LeetCode 周赛上分之旅 #44 同余前缀和问题与经典倍增 LCA 算法

⭐️ 本文已收录到 AndroidFamily,技术和职场问题,请关注公众号 [彭旭锐] 和 BaguTree Pro 知识星球提问。

学习数据结构与算法的关键在于掌握问题背后的算法思维框架,你的思考越抽象,它能覆盖的问题域就越广,理解难度也更复杂。在这个专栏里,小彭与你分享每场 LeetCode 周赛的解题报告,一起体会上分之旅。

本文是 LeetCode 上分之旅系列的第 44 篇文章,往期回顾请移步到文章末尾~

T1. 统计对称整数的数目(Easy)

  • 标签:模拟

T2. 生成特殊数字的最少操作(Medium)

  • 标签:思维、回溯、双指针

T3. 统计趣味子数组的数目(Medium)

  • 标签:同余定理、前缀和、散列表

T4. 边权重均等查询(Hard)

  • 标签:图、倍增、LCA、树上差分


T1. 统计对称整数的数目(Easy)

https://leetcode.cn/problems/count-symmetric-integers/

题解(模拟)

根据题意模拟,亦可以使用前缀和预处理优化。

class Solution {fun countSymmetricIntegers(low: Int, high: Int): Int {var ret = 0for (x in low..high) {val s = "$x"val n = s.lengthif (n % 2 != 0) continuevar diff = 0for (i in 0 until n / 2) {diff += s[i] - '0'diff -= s[n - 1 - i] - '0'}if (diff == 0) ret += 1}return ret}
}

复杂度分析:

  • 时间复杂度: O ( ( h i g h − l o w ) l g h i g h ) O((high-low)lg^{high}) O((highlow)lghigh) 单次检查时间为 O ( l g h i g h ) O(lg^{high}) O(lghigh)
  • 空间复杂度: O ( 1 ) O(1) O(1) 仅使用常量级别空间。

T2. 生成特殊数字的最少操作(Easy)

https://leetcode.cn/problems/minimum-operations-to-make-a-special-number/

题解一(回溯)

思维题,这道卡了多少人。

  • 阅读理解: 在一次操作中,您可以选择 n u m num num 的任意一位数字并将其删除,求最少需要多少次操作可以使 n u m num num 变成 25 25 25 的倍数;
  • 规律: 对于 25 25 25 的倍数,当且仅当结尾为「00、25、50、75」这 4 4 4 种情况时成立,我们尝试构造出尾部符合两个数字能被 25 25 25 整除的情况。

可以用回溯解决:

class Solution {fun minimumOperations(num: String): Int {val memo = HashMap<String, Int>()fun count(x: String): Int {val n = x.lengthif (n == 1) return if (x == "0") 0 else 1if (((x[n - 2] - '0') * 10 + (x[n - 1]- '0')) % 25 == 0) return 0if(memo.containsKey(x))return memo[x]!!val builder1 = StringBuilder(x)builder1.deleteCharAt(n - 1)val builder2 = StringBuilder(x)builder2.deleteCharAt(n - 2)val ret = 1 + min(count(builder1.toString()), count(builder2.toString()))memo[x]=retreturn ret}return count(num)}
}

复杂度分析:

  • 时间复杂度: O ( n 2 ⋅ m ) O(n^2·m) O(n2m) 最多有 n 2 n^2 n2 种子状态,其中 m m m 是字符串的平均长度, O ( m ) O(m) O(m) 是构造中间字符串的时间;
  • 空间复杂度: O ( n ) O(n) O(n) 回溯递归栈空间。

题解二(双指针)

初步分析:

  • 模拟: 事实上,问题的方案最多只有 4 种,回溯的中间过程事实在尝试很多无意义的方案。我们直接枚举这 4 种方案,删除尾部不属于该方案的字符。以 25 为例,就是删除 5 后面的字符以及删除 2 与 5 中间的字符;
  • 抽象: 本质上是一个最短匹配子序列的问题,即 「找到 nums 中最靠后的匹配的最短子序列」问题,可以用双指针模拟。

