的數,那麼就需要 Push Pop,然後 cur + 1,一直到滿足剛好 大 1,說明此時 cur 的下一個數 在 target中,那麼就 Push。
AC代碼(C++)
class Solution {
public:
vector<string> buildArray(vector<int>& target, int n) {
vector<string> ans;
int cur = 0;
for(auto c : target)
{
while(c - cur > 1)
{
++cur;
ans.push_back("Push");
ans.push_back("Pop");
}
ans.push_back("Push");
++cur;
}
return ans;
}
};
2. 形成兩個異或相等數組的三元組數目
題目鏈接
https://leetcode-cn.com/problems/count-triplets-that-can-form-two-arrays-of-equal-xor/
題意
給你一個整數數組 arr 。
現需要從數組中取三個下標 i、j 和 k ,其中 (0 <= i < j <= k < arr.length) 。
a 和 b 定義如下:
- a = arr[i] ^ arr[i + 1] ^ ... ^ arr[j - 1]
- b = arr[j] ^ arr[j + 1] ^ ... ^ arr[k]
注意:^ 表示 按位異或 操作。
請返回能夠令 a == b 成立的三元組 (i, j , k) 的數目。
示例 1:
輸入:arr = [2,3,1,6,7] 輸出:4 解釋:滿足題意的三元組分別是 (0,1,2), (0,2,2), (2,3,4) 以及 (2,4,4)
示例 2:
輸入:arr = [1,1,1,1,1] 輸出:10
示例 5:
輸入:arr = [7,11,12,9,5,2,7,17,22] 輸出:8
提示:
1 <= arr.length <= 300
1 <= arr[i] <= 10^8
解題思路
看到題目,第一眼異或,而且是一個區間計算異或,就想到了前綴和,這是因爲
- arr[ i ] ^ .... ^ arr[ j ] = ( arr[ 0 ] ^ ... ^ arr[ i - 1 ] ) ^ ( arr[ 0 ] ^ ... ^ arr[ i - j ] ) = sum[ i - 1] ^ sum[ j ]
所以我們用了前綴和之和,就可以 O(1) 時間求出 [i, j] 區間中的異或值
方法一、異或前綴和 + 暴力枚舉 O(n ^ 3)
因此,根據實際複雜度,我們可以直接暴力枚舉 i, j, k,這樣子時間複雜度 O(n ^ 3),不會超時
方法二、異或前綴和 + 優化 O(n ^ 2)
我們可以發現,其實上是要求 [i, j - 1] == [j, k] 相等,那麼此時,這兩個區間再進行異或,就可以得到 我們要求 [i, k] 區間要求異或值爲 0,其中 i < k,那麼此時在這個 [ i, k] 中,j 的可能個數有 k - i + 1 - 1 = k - i,因爲 j > i 的
因此,我們直接只需要枚舉 i, k,使得 [i, k] 的區間異或值 == 0,那麼在這個區間內,滿足條件的三元個數有 k - i 個。
那麼時間複雜度就優化爲了 O(n ^ 2)
這裏代碼有一個位置要注意:
if((sum[i] ^ sum[k + 1]) == 0) // 注意這裏,因爲 位運算優先級低於 == ,所以要加上 (),不然會錯誤的
方法三、異或前綴和 + 再優化 O(n)
我們可以發現,我們要求的是 [i, k] 的異或值 == 0,那就說明是 [0, i - 1] == [0, k] ,這兩個區間的異或值要相等
所以,我們可以直接遍歷一次數組,只要此時我們計算到 k ,即 [0, k],那麼我們記錄了前面所有的 [0, 0 到 k - 1] 的 異或值,那麼這樣子,我們就可以找到 和 [0, k] 異或值相等的個數情況,那麼這個時候,總共有 滿足條件的幾個 三元區間呢?
