米哈游(原神)一面算法原题

特斯拉裁员 10%

昨天,特斯拉发全员信,宣布全球裁员超 10%。

在内部信中,特斯拉 CEO 埃隆·马斯克表示:"多年来,我们发展迅速,在全球范围内开设了多家工厂。随着增长,某些部门出现了角色和工作职能的重复。当我们为公司下一阶段的增长做好准备时,聚焦各方面以降本增效是极其重要的。"

这几乎就是上周写的 亚马逊裁员,涉及中国区 的翻版。

马斯克还表示道"裁员是艰难的决定,没有什么比这更让我讨厌的了,但又必须这么做”。

嗯,怎么说就怎么听吧,但至少是收购推特后大面积裁员时没说过的。

根据特斯拉的财报,截止 2023 年 12 月底,特斯拉全球拥有员工约 14W,本次裁员 10%,即涉及 1.4W 人。

...

今天来做一道和之前读者投稿的「米哈游」一面算法题相关性较大的题目。

题目描述

平台:LeetCode

题号:583

给定两个单词 s1 和 s2,找到使得 s1 和 s2 相同所需的最小步数,每步可以删除任意一个字符串中的一个字符。

示例:

输入: "sea""eat"

输出: 2

解释: 第一步将"sea"变为"ea",第二步将"eat"变为"ea"

提示:

  • 给定单词的长度不超过
  • 给定单词中的字符只含有小写字母。

转换为 LCS 问题

首先,给定两字符 s1s2,求经过多少次删除操作,可使得两个相等字符串。

该问题等价于求解两字符的「最长公共子序列」,若两者长度分别为 ,而最长公共子序列长度为 ,则 即为答案。

对「最长公共子序列(LCS)」不熟悉的同学,可以看 (题解) 1143. 最长公共子序列。

代表考虑 的前 个字符、考虑 的前 个字符(但最长公共子序列中不一定包含 或者 )时形成的「最长公共子序列(LCS)」长度。」

当有了「状态定义」之后,基本上「转移方程」就是呼之欲出:

  • s1[i]==s2[j] : 。代表 「必然使用 时」 LCS 的长度。
  • s1[i]!=s2[j] : 。代表 「必然不使用 (但可能使用 )时」「必然不使用 (但可能使用 )时」 LCS 的长度。

可以发现,上述两种讨论已经包含了「不使用 」、「仅使用 」、「仅使用 」和「使用 」四种情况。

虽然「不使用 」会被 重复包含,但对于求最值问题,重复比较并不想影响答案正确性。

因此最终的 为上述两种讨论中的最大值。

一些编码细节:

通常会习惯性往字符串头部追加一个空格,以减少边界判断(使下标从 1 开始,并很容易构造出可滚动的「有效值」)。但实现上,不用真的往字符串中最佳空格,只需在初始化动规值时假定存在首部空格,以及对最后的 LCS 长度进行减一操作即可。

Java 代码:

class Solution {
    public int minDistance(String s1, String s2) {
        char[] cs1 = s1.toCharArray(), cs2 = s2.toCharArray();
        int n = s1.length(), m = s2.length();
        int[][] f = new int[n + 1][m + 1];
        // 假定存在哨兵空格,初始化 f[0][x] 和 f[x][0]
        for (int i = 0; i <= n; i++) f[i][0] = 1;
        for (int j = 0; j <= m; j++) f[0][j] = 1;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= m; j++) {
                f[i][j] = Math.max(f[i - 1][j], f[i][j - 1]);
                if (cs1[i - 1] == cs2[j - 1]) f[i][j] = Math.max(f[i][j], f[i - 1][j - 1] + 1);
            }
        }
        int max = f[n][m] - 1// 减去哨兵空格
        return n - max + m - max;
    }
}

C++ 代码:

class Solution {
public:
    int minDistance(string s1, string s2) {
        int n = s1.size(), m = s2.size();
        vector<vector<int>> f(n + 1vector<int>(m + 1));
        for (int i = 0; i <= n; i++) f[i][0] = 1;
        for (int j = 0; j <= m; j++) f[0][j] = 1;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= m; j++) {
                f[i][j] = max(f[i - 1][j], f[i][j - 1]);
                if (s1[i - 1] == s2[j - 1]) f[i][j] = max(f[i][j], f[i - 1][j - 1] + 1);
            }
        }
        int max = f[n][m] - 1;
        return n - max + m - max;
    }
};