具体实现:

  • 双指针: 我们找到满足条件的最靠左的下标 i,并删除末尾除了目标数字外的整段元素,即 r e t = n − i − 2 ret = n - i - 2 ret=ni2
  • 特殊情况: 在 4 种构造合法的特殊数字外,还存在删除所有非 0 数字后构造出 0 的方案;
  • 是否要验证数据含有前导零: 对于构造「00」的情况,是否会存在删到最后剩下多个 0 的情况呢?其实是不存在的。因为题目说明输入数据 num 本身是不包含前导零的,如果最后剩下多个 0 ,那么在最左边的 0 左侧一定存在非 0 数字,否则与题目说明矛盾。
class Solution {fun minimumOperations(num: String): Int {val n = num.lengthvar ret = nfor (choice in arrayOf("00", "25", "50", "75")) {// 双指针var j = 1for (i in n - 1 downTo 0) {if (choice[j] != num[i]) continueif (--j == -1) {ret = min(ret, n - i - 2)break}}}// 特殊情况ret = min(ret, n - num.count { it == '0'})return ret}
}

复杂度分析:

  • 时间复杂度: O ( n ) O(n) O(n) 4 种方案和特殊方案均是线性遍历;
  • 空间复杂度: O ( 1 ) O(1) O(1) 仅使用常量级别空间。

T3. 统计趣味子数组的数目(Medium)

https://leetcode.cn/problems/count-of-interesting-subarrays/

题解(同余 + 前缀和 + 散列表)

初步分析:

  • 问题目标: 统计数组中满足目标条件的子数组;
  • 目标条件: 在子数组范围 [ l , r ] [l, r] [l,r] 内,设 c n t cnt cnt 为满足 n u m s [ i ] nums[i] % m == k nums[i] 的索引 i i i 的数量,并且 c n t cnt % m == k cnt。大白话就是算一下有多少数的模是 k k k,再判断个数的模是不是也是 k k k
  • 权重: 对于满足 n u m s [ i ] nums[i] % m == k nums[i] 的元素,它对结果的贡献是 1 1 1,否则是 0 0 0

分析到这里,容易想到用前缀和实现:

  • 前缀和: 记录从起点到 [ i ] [i] [i] 位置的 [ 0 , i ] [0, i] [0,i] 区间范围内满足目标的权重数;
  • 两数之和: 从左到右枚举 [ i ] [i] [i],并寻找已经遍历的位置中满足 ( p r e S u m [ i ] − p r e S u m [ j ] ) % m = = k (preSum[i] - preSum[j]) \% m == k (preSum[i]preSum[j])%m==k 的方案数记入结果;
  • 公式转换: 上式带有取模运算,我们需要转换一下:
    • 原式 ( p r e S u m [ i ] − p r e S u m [ j ] ) % m = = k (preSum[i] - preSum[j]) \% m == k (preSum[i]preSum[j])%m==k
    • 考虑 p r e S u m [ i ] % m − p r e S u m [ j ] % m preSum[i] \% m - preSum[j] \% m preSum[i]%mpreSum[j]%m 是正数数的的情况,原式等价于: p r e S u m [ i ] % m − p r e S u m [ j ] % m = = k preSum[i] \% m - preSum[j] \% m == k preSum[i]%mpreSum[j]%m==k
    • 考虑 p r e S u m [ i ] % m − p r e S u m [ j ] % m preSum[i] \% m - preSum[j] \% m preSum[i]%mpreSum[j]%m 是负数的的情况,我们在等式左边增加补数: ( p r e S u m [ i ] % m − p r e S u m [ j ] % m + m ) (preSum[i] \% m - preSum[j] \% m + m) %m == k (preSum[i]%mpreSum[j]%m+m)
    • 联合正数和负数两种情况,即我们需要找到前缀和为 ( p r e S u m [ i ] % m − k + m ) % m (preSum[i] \% m - k + m) \% m (preSum[i]%mk+m)%m 的元素;
  • 修正前缀和定义: 最后,我们修改前缀和的定义为权重 % m \% m %m