比如我們有 [0, l1 ], [0, l2] [0, l3] 都和 [0, k] 一樣,那麼計算出其三元區間個數就是:
k - l1 + k - l2 - k - l3 = k * (前面相等的個數 ) - (l1 + l2 + l3)。
所以,我們不僅要記錄, [0, k] 的同樣 異或值 對應有多少個,同時還要記錄,相同異或值的這樣子 區間的 右端點 之和。
這樣子,我們利用 兩個哈希表 ,然後時間複雜度就變爲了 O(n)。空間換時間
AC代碼(方法一、異或前綴和 + 暴力枚舉 O(n ^ 3) C++)
class Solution {
public:
int sum[350];
int countTriplets(vector<int>& arr) {
memset(sum, 0, sizeof(sum));
int n = arr.size();
for(int i = 0;i < n; ++i)
{
sum[i + 1] = arr[i] ^ sum[i];
}
int ans = 0;
for(int i = 0;i < n; ++i)
{
for(int j = i + 1;j < n; ++j)
{
for(int k = j; k < n; ++k)
{
int a = sum[i] ^ sum[j];
int b = sum[j] ^ sum[k + 1];
if(a == b) ++ans;
}
}
}
return ans;
}
};
AC代碼(方法二、異或前綴和 + 優化 O(n ^ 2) C++)
class Solution {
public:
int sum[350];
int countTriplets(vector<int>& arr) {
memset(sum, 0, sizeof(sum));
int n = arr.size();
for(int i = 0;i < n; ++i)
{
sum[i + 1] = arr[i] ^ sum[i];
}
int ans = 0;
for(int i = 0;i < n; ++i)
{
for(int k = i + 1; k < n; ++k)
{
// [i, k] == 0
if((sum[i] ^ sum[k + 1]) == 0) // 注意這裏,因爲 位運算優先級低於 == ,所以要加上 (),不然會錯誤的
{
ans = ans + (k - i);
}
}
}
return ans;
}
};
AC代碼(方法三、異或前綴和 + 再優化 O(n) C++)
class Solution {
public:
unordered_map<int, int> pre_xor;
unordered_map<int, int> pre_sum;
int countTriplets(vector<int>& arr) {
int n = arr.size();
int ans = 0;
pre_xor[0] = 1; // 一開始,沒有任何數,異或值爲 0
pre_sum[0] = 0; // 此時是 [0, 0]
int xor_val = 0;
for(int k = 0; k < n; ++k)
{
// [0, k] 找和前面有幾個相同的
xor_val ^= arr[k];
if(pre_xor[xor_val])
{
ans = ans + k * pre_xor[xor_val] - pre_sum[xor_val];
}
++pre_xor[xor_val];
pre_sum[xor_val] += (k + 1); // 注意,這裏的下標,是 k + 1,因此是從 [1, n]
}
return ans;
}
};
3.收集樹上所有蘋果的最少時間
題目鏈接
https://leetcode-cn.com/problems/minimum-time-to-collect-all-apples-in-a-tree/
題意
給你一棵有 n 個節點的無向樹,節點編號爲 0 到 n-1 ,它們中有一些節點有蘋果。通過樹上的一條邊,需要花費 1 秒鐘。你從 節點 0 出發,請你返回最少需要多少秒,可以收集到所有蘋果,並回到節點 0 。
無向樹的邊由 edges 給出,其中 edges[i] = [fromi, toi] ,表示有一條邊連接 from 和 toi 。除此以外,還有一個布爾數組 hasApple ,其中 hasApple[i] = true 代表節點 i 有一個蘋果,否則,節點 i 沒有蘋果。
示例 1:
【示例有圖,具體看鏈接】 輸入:n = 7, edges = [[0,1],[0,2],[1,4],[1,5],[2,3],[2,6]], hasApple = [false,false,true,false,true,true,false] 輸出:8 解釋:上圖展示了給定的樹,其中紅色節點表示有蘋果。一個能收集到所有蘋果的最優方案由綠色箭頭表示。
示例 2:
【示例有圖,具體看鏈接】 輸入:n = 7, edges = [[0,1],[0,2],[1,4],[1,5],[2,3],[2,6]], hasApple = [false,false,true,false,false,true,false] 輸出:6 解釋:上圖展示了給定的樹,其中紅色節點表示有蘋果。一個能收集到所有蘋果的最優方案由綠色箭頭表示。
提示:
1 <= n <= 10^5
edges.length == n-1
edges[i].length == 2
0 <= fromi, toi <= n-1
fromi < toi
hasApple.length == n
解題分析
根據題目分析,其實就是不斷的遞歸,從根節點 dfs 到葉節點,然後又從葉節點不斷的返回值回到 根節點。
