当前位置: 首页 > ops >正文

暑期算法训练.3

目录

11.力扣 209.长度最小的子数组

11.1 题目解析:

11.2 算法思路:

11.3 代码演示:

​编辑

11.4 总结反思:

12. 力扣 LCR 016 无重复字符的最长子串

12.1 题目解析:

 12.2 算法思路:

12.3 代码演示:

​编辑

12.4 总结反思:

13.力扣 1004.最大连续1的个数III

13.1 题目解析:

13.2 算法思路:

13.3 代码演示:

​编辑

13.4 总结反思:

14.力扣 1658 将x减到0的最小操作数

14.1 题目解析:

​编辑 

 ​编辑

14.2 算法思路:

14.3 代码演示:

14.4 总结反思:


今天讲的题目都是滑动窗口系列的题目:

11.力扣 209.长度最小的子数组

11.1 题目解析:

本题目呢,你就光阅读这个题目的话 ,其实也挺好想的,就是找到某段区间的元素的和大于等于target,并且返回这两个元素的最小的长度。

11.2 算法思路:

这道题目如果是用暴力求解的话,也是可以解出来的,就是容易超时。并且暴力求解的思路其实也挺简单的。就是先固定住一边,然后再定义一个变量,使得它从头开始遍历,然后找出某段区间的元素和大于等于target即可。并且在这些符合的区间内,找到长度最小的即可。咱们来简单的看一下伪代码即可:

 for (int start = 0; start < n; start++)for (int end = start; end < n; end++)check()

咱们重点讲解的是第二种思路:也就是滑动窗口:

1.一般滑动窗口适用于区间长度大于等于0的情况

2.滑动窗口一般适用于找连续子串的题目

3.滑动窗口,肯定有划入,也有划出。划出的话,要检查划出的条件是什么,想清楚再写,否则会搞混乱。

4.滑动窗口一把就是双指针,但是这个双指针得是同向双指针(后面的题会有讲解)。

 

OK,本题的解题思路就是上面的,以及下面的三道题,跟这道题目的解题思路差不了多少。大家仔细的读一下。

11.3 代码演示:

int minSubArrayLen(int target, vector<int>& nums) {int n = nums.size();int sum = 0;int len = INT_MAX;//初始化len为最大,确保下面的len能够判断出最小值for (int left = 0, right = 0; right < n; right++){sum += nums[right];//进窗口后,更新结果while (sum >= target)//判断更新结果{len = min(len, right - left+1);sum -= nums[left];//准备出窗口left++;}}   return len == INT_MAX ? 0 : len;
}
int main()
{vector<int> nums = { 2,3,1,2,4,3 };int target = 7;int ret = minSubArrayLen(target, nums);cout << ret << endl;
}

这里呢,别搞晕了。作者第一次写这个代码的时候,就搞晕了,哪里晕了呢?就是外层循环是right(就是进入窗口),而内层的循环才是判断出窗口的条件。若是sum一直小于target,则外层循环就会一直执行.内层循环是执行判断->更新结果->出窗口的.

11.4 总结反思:

这里还有一点需要强调的是:这个代码的时间复杂度可是O(N),N为数据个数。不是O(N^2),因为这里的right不回头,它只往右边走。left也只往右边走,这样的话,每一个数只被访问了2次,就是O(2N)。而咱们平常的O(N^2)是right从头开始了,所以说,left走到每一个元素的时候,前面的每个元素均被访问了一遍。

12. 力扣 LCR 016 无重复字符的最长子串

12.1 题目解析:

注意题目中的子串:就是连续的一段。子数组:也是连续的一段。例如这样的都可以使用滑动窗口来做。 

 12.2 算法思路:

咱们这一题主要使用了滑动窗口的思想。这里需要用到一个哈希数组。下面来看一下思路讲解吧:

其实还是蛮简单的。理清楚思路之后,挺简单的。

12.3 代码演示:

int lengthOfLongestSubstring(string s) {int n = s.size();int len = 0;int left = 0;int right = 0;int hash[128] = { 0 };//使用数组来代替哈希表while (right < n){hash[s[right]]++;//进窗口while (hash[s[right]] > 1){hash[s[left++]]--;//判断后再更新结果}len = max(len, right - left + 1);right++;}return len;
}
int main()
{string s("abcabcbb" );cout << lengthOfLongestSubstring(s) << endl;return 0;
}

这个len不需要再设为整数的最大范围了,因为这个本身不需要了。

12.4 总结反思:

 滑动窗口的题目其实很简单。但是难的是,你要如何想到使用滑动窗口去做,还是要把握住那几点重要的特征才可以。

13.力扣 1004.最大连续1的个数III

13.1 题目解析:

这个题目,大家要是按照他这个题意去做,挺难的。翻转k个0,就是将0翻转为1.是这个意思。

那咱们可不可以换一种思路呢?就是正难则反。 所以这个题的题意就是找到一个连续的区间,使得0的个数不超过k个子数组。看看是不是这个意思。

13.2 算法思路:

这道题也是使用了滑动窗口来解决。不过要加上一个0计时器来作为判断出窗口的条件。

下面来看一下思路吧:

13.3 代码演示:

int longestOnes(vector<int>& nums, int k) {int n = nums.size();int left = 0;int right = 0;int zero = 0;int len = 0;while (right < n){if (nums[right] == 0) zero++;//进窗口while (zero > k)if (nums[left++] == 0) zero--;  //出窗口len = max(len, right - left + 1);//窗口中始终要维护的值right++;}return len;
}
int main()
{vector<int> nums = { 1,1,1,0,0,0,1,1,1,1,0 };int k = 2;cout << longestOnes(nums, k) << endl;return 0;
}