组合以上技巧:

class Solution {fun countInterestingSubarrays(nums: List<Int>, m: Int, k: Int): Long {val n = nums.sizevar ret = 0Lval preSum = HashMap<Int, Int>()preSum[0] = 1 // 注意空数组的状态var cur = 0for (i in 0 until n) {if (nums[i] % m == k) cur ++ // 更新前缀和val key = cur % mval target = (key - k + m) % mret += preSum.getOrDefault(target, 0) // 记录方案preSum[key] = preSum.getOrDefault(key, 0) + 1 // 记录前缀和}return ret}
}

复杂度分析:

  • 时间复杂度: O ( n ) O(n) O(n) 线性遍历,单次查询时间为 O ( 1 ) O(1) O(1)
  • 空间复杂度: O ( m ) O(m) O(m) 散列表空间。

相似题目:

  • 560. 和为 K 的子数组
  • 974. 和可被 K 整除的子数组
  • 523. 连续的子数组和
  • 525. 连续数组

T4. 边权重均等查询(Hard)

https://leetcode.cn/problems/minimum-edge-weight-equilibrium-queries-in-a-tree/

题解(倍增求 LCA、树上差分)

初步分析:

  • 问题目标: 给定若干个查询 [ x , y ] [x, y] [x,y],要求计算将 < x , y > <x, y> <x,y> 的路径上的每条边修改为相同权重的最少操作次数;
  • 问题要件: 对于每个查询 [ x , y ] [x, y] [x,y],我们需要计算 < x , y > <x, y> <x,y> 的路径长度 l l l,以及边权重的众数的出现次数 c c c,而要修改的操作次数就是 l − c l - c lc
  • 技巧: 对于 “树上路径” 问题有一种经典技巧,我们可以把 < x , y > <x, y> <x,y> 的路径转换为从 < x , l c a > <x, lca> <x,lca> 的路径与 < l c a , y > <lca, y> <lca,y> 的两条路径;

思考实现:

  • 长度: 将问题转换为经过 l c a lca lca 中转的路径后,路径长度 l l l 可以用深度来计算: l = d e p t h [ x ] + d e p t h [ y ] − 2 ∗ d e p t h [ l c a ] l = depth[x] + depth[y] - 2 * depth[lca] l=depth[x]+depth[y]2depth[lca]
  • 权重: 同理,权重 w [ x , y ] w[x,y] w[x,y] 可以通过 w [ x , l c a ] w[x, lca] w[x,lca] w [ l c a , y ] w[lca, y] w[lca,y] 累加计算;

现在的关键问题是,如何快速地找到 < x , y > <x, y> <x,y> 的最近公共祖先 LCA?

对于单次 LCA 操作来说,我们可以走 DFS 实现 O ( n ) O(n) O(n) 时间复杂度的算法,而对于多次 LCA 操作可以使用 倍增算法 预处理以空间换时间,单次 LCA 操作的时间复杂度进位 O ( l g n ) O(lgn) O(lgn)