所以就相當於是一個 樹的遍歷
此時分析,當我們 dfs 到某個節點的時候,我們繼續往下 dfs,然後會有返回值,那麼此時對於這個節點而言,走的路,相當於是,其所有子節點來的。
如果子節點回到節點,那麼當前節點的返回值如何計算呢?根據題意,我們可以直接令 返回值就是 當前節點 拿到其子樹 所有蘋果時,走的路。
那麼此時,假設子節點返回值(因爲可能是多個,所有要遍歷其子節點)是 v,
那麼如果 v == 0,說明這個子節點以下沒有蘋果,但是可能這個子節點本身有蘋果,如果這個子節點本身有蘋果(hasApple 可以判斷)那麼當前 節點的返回值 res += 2,因此子節點有,從節點到子節點來回。
如果 v != 0,說明這個子節點下面肯定有蘋果,那麼無論這個子節點本身有沒有蘋果,都需要從當前節點去這個子節點,因此,返回值 res += v + 2。
所以對於某個節點,我們 dfs 其所有子節點,然後根據其子節點的返回值,又來計算 當前這個節點的返回值。
AC代碼(C++)
const int MAXN = 1e5 + 15;
class Solution {
public:
vector<int> G[MAXN];
vector<bool> hA;
int dfs(int x, int fa)
{
int cur = 0;
for(int i = 0;i < G[x].size(); ++i)
{
if(G[x][i] == fa) continue;
int v = dfs(G[x][i], x);
if(v) cur += v + 2;
else
{
if(hA[G[x][i]]) cur += 2;
}
}
return cur;
}
int minTime(int n, vector<vector<int>>& edges, vector<bool>& hasApple) {
int ans = 0;
this->hA = hasApple;
for(auto e : edges) // 雙向圖
{
G[e[0]].push_back(e[1]);
G[e[1]].push_back(e[0]);
}
ans = dfs(0, -1);
return ans;
}
};
4.切披薩的方案數
題目鏈接
https://leetcode-cn.com/problems/find-the-kth-smallest-sum-of-a-matrix-with-sorted-rows/
題意
給你一個 rows x cols 大小的矩形披薩和一個整數 k ,矩形包含兩種字符: 'A' (表示蘋果)和 '.' (表示空白格子)。你需要切披薩 k-1 次,得到 k 塊披薩並送給別人。
切披薩的每一刀,先要選擇是向垂直還是水平方向切,再在矩形的邊界上選一個切的位置,將披薩一分爲二。如果垂直地切披薩,那麼需要把左邊的部分送給一個人,如果水平地切,那麼需要把上面的部分送給一個人。在切完最後一刀後,需要把剩下來的一塊送給最後一個人。
請你返回確保每一塊披薩包含 至少 一個蘋果的切披薩方案數。由於答案可能是個很大的數字,請你返回它對 10^9 + 7 取餘的結果。
示例 1:
【示例有圖,具體看鏈接】 輸入:pizza = ["A..","AAA","..."], k = 3 輸出:3 解釋:上圖展示了三種切披薩的方案。注意每一塊披薩都至少包含一個蘋果。
示例 2:
【圖和 示例1 的一樣】 輸入:pizza = ["A..","AA.","..."], k = 3 輸出:1
提示:
1 <= rows, cols <= 50
rows == pizza.length
cols == pizza[i].length
1 <= k <= 10
pizza 只包含字符 'A' 和 '.' 。
解題分析
拿到題目,一看到是 計算方案的,想到的就是,動態規劃問題。
第一步,設狀態
那麼根據題目,我們可以直接設 dp[ k ][ i ][ j ],也就是,此時割了 第 k 刀,此時還剩下的部分爲 左上角 (i, j) 到右下角 (n - 1, m - 1)
第二步,狀態轉移
對於 還剩下 (i, j) ,那麼此時應該是可以從 dp[ k - 1 ] [ 0 到 i - 1][ 0 到 j - 1 ] 轉移過來的,根據下面畫圖,應該比較好理解
也就是說, 原本是 (ii, jj) 那麼大,現在多切了一刀 (從 k - 1 到 k),這樣子就變成了 (i, j)
那麼此時轉移,因此對於 (i, j),我們要枚舉其 所有可能的 (ii, jj) 。
當時切這一刀的時候,要麼橫着切,要麼豎着切,所以第一種情況,就是豎着切,此時相當於 ii == i,那麼只有枚舉 jj 從 0 到 j - 1。同樣的,第二種情況,就是橫着切,那麼就是 jj == j,也就是隻有 ii 枚舉 所有 0 到 i - 1
那麼無論什麼情況,我們都需要進行判斷,能否從 dp[ k - 1][ ii ][ jj ] 轉移來 dp[ k - 1 ] [ i ] [ j ]。我們需要檢查,切了這一刀之後,分成了兩個塊,至少要求,這兩個塊分別都要有蘋果(後面繼續分析)
所以,如果可以切成功,就可以累加了
第三步,初始化
一開始,切第一刀,我就枚舉所有可能的情況,如果可以(也就是上面第二步那裏),那麼 dp[ 1 ][ ][ ] = 1,否則不可以就 = 0。
(其實也,可以直接 dp[ 0 ][ 0 ][ 0 ] = 1,)
最後答案,應該是,dp[ k - 1] [ all ] [ all ] 的和,因爲只要滿足總共切了 k - 1 刀
(如果是我們最上面的那個情況,初始化最開始已經是 dp[ 1 ]... 了,那麼當 k = 1,計算 k - 1 = 0,就沒有答案,所以直接對 k = 1,進行特判即可,也就是一整塊中,只要有蘋果就可以)