Python 代码:

class Solution:
    def minDistance(self, s1: str, s2: str) -> int:
        n, m = len(s1), len(s2)
        f = [[1]* (m + 1for _ in range(n + 1)]
        for i in range(1, n + 1):
            for j in range(1, m + 1):
                f[i][j] = max(f[i - 1][j], f[i][j - 1])
                if s1[i - 1] == s2[j - 1]:
                    f[i][j] = max(f[i][j], f[i - 1][j - 1] + 1)
        max_val = f[n][m] - 1
        return n - max_val + m - max_val

TypeScript 代码:

function minDistance(s1: string, s2: string): number {
    const n = s1.length, m = s2.length;
    const f: number[][] = Array(n + 1).fill(0).map(() => Array(m + 1).fill(1));
    for (let i = 1; i <= n; i++) {
        for (let j = 1; j <= m; j++) {
            f[i][j] = Math.max(f[i - 1][j], f[i][j - 1]);
            if (s1[i - 1] === s2[j - 1]) {
                f[i][j] = Math.max(f[i][j], f[i - 1][j - 1] + 1);
            }
        }
    }
    const max = f[n][m] - 1;
    return n - max + m - max;  
};
  • 时间复杂度:
  • 空间复杂度:

序列 DP

上述解决方案是套用了「最长公共子序列(LCS)」进行求解,最后再根据 LCS 长度计算答案。

而更加契合题意的状态定义是根据「最长公共子序列(LCS)」的原始状态定义进行微调:「定义 代表考虑 的前 个字符、考虑 的前 个字符(最终字符串不一定包含 )时形成相同字符串的最小删除次数。」

同理,不失一般性的考虑 该如何计算:

  • s1[i]==s2[j] ,代表可以不用必然删掉 形成相同字符串;
  • s1[i]!=s2[j] ,代表至少一个删除 中的其中一个。

为上述方案中的最小值,最终答案为

Java 代码:

class Solution {
    public int minDistance(String s1, String s2) {
        char[] cs1 = s1.toCharArray(), cs2 = s2.toCharArray();
        int n = s1.length(), m = s2.length();
        int[][] f = new int[n + 1][m + 1];
        for (int i = 0; i <= n; i++) f[i][0] = i;
        for (int j = 0; j <= m; j++) f[0][j] = j;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= m; j++) {
                f[i][j] = Math.min(f[i - 1][j] + 1, f[i][j - 1] + 1);
                if (cs1[i - 1] == cs2[j - 1]) f[i][j] = Math.min(f[i][j], f[i - 1][j - 1]);
            }
        }
        return f[n][m];
    }
}

C++ 代码:

class Solution {
public:
    int minDistance(string s1, string s2) {
        int n = s1.size(), m = s2.size();
        vector<vector<int>> f(n + 1vector<int>(m + 1));
        for(int i = 0; i <= n; i++) f[i][0] = i;
        for(int j = 0; j <= m; j++) f[0][j] = j;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= m; j++) {
                f[i][j] = min(f[i - 1][j] + 1, f[i][j - 1] + 1);
                if (s1[i - 1] == s2[j - 1]) f[i][j] = min(f[i][j], f[i - 1][j - 1]);
            }
        }
        return f[n][m];
    }
};

Python 代码:

class Solution:
    def minDistance(self, s1: str, s2: str) -> int:
        n, m = len(s1), len(s2)
        f = [[0]* (m + 1for _ in range(n + 1)]
        for i in range(n + 1):
            f[i][0] = i
        for i in range(m + 1): 
            f[0][i] = i
        for i in range(1, n + 1):
            for j in range(1, m + 1):
                f[i][j] = min(f[i - 1][j] + 1, f[i][j - 1] + 1)
                if s1[i - 1] == s2[j - 1]:
                    f[i][j] = min(f[i][j], f[i - 1][j - 1])
        return f[n][m]

TypeScript 代码:

function minDistance(s1: string, s2: string): number {
    const n = s1.length, m = s2.length;
    const f: number[][] = Array.from({length: n + 1}, () => Array(m + 1).fill(0));
    for(let i = 0; i <= n; i++) f[i][0] = i;
    for(let i = 0; i <= m; i++) f[0][i] = i;
    for (let i = 1; i <= n; i++) {
        for (let j = 1; j <= m; j++) {
            f[i][j] = Math.min(f[i - 1][j] + 1, f[i][j - 1] + 1);
            if (s1.charAt(i - 1) == s2.charAt(j - 1)) f[i][j] = Math.min(f[i][j], f[i - 1][j - 1]);
        }
    }
    return f[n][m];
};
  • 时间复杂度:
  • 空间复杂度:

最后

给大伙通知一下 📢 :

全网最低价 LeetCode 会员目前仍可用!!!