在 LeetCode 有倍增的模板题 1483. 树节点的第 K 个祖先。

在求 LCA 时,我们先把 < x , y > <x, y> <x,y> 跳到相同高度,再利用倍增算法向上跳 2 j 2^j 2j 个父节点,直到到达相同节点即为最近公共祖先。

class Solution {fun minOperationsQueries(n: Int, edges: Array<IntArray>, queries: Array<IntArray>): IntArray {val U = 26// 建图val graph = Array(n) { LinkedList<IntArray>() }for (edge in edges) {graph[edge[0]].add(intArrayOf(edge[1], edge[2] - 1))graph[edge[1]].add(intArrayOf(edge[0], edge[2] - 1))}// 预处理深度、倍增祖先节点、倍增路径信息val m = 32 - Integer.numberOfLeadingZeros(n - 1)val depth = IntArray(n)val parent = Array(n) { IntArray(m) { -1 }} // parent[i][j] 表示 i 的第 2^j 个父节点val cnt = Array(n) { Array(m) { IntArray(U) }} // cnt[i][j] 表示 <i - 2^j> 个父节点的路径信息fun dfs(i: Int, par: Int) {for ((to, w) in graph[i]) {if (to == par) continue // 避免回环depth[to] = depth[i] + 1parent[to][0] = icnt[to][0][w] = 1dfs(to, i)}}dfs(0, -1) // 选择 0 作为根节点// 预处理倍增for (j in 1 until m) {for (i in 0 until n) {val from = parent[i][j - 1]if (-1 != from) {parent[i][j] = parent[from][j - 1]cnt[i][j] = cnt[i][j - 1].zip(cnt[from][j - 1]) { e1, e2 -> e1 + e2 }.toIntArray()}}}// 查询val q = queries.sizeval ret = IntArray(q)for ((i, query) in queries.withIndex()) {var (x, y) = query// 特判if (x == y || parent[x][0] == y || parent[y][0] == x) {ret[i] = 0}val w = IntArray(U) // 记录路径信息var path = depth[x] + depth[y] // 记录路径长度// 先跳到相同高度if (depth[y] > depth[x]) {val temp = xx = yy = temp}var k = depth[x] - depth[y]while (k > 0) {val j = Integer.numberOfTrailingZeros(k) // 二进制分解w.indices.forEach { w[it] += cnt[x][j][it] } // 记录路径信息x = parent[x][j] // 向上跳 2^j 个父节点k = k and (k - 1)}// 再使用倍增找 LCAif (x != y) {for (j in m - 1 downTo 0) { // 最多跳 m - 1 次if (parent[x][j] == parent[y][j]) continue // 跳上去相同就不跳w.indices.forEach { w[it] += cnt[x][j][it] } // 记录路径信息w.indices.forEach { w[it] += cnt[y][j][it] } // 记录路径信息x = parent[x][j]y = parent[y][j] // 向上跳 2^j 个父节点}// 最后再跳一次就是 lcaw.indices.forEach { w[it] += cnt[x][0][it] } // 记录路径信息w.indices.forEach { w[it] += cnt[y][0][it] } // 记录路径信息x = parent[x][0]}// 减去重链长度ret[i] = path - 2 * depth[x] - w.max()}return ret}
}

复杂度分析:

  • 时间复杂度: O ( n l g n ⋅ U ) O(nlgn·U) O(nlgnU) 预处理的时间复杂度是 O ( n l g n ⋅ U ) O(nlgn·U) O(nlgnU),单次查询的时间是 O ( l g n ⋅ U ) O(lgn·U) O(lgnU)
  • 空间复杂度: O ( n l g n ⋅ U ) O(nlgn·U) O(nlgnU) 预处理倍增信息空间。

推荐阅读

LeetCode 上分之旅系列往期回顾:

  • LeetCode 单周赛第 360 场 · 当 LeetCode 考树上倍增,出题的趋势在变化吗
  • LeetCode 单周赛第 359 场 · 结合离散化的线性 DP 问题
  • LeetCode 双周赛第 112 场 · 计算机科学本质上是数学吗?
  • LeetCode 双周赛第 111 场 · 按部就班地解决动态规划问题

⭐️ 永远相信美好的事情即将发生,欢迎加入小彭的 Android 交流社群~

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/69475.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

成都瀚网科技有限公司:抖店怎么开通直播?