這裏還有一個問題需要討論:對於切一刀,是否可以切,也就是,對於 (ii, jj) 到 (i, j),要保證切後的兩部分都有蘋果
那麼我們先分析上面的時間複雜度,枚舉所有 k, i, j ,然後 ii 或者 jj,所以時間複雜度是 O(k * n * m * n)
如果旁段兩部分都有蘋果,直接枚舉的話,是 O(n * m),這樣子,總的時間複雜度就是 O(k * n * m * n * n * m),根據數據範圍,會超時。
因此,我們要想辦法,優化計算 切後兩部分計算有沒有蘋果
這個時候,就 想到了 二維前綴和,這個可以快速求出一個矩形區域的和。那麼我們可以講 有蘋果 = 1,沒 = 0。這樣子,我們就可以 O(1) 計算切後兩部分的各自和(二維前綴和),只要和 >= 1,說明至少有蘋果存在。
AC代碼(C++)
typedef long long LL;
const LL MOD = 1e9 + 7;
class Solution {
public:
// dp[k][i][j]
LL dp[25][65][65];
int sum[65][65];
int get(int x1, int y1, int x0, int y0){
return sum[x1][y1] - sum[x1][y0] - sum[x0][y1] + sum[x0][y0];
}
bool check(int x, int y, int lx, int ly, vector<vector<int> >& grid, int n, int m)
{
// 判斷從 (lx, ly) 到 (x, y),分出來的兩塊有沒有
// 然後,其實每一次只能橫着切或者豎着切,所以只要有 x == lx || y== ly,那麼分兩種情況
if(x == lx)
{
// 此時相當於是豎着切,所以左半邊 和 右半邊
bool left = false, right = false;
if(get(lx, ly, n, y)) left = true; // 直接利用前綴和快速計算這塊有沒有蘋果
if(get(lx, y, n, m)) right = true;
return left && right;
}
else
{
// 類似的
bool up = false, down = false;
if(get(lx, ly, x, m)) up = true;
if(get(x, ly, n, m)) down = true;
return up && down;
}
return false;
}
int ways(vector<string>& pizza, int k) {
int n = pizza.size(), m = pizza[0].size();
vector<vector<int> > grid(n, vector<int> (m, 0));
for(int i = 0;i < n; ++i)
{
for(int j = 0;j < m; ++j)
{
if(pizza[i][j] == 'A') grid[i][j] = 1;
}
}
// 特判
if(k == 1)
{
for(int i = 0;i < n; ++i)
{
for(int j = 0;j < m; ++j)
{
if(pizza[i][j] == 'A') return 1;
}
}
return 0;
}
// 計算前綴和
memset(sum, 0, sizeof(sum));
for (int i = 0; i < n; i++)
for (int j = 0; j < m; j++)
sum[i + 1][j + 1] = grid[i][j];
for (int i = 1; i <= n; i++)
for (int j = 1; j <= m; j++)
sum[i][j] += sum[i][j - 1];
for (int j = 1; j <= m; j++)
for (int i = 1; i <= n; i++)
sum[i][j] += sum[i - 1][j];
// 初始化
memset(dp, 0, sizeof(dp));
for(int i = 1;i < n;++i)
{
if(check(i, 0, 0, 0, grid, n, m))
dp[1][i][0] = 1;
}
for(int j = 1;j < m;++j)
{
if(check(0, j, 0, 0, grid, n, m))
dp[1][0][j] = 1;
}
// 狀態轉移
for(int kk = 2;kk < k; ++kk)
{
for(int i = 0;i < n; ++i)
{
for(int j = 0;j < m; ++j)
{
for(int ii = 0; ii < i; ++ii)
{
if(check(i, j, ii, j, grid, n, m)) dp[kk][i][j] = (dp[kk][i][j] + dp[kk - 1][ii][j]) % MOD;
}
for(int jj = 0;jj < j; ++jj)
{
if(check(i, j, i, jj, grid, n, m)) dp[kk][i][j] = (dp[kk][i][j] + dp[kk - 1][i][jj]) % MOD;
}
}
}
}
// 最後答案,枚舉所有情況的 k - 1 刀的和,就是答案。
LL ans = 0;
for(int i = 0;i < n; ++i)
{
for(int j = 0;j < m; ++j)
{
ans = (ans + dp[k - 1][i][j]) % MOD;
}
}
ans %= MOD;
return int(ans);
}
};