📅 年度会员:有效期加赠两个月!!; 季度会员:有效期加赠两周!!

🧧 年度会员:获 66.66 现金红包!!; 季度会员:获 22.22 现金红包!!

🎁 年度会员:参与当月丰厚专属实物抽奖(中奖率 > 30%)!!

专属链接:leetcode.cn/premium/?promoChannel=acoier

我是宫水三叶,每天都会分享算法知识,并和大家聊聊近期的所见所闻。

欢迎关注,明天见。

更多更全更热门的「笔试/面试」相关资料可访问排版精美的 合集新基地 🎉🎉

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/822654.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

分布式基础环境搭建

使用 Linux 安装 Docker 环境,并启动数据库,缓存等容器服务 分布式基础环境搭建 一、安装 docker1.1、卸载系统之前的 docker1.2、安装 Docker-CE1.3、启动 docker1.4、设置 docker 开机自启1.5、测试 docker 常用命令1.6、配置 docker 镜像加速二、docker 安装 mysql2.1、下…

面经学习(众智宏图实习)

个人评价 难度还是有的&#xff0c;中等难度吧&#xff0c;可能是因为项目使用的是物流项目&#xff0c;该项目本来就比较庞大难度比较高&#xff0c;流的八股文我真的是一点不会&#xff0c;还需要加强&#xff0c;reidis的多路io复用模型没有深问&#xff0c;要是问了就寄了&…

HTML段落标签、换行标签、文本格式化标签与水平线标签

目录 HTML段落标签 HTML换行标签 HTML格式化标签 加粗标签 倾斜标签 删除线标签 下划线标签 HTML水平线标签 HTML段落标签 在网页中&#xff0c;要把文字有条理地显示出来&#xff0c;就需要将这些文字分段显示。在 HTML 标签中&#xff0c;<p>标签用于定义段落…

Golang面试题四(GMP)

目录 1.Goroutine 定义 2.GMP 指的是什么 3.GMP模型的简介 全局队列&#xff08;Global Queue&#xff09; P的本地队列 P列表 M列表 4.有关P和M的个数问题 P的数量问题 M的数量问题 P和M何时会被创建 5.调度器P的设计策略 复⽤线程 work stealing机制 hand off…

算法 第41天 动态规划3

343 整数拆分 给定一个正整数 n &#xff0c;将其拆分为 k 个 正整数 的和&#xff08; k > 2 &#xff09;&#xff0c;并使这些整数的乘积最大化。 返回 你可以获得的最大乘积 # 动态规划 def integerBreak(n:int)->int:dp[0]*(n1)dp[2]1 #从下标为2开始 &#xff0…

本地生活服务平台都有哪些,靠谱吗?

随着本地生活服务的发展潜力和盈利方式被不断挖掘&#xff0c;越来越多的人开始发现其中所蕴含着的巨大商机&#xff0c;大家所熟悉的抖音、小红书和支付宝等平台也纷纷上线了本地生活板块&#xff0c;再次印证了其前景的广阔。在此背景下&#xff0c;普通人想要趁势入局分一杯…

Linux ARM平台开发系列讲解(QEMU篇) 1.1 编译QEMU 构建RISC-V64架构 运行Linux kernel

1. 概述 QEMU可以模拟很多架构的CPU(ARM,RISC-V等),重点是免费,用来学Linux简直太适合不过了,所以,我打算开一章节来教QEMU的使用,这样也方便环境统一调试,本章节就讲解如何在Ubuntu搭建QEMU,我的环境是全新的Ubuntu22,QEMU下载的9.0,kernel下载的6.0. 2. 源码下载…

已适配开源鸿蒙OpenHarmony 4.1,Purple Pi OH开发板与时俱进

2024年4月3日&#xff0c;备受瞩目的OpenHarmony 4.1 release版本正式发布。值得一提的是&#xff0c;触觉智能的Purple Pi OH已经成功适配了这一新版本&#xff0c;展现出强大的兼容性和前沿的技术实力。此次升级不仅彰显了OpenHarmony在开放能力和应用生态方面的持续进步&…

定制k8s域名解析------CoreDns配置实验

定制k8s域名解析------CoreDns配置实验 1. 需求 k8s集群内通过CoreDns互相解析service名. 同时pana.cn域为外部dns解析,需要通过指定dns服务器进行解析 再有3个服务器,需要使用A记录进行解析 2. K8s外DNS服务器 查看解析文件 tail -3 /var/named/pana.cn.zone 解析内容 ww…