随着互联网和移动支付的快速发展&#xff0c;越来越多的人选择开设自己的抖音商店。抖音作为国内最受欢迎的短视频平台之一&#xff0c;拥有庞大的用户基础&#xff0c;成为众多创业者青睐的平台。那么&#xff0c;如何经营自己的抖音店铺呢&#xff1f;下面将从几个方面为您介…

Introducing Language Guidance in Prompt-based Continual Learning

本文是LLM系列文章&#xff0c;针对《Introducing Language Guidance in Prompt-based Continual Learning》的翻译。 基于提示的持续学习中引入语言指导 摘要1 引言2 相关工作3 背景4 基于提示的持续学习语言指导5 实验6 结论 摘要 持续学习旨在学习一系列任务的单一模型&am…

Si24R2F+畜牧 耳标测体温开发资料

Si24R2F是针对IOT应用领域推出的新款超低功耗2.4G内置NVM单发射芯片。广泛应用于2.4G有源活体动物耳标&#xff0c;带实时测温计步功能。相较于Si24R2E&#xff0c;Si24R2F增加了温度监控、自动唤醒间隔功能&#xff1b;发射功率由7dBm增加到12dBm&#xff0c;距离更远&#xf…

互联网摸鱼日报(2023-09-05)

互联网摸鱼日报(2023-09-05) 36氪新闻 蔚小理上半年比拼&#xff1a;谁拿住了不下牌桌的筹码&#xff1f; 一杯酱香拿铁&#xff0c;年轻人就能爱上茅台&#xff1f; 关于瑞幸酱香拿铁的一些疑问&#xff1a;为什么不直接滴酒&#xff1f;是科技与狠活吗&#xff1f; 小红书…

k8s 搭建基于session模式的flink集群

1.flink集群搭建 不废话直接上代码&#xff0c;都是基于官网的&#xff0c;在此记录一下 Kubernetes | Apache Flink flink-configuration-configmap.yaml apiVersion: v1 kind: ConfigMap metadata:name: flink-configlabels:app: flink data:flink-conf.yaml: |jobmanager…

postgresql-条件表达式

postgresql-条件表达式 简单Case表达式搜索Case表达式缩写函数总结 简单Case表达式 select e.first_name , e.last_name , e.department_id , case e.department_id when 90 then 管理when 60 then 开发else 其他end as "部门" from cps.public.employees e ;-- 统…

面试:谈一下你对Nginx的理解

Nginx是什么&#xff1a;Nginx是一个高性能、开源的Web服务器和反向代理服务器&#xff0c;以其卓越的性能和可扩展性而闻名。它通常用于将客户端请求转发到后端服务器、提供静态文件服务和负载均衡。 高性能和高并发&#xff1a;Nginx的异步事件驱动架构使其能够有效地处理大…

Ubuntu22.04安装ROS

Ubuntu22.04安装ROS_笔记大全_设计学院 Excerpt 在安装ROS之前&#xff0c;需要先安装Ubuntu22.04操作系统。您可以从Ubuntu官网下载Ubuntu22.04的最新版本镜像文件&#xff0c;并创建一个可启动的USB。您可以参考以下步骤&#xff1a; 一、安装Ubuntu22.04操作系统 在安装ROS…

Vue笔记

第一章&#xff1a;Vue环境搭建 1.搭建Vue环境 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><title>Title</title><!-- 1.引入Vue.js--><script src"1.vue.js"></scr…