代码你会发现,与之前的那些题目的代码大差不差。大相径庭。重要的是搞懂原理以为为什么使用滑动窗口来解决问题。

13.4 总结反思:

对于这种求连续区间的,一般使用的都是滑动窗口来解决。

14.力扣 1658 将x减到0的最小操作数

14.1 题目解析:

 

这道题也是够别扭的。博主花了很长的时间,就根据这个题目的意思来做的,结果做的一塌糊涂。因为这样做的话,题目的可能性太多了,而且代码贼多,就我当时写的,就有100多行。最终,博主还是放弃了,不是因为我半途而废。是因为我确实不会,上次一道题搞了6h,结果最后发现是方法用错了,所以还是要告诫大家,方法选对了比努力更重要,哈哈哈哈。

好了,回归题目,这种题,直接做很那做。所以正难则反,咱们可以从反面来寻找突破口。 

 

好了那么现在是不是就思路清楚多了?咱们还是使用滑动窗口来解决这道题目:

14.2 算法思路:

那么滑动窗口,怎么个滑动法呢?

1.还是先让left与right从头开始。

2.开始进窗口,那么进窗口,是sum+=nums[right]。这个应该没什么疑问吧。就是右边的进窗口。

3.然后,开始判断出窗口的条件:sum>target(sum=target不可以,因为这个是咱们想要的结果,那sum都等于target了,还出什么窗口?)。出窗口后,sum-=nums[left++].(因为sum大于target,所以得让sum变小,直到sum==target为止)。

4.更新结果sum==target。

5.重复2-4步骤,直到找到为止。

那么大家思考一个问题?为什么right要一直往右边挪动,不往回走呢?因为right往回走毫无意义! 

 还是上图:2-3之间一定是小于target的,因为到了right这个点,恰好大于等于target,而这个点再往左挪动一个数,就是小于target。那你left挪动2的位置,如果right再从头开始走,不是一只都是小于target的嘛?那这样的话,right从头开始走还有啥意义?(明知道小于了,就不要再继续了。都摆在明面上事情,就别去重复了)所以,right要往右边走,left也要往右边走。

14.3 代码演示:

int minOperations(vector<int>& nums, int x) {int n = nums.size();int sum1 = 0;for (auto& e : nums){sum1 += e;}int target = sum1 - x;if (target < 0){return -1;//滑动区间只能在区间长度大于等于0内进行滑动}int left = 0;int right = 0;int len = -1;int sum = 0;while (right < n){sum += nums[right];//进窗口while (sum > sum1 - x){sum -= nums[left++];//出窗口。如果不加上那个判断target的语句的话,这里会报栈溢出的错误,因为sum一定是一个正数,那万一sum1-x是一个负数,这不是死循环了吗?}if (sum == sum1 - x){len = max(len, right - left + 1);}right++;}if (len == -1)//说明不存在这个区间使得和等于sum1-x{return -1;}else{return n - len;}
}
int main()
{vector<int> nums = { 1,1,4,2,3 };int x = 5;cout << minOperations(nums, x) << endl;return 0;
}

这段代码也有很多细节。我都写在代码上面了,大家自行观看。

14.4 总结反思:

关于这个正难则反的问题,博主还是不够熟练,还需要勤加练习才可以。 

 

http://www.xdnf.cn/news/15569.html

相关文章:

  • Android设备标识符详解:IMEI、ANDROID_ID与OAID
  • 针对教育行业的网络安全方案有哪些
  • 软件测试面试常见问题【含答案】
  • Effective Modern C++ 条款13:优先考虑const_iterator而非iterator
  • docker安装、启动jenkins服务,创建接口自动化定时任务(mac系统)
  • Python基础--嵌套循环
  • vuex的理解以及应用
  • Pytorch深度学习框架实战教程03:Tensor 的创建、属性、操作与转换详解
  • Java网络通信:UDP和TCP
  • Python-TCP编程-UDP编程-SocketServer-IO各种概念及多路复用-asyncio-学习笔记
  • ELK日志分析部署(小白的“升级打怪”成长之路)
  • javaweb学习开发代码_HTML-CSS-JS
  • 如何用 Python + LLM 构建一个智能栗子表格提取工具?
  • AWS Lambda 最佳实践:构建高效无服务器应用的完整指南
  • Python 网络爬虫 —— requests 库和网页源代码
  • 永磁同步电机MTPA与MTPV曲线具体仿真实现
  • 大模型领域主流向量模型相似度算法、架构及指标对比
  • 在windows平台上基于OpenHarmony sdk编译三方库并暴露给ArkTS使用(详细)
  • 数据结构 栈(1)
  • 聚观早报 | 英伟达股价再创新高;中国联通eSIM手机业务开通上线;中国AI加速出海 阿里云提供全栈能力支持
  • Cookie 与 Session概述
  • 第2章通用的高并发架构设计——2.6 高并发写场景方案1:数据分片之数据库分库分表
  • R语言基础| 基本图形绘制(条形图、堆积图、分组图、填充条形图、均值条形图)
  • 软件项目管理学习笔记
  • 如何在PyCharm中删除虚拟环境
  • 项目--五子棋(模块实现)
  • mysql备份与视图
  • MyBatis延迟加载(Lazy Loading)之“关联查询”深度解析与实践
  • Spring原理揭秘--Spring的AOP
  • linux_线程同步