赞
踩
给你一个下标从 0 开始的数组 nums
,数组大小为 n
,且由 非负 整数组成。
你需要对数组执行 n - 1
步操作,其中第 i
步操作(从 0 开始计数)要求对 nums
中第 i
个元素执行下述指令:
nums[i] == nums[i + 1]
,则 nums[i]
的值变成原来的 2
倍,nums[i + 1]
的值变成 0
。否则,跳过这步操作。在执行完 全部 操作后,将所有 0
移动 到数组的 末尾 。
[1,0,2,0,0,1]
将所有 0
移动到末尾后变为 [1,2,1,0,0,0]
。返回结果数组。
注意 操作应当 依次有序 执行,而不是一次性全部执行。
提示:
2 <= nums.length <= 2000
0 <= nums[i] <= 1000
示例
输入:nums = [1,2,2,1,1,0]
输出:[1,4,2,0,0,0]
解释:执行以下操作:
- i = 0: nums[0] 和 nums[1] 不相等,跳过这步操作。
- i = 1: nums[1] 和 nums[2] 相等,nums[1] 的值变成原来的 2 倍,nums[2] 的值变成 0 。数组变成 [1,4,0,1,1,0] 。
- i = 2: nums[2] 和 nums[3] 不相等,所以跳过这步操作。
- i = 3: nums[3] 和 nums[4] 相等,nums[3] 的值变成原来的 2 倍,nums[4] 的值变成 0 。数组变成 [1,4,0,2,0,0] 。
- i = 4: nums[4] 和 nums[5] 相等,nums[4] 的值变成原来的 2 倍,nums[5] 的值变成 0 。数组变成 [1,4,0,2,0,0] 。
执行完所有操作后,将 0 全部移动到数组末尾,得到结果数组 [1,4,2,0,0,0] 。
思路
简单模拟题,使用双指针,可以进行原地删除。
// C++ class Solution { public: vector<int> applyOperations(vector<int>& nums) { int n = nums.size(), i = 0, j = 0; while (i < n) { if (nums[i] != 0) { if (i + 1 < n && nums[i] == nums[i + 1]) nums[j++] = 2 * nums[i++]; else nums[j++] = nums[i]; } i++; } while (j < n) nums[j++] = 0; return nums; } };
给你一个整数数组 nums
和一个整数 k
。请你从 nums
中满足下述条件的全部子数组中找出最大子数组和:
k
,且返回满足题面要求的最大子数组和。如果不存在子数组满足这些条件,返回 0
。
子数组 是数组中一段连续非空的元素序列。
提示:
1 <= k <= nums.length <= 105
1 <= nums[i] <= 105
示例
输入:nums = [1,5,4,2,9,9,9], k = 3
输出:15
解释:nums 中长度为 3 的子数组是:
- [1,5,4] 满足全部条件,和为 10 。
- [5,4,2] 满足全部条件,和为 11 。
- [4,2,9] 满足全部条件,和为 15 。
- [2,9,9] 不满足全部条件,因为元素 9 出现重复。
- [9,9,9] 不满足全部条件,因为元素 9 出现重复。
因为 15 是满足全部条件的所有子数组中的最大子数组和,所以返回 15 。
思路
简单滑动窗口,维护窗口内的和即可
// C++ typedef long long LL; const int N = 1e5 + 10; class Solution { public: // 用于判重 bool st[N]; LL maximumSubarraySum(vector<int>& nums, int k) { LL ans = 0, sum = 0; int n = nums.size(); for (int i = 0, j = 0; i < n; i++) { // 当出现重复时 while (st[nums[i]]) { st[nums[j]] = false; sum -= nums[j]; j++; } st[nums[i]] = true; // 纳入当前窗口 sum += nums[i]; // 刚好>k, 则减1 if (i - j + 1 > k) { st[nums[j]] = false; sum -= nums[j]; j++; } if (i - j + 1 == k) ans = max(ans, sum); } return ans; } };
给你一个下标从 0 开始的整数数组 costs
,其中 costs[i]
是雇佣第 i
位工人的代价。
同时给你两个整数 k
和 candidates
。我们想根据以下规则恰好雇佣 k
位工人:
总共进行 k
轮雇佣,且每一轮恰好雇佣一位工人。
在每一轮雇佣中,从最前面candidates
和最后面candidates
人中选出代价最小的一位工人,如果有多位代价相同且最小的工人,选择下标更小的一位工人。
costs = [3,2,7,7,1,2]
且 candidates = 2
,第一轮雇佣中,我们选择第 4
位工人,因为他的代价最小 [*3,2*,7,7,***1**,2*]
。1
位工人,因为他们的代价与第 4
位工人一样都是最小代价,而且下标更小,[*3,**2***,7,*7,2*]
。注意每一轮雇佣后,剩余工人的下标可能会发生变化。如果剩余员工数目不足 candidates
人,那么下一轮雇佣他们中代价最小的一人,如果有多位代价相同且最小的工人,选择下标更小的一位工人。
一位工人只能被选择一次。
返回雇佣恰好 k
位工人的总代价。
提示:
1 <= costs.length <= 10^5
1 <= costs[i] <= 10^5
1 <= k, candidates <= costs.length
示例
输入:costs = [17,12,10,2,7,2,11,20,8], k = 3, candidates = 4
输出:11
解释:我们总共雇佣 3 位工人。总代价一开始为 0 。
- 第一轮雇佣,我们从 [17,12,10,2,7,2,11,20,8] 中选择。最小代价是 2 ,有两位工人,我们选择下标更小的一位工人,即第 3 位工人。总代价是 0 + 2 = 2 。
- 第二轮雇佣,我们从 [17,12,10,7,2,11,20,8] 中选择。最小代价是 2 ,下标为 4 ,总代价是 2 + 2 = 4 。
- 第三轮雇佣,我们从 [17,12,10,7,11,20,8] 中选择,最小代价是 7 ,下标为 3 ,总代价是 4 + 7 = 11 。注意下标为 3 的工人同时在最前面和最后面 4 位工人中。
总雇佣代价是 11 。
思路
用一个小根堆,维护当前纳入考虑范围的所有candidates