软件生命周期及流程

软件生命周期&#xff1a; 软件生命周期(SDLC&#xff0c;Systems Development Life Cycle)是软件开始研制到最终被废弃不用所经历的各个阶段. 需求分析阶段--输出需求规格说明书&#xff08;原型图&#xff09; 测试介入的晚--回溯成本高 敏捷开发模型&#xff1a; 从1990年…

php常用加密算法大全aes、3des、rsa等

目录 一、可解密加解密算法 1、aes 加解密算法 2、旧3des加解密方法 3、新3des加解密方法 4、rsa公私钥加解密、签名验签方法 5、自定义加密算法1 6、自定义加密算法2 7、自定义加密算法3 二、不可解密加密算法 1、md5算法 2、crypt算法 3、sha1算法 5、hash 算…

ifstream之seekg/tellg

声明&#xff1a;我个人特别讨厌&#xff1a;收费专栏、关注博主才可阅读等行为&#xff0c;推崇知识自由分享&#xff0c;推崇开源精神&#xff0c;呼吁你一起加入&#xff0c;大家共同成长进步&#xff01; 在文件读写的时候&#xff0c;一般需要借助fstream来进行文件操作&a…

STM32CUBEMX_创建时间片轮询架构的软件框架

STM32CUBEMX_创建时间片轮询架构的软件框架 说明&#xff1a; 1、这种架构避免在更新STM32CUBEMX配置后把用户代码清除掉 2、利用这种时间片的架构可以使得代码架构清晰易于维护 创建步骤&#xff1a; 1、使用STM32CUBEMX创建基础工程 2、新建用户代码目录 3、构建基础的代码框…

LeetCode 2511. 最多可以摧毁的敌人城堡数目

【LetMeFly】2511.最多可以摧毁的敌人城堡数目 力扣题目链接&#xff1a;https://leetcode.cn/problems/maximum-enemy-forts-that-can-be-captured/ 给你一个长度为 n &#xff0c;下标从 0 开始的整数数组 forts &#xff0c;表示一些城堡。forts[i] 可以是 -1 &#xff0c…

OA与CRM与ORACLE

办公自动化&#xff08;Office Automation&#xff0c;简称OA&#xff09;&#xff0c;是将计算机、通信等现代化技术运用到传统办公方式&#xff0c;进而形成的一种新型办公方式。办公自动化利用现代化设备和信息化技术&#xff0c;代替办公人员传统的部分手动或重复性业务活动…

OpenLdap +PhpLdapAdmin + Grafana docker-compose部署安装

目录 一、OpenLdap介绍 二、PhpLdapAdmin介绍 三、使用docker-compose进行安装 1. docker-compose.yml 2. grafana配置文件 3. provisioning 四、安装openldap、phpldapadmin、grafana 五、配置OpenLDAP 1. 登陆PhpLdapAdmin web管理 2. 需要注意的细节 内容介绍参考…

Java作业3

1.下面代码的运行结果是&#xff08;C&#xff09; public static void main(String[] args){String s;System.out.println("s"s);}A.代码编程成功&#xff0c;并输出”s” B.代码编译成功&#xff0c;并输出”snull” C.由于String s没有初始化&#xff0c;代码不…

spingboot按照依赖包除了maven还有Gradle,两者的区别?

Maven和Gradle是两种常用的构建工具&#xff0c;用于管理Java项目的依赖关系和构建过程。它们之间的区别如下&#xff1a; 语法&#xff1a;Maven使用XML作为构建文件的格式&#xff0c;而Gradle使用基于Groovy或Kotlin的领域特定语言&#xff08;DSL&#xff09;。 灵活性&am…

运维监控背景信息

监控需求来源 刚开始的需求就是出了问题&#xff0c;我们可以精确感知到。 后来的需求扩展为&#xff1a; 通过监控了解数据趋势&#xff0c;知道系统在未来的某个时刻可能出问题&#xff0c;预知问题。 通过监控了解系统的水位情况&#xff0c;为服务扩缩容提供数据支撑。 通…

python基础运用例子

python基础运用例子 1、⼀⾏代码交换 a , b &#xff1a;a, b b, a2、⼀⾏代码反转列表 l[::-1]3、合并两个字典 res {**dict1, **dict2}**操作符合并两个字典for循环合并dict(a, **b) 的方式dict(a.items() b.items()) 的方式dict.update(other_dict) 的方式 4、⼀⾏代码列…