免费申请泛域名证书

通配符证书是一种比较特殊的SSL/TLS 证书&#xff0c;可用于保护多个域名&#xff08;含主域名&#xff09;&#xff0c;由域名字段中的通配符 (*) 指示。这种证书主要用于具有很多子域的组织。通配符证书对主域及其所有次级子域有效。 对于免费通配符证书而言&#xff0c;目前…

IAR 使用笔记(IAR BIN大小为0异常解决)

烧写 由于芯片的内部SPI FLASH的0级BOOT 程序起到到开启JTAG SW 仿真功能&#xff0c;一旦内部SPI FLASH存储的BL0启动代码被损坏&#xff0c;芯片的JTAG 将不能被连接。所以对BL0的烧写需要谨慎&#xff0c;烧写BL0过程保证芯片不断电。 如果烧写了多备份的启动代码&#xff…

datalist 是什么?以及作用是什么?

datalist 是 HTML5 中引入的一个新元素&#xff0c;它用于为 <input> 元素提供预定义的选项列表。当用户开始输入时&#xff0c;浏览器会显示一个下拉列表&#xff0c;其中包含与输入值匹配的 datalist 中的选项。这使得用户可以更容易地从预定义的选项中选择&#xff0c…

网安DOS命令(基础)

一、DOS命令基础 提示符 根目录&#xff1a;进入大到分区后&#xff0c;最外层的目录就是根目录 工作目录&#xff1a;当前的所在位置/所在文件夹 切换工作目录&#xff1a;cd。 二、cd命令 2.1 作用 切换工作目录 2.2 格式 1 | cd 目标 2.3 案例 cd \ 进入根目录 cd…

NLP基础—jieba分词

jieba分词 支持四种分词模式 精确模式 试图将句子最精确地切开,适合文本分析;全模式 把句子中所有的可以成词的词语都扫描出来, 速度非常快,但是不能解决歧义;搜索引擎模式 在精确模式的基础上,对长词再次切分,提高召回率,适合用于搜索引擎分词。paddle模式 利用Paddle…

Spring Boot 处理过滤器(filter )中抛出的异常

前言&#xff1a; 在改造老项目登录功能的时候&#xff0c;使用了过滤器对 token 进行有效性验证&#xff0c;验证通过继续进行业务请求&#xff0c;验证不通过则抛出校验异常。 过程&#xff1a; 技术方案拟定后&#xff0c;就着手开始改造&#xff0c;一切都很顺畅&#x…

Oracle子查询

这里写目录标题 子查询子查询的分类1.非相关子查询单行单列单行多列单列多行多行多列 2.相关子查询 子查询 定义&#xff1a;一个查询语句中嵌套一个或多个查询语句&#xff0c;里层的查询语句的结果成为了外层查询语句的一部分。 外层的查询叫主查询 里层的查询叫子查询 子查…

Linux学习:进程(5)进程控制

目录 1. 进程创建1.1 进程创建的方式与过程1.2 写时拷贝1.3 补充知识 2. 进程终止2.1 main函数返回值与进程退出码2.2 进程退出码的意义2.3 进程的执行结果与异常信号2.4 进程终止方式&#xff1a;exit与_exit 3. 进程等待3.1 进程创建与回收3.2 进程等待与回收的方式3.3 wait与…

51单片机、STM32连接串口助手常遇到的问题有哪些,具体应该如何解决

51单片机、STM32与电脑连接串口助手常见的问题及解决方法如下&#xff1a; 1.驱动问题&#xff1a;连接时电脑无法识别串口设备&#xff0c;通常是由于缺少驱动程序导致的。解决方法是安装正确的串口驱动程序&#xff0c;通常可以从芯片厂商的官方网站上下载到相应的驱动程序。…

鸿蒙语言TypeScript学习第18天:【泛型】

1、TypeScript 泛型 泛型&#xff08;Generics&#xff09;是一种编程语言特性&#xff0c;允许在定义函数、类、接口等时使用占位符来表示类型&#xff0c;而不是具体的类型。 泛型是一种在编写可重用、灵活且类型安全的代码时非常有用的功能。 使用泛型的主要目的是为了处…

树莓派安装tensorflow

树莓派安装tensorflow 使用编译好的版本自己选择版本进行编译armv71 架构 教程转载 使用编译好的版本 下载tensorflow编译好的版本 https://github.com/lhelontra/tensorflow-on-arm/tags由于python版本支持有限可能需要自己安装python 安装对应的python 自己选择版本进行编译…