,并且维护左右两侧的边界。每次从堆顶弹出一个元素,累加这个元素的cost
,并查看其下标,若其下标在[0, l]
,则左侧边界往右拓展一位;反之若在右侧[r, n - 1]
,则右侧边界往左拓展一位。
// C++ typedef long long LL; typedef pair<int, int> PII; class Solution { public: LL totalCost(vector<int>& costs, int k, int c) { priority_queue<PII, vector<PII>, greater<PII>> heap; int n = costs.size(), l = c - 1, r = n - c; for (int i = 0; i <= l; i++) heap.push({costs[i], i}); for (int i = n - 1; i >= r && i > l; i--) heap.push({costs[i], i}); LL ans = 0; for (int i = 0; i < k; i++) { PII p = heap.top(); heap.pop(); ans += p.first; int pos = p.second; if (pos <= l && l + 1 < r) { heap.push({costs[l + 1], l + 1}); l++; } else if (pos >= r && r - 1 > l) { heap.push({costs[r - 1], r - 1}); r--; } } return ans; } };
X 轴上有一些机器人和工厂。给你一个整数数组 robot
,其中 robot[i]
是第 i
个机器人的位置。再给你一个二维整数数组 factory
,其中 factory[j] = [position_j, limit_j]
,表示第 j
个工厂的位置在 position_j
,且第 j
个工厂最多可以修理 limit_j
个机器人。
每个机器人所在的位置 互不相同 。每个工厂所在的位置也 互不相同 。注意一个机器人可能一开始跟一个工厂在 相同的位置 。
所有机器人一开始都是坏的,他们会沿着设定的方向一直移动。设定的方向要么是 X 轴的正方向,要么是 X 轴的负方向。当一个机器人经过一个没达到上限的工厂时,这个工厂会维修这个机器人,且机器人停止移动。
任何时刻,你都可以设置 部分 机器人的移动方向。你的目标是最小化所有机器人总的移动距离。
请你返回所有机器人移动的最小总距离。测试数据保证所有机器人都可以被维修。
注意:
x
到位置 y
的移动距离为 |y - x|
。提示:
示例
输入:robot = [0,4,6], factory = [[2,2],[6,2]]
输出:4
解释:如上图所示:
- 第一个机器人从位置 0 沿着正方向移动,在第一个工厂处维修。
- 第二个机器人从位置 4 沿着负方向移动,在第一个工厂处维修。
- 第三个机器人在位置 6 被第二个工厂维修,它不需要移动。
第一个工厂的维修上限是 2 ,它维修了 2 个机器人。
第二个工厂的维修上限是 2 ,它维修了 1 个机器人。
总移动距离是 |2 - 0| + |2 - 4| + |6 - 6| = 4 。没有办法得到比 4 更少的总移动距离。
思路
思路一
坐标离散化+二分+贪心
做虚拟比赛时我的思路是:坐标离散化+二分。
具体来说,就是先把所有机器人的坐标存在一个数组里,所有工厂的坐标存在一个数组里。然后对两个数组从小到大排序。随后从坐标最小的机器人开始枚举,每次决定当前机器人应该往左走还是往右走。
怎么决定呢?从当前机器人的位置,往左,往右,找到距离最近的2个工厂,比较2个工厂到机器人的距离,选择较小的那个工厂。
typedef long long LL; class Solution { public: vector<int> indexR, indexF; unordered_map<int, int> f; // 工厂下标 - 剩余可修理次数 // x 是机器人的下标 // 找到左侧第一个可用工厂的位置 int findLeft(int x) { int l = 0, r = indexF.size() - 1; while (l < r) { int mid = l + r + 1>> 1; if (indexF[mid] <= x) l = mid; else r = mid - 1; } if (indexF[l] <= x) return l; return -1; } int findRight(int x) { int l = 0, r = indexF.size() - 1; while (l < r) { int mid = l + r >> 1; if (indexF[mid] >= x) r = mid; else l = mid + 1; } if (indexF[l] >= x) return l; return -1; } LL minimumTotalDistance(vector<int>& robot, vector<vector<int>>& factory) { for (auto& i : robot) indexR.push_back(i); for (auto& i : factory) { indexF.push_back(i[0]); f[i[0]] += i[1]; // 工厂的可修理次数 } // 坐标离散化 sort(indexR.begin(), indexR.end()); sort(indexF.begin(), indexF.end()); // 对每个robot, 找到最近的工厂 LL ans = 0; for (int i = 0; i < indexR.size(); i++) { // 往左找, 往右找 int l = findLeft(indexR[i]), r = findRight(indexR[i]); // x是最终决定的工厂 int x = l != -1 ? l : -1; if (x == -1) x = r; else if (r != -1) { // 左右两侧都有可用工厂时, 优先选择距离更近的 int dl = abs(indexF[l] - indexR[i]), dr = abs(indexF[r] - indexR[i]); if (dl < dr) x = l; else if (dl > dr) x = r; else x = l; // 选左边的 } // 选好后, 计算距离 LL d = abs(indexF[x] - indexR[i]); ans += d; // 将这个工厂的可用次数减去1 // 若这个工厂剩余可用次数为0, 则从工厂下标数组中将其删除 if (--f[indexF[x]] == 0) indexF.erase(indexF.begin() + x); } return ans; } };
提交后WA了。来看一组错误数据:
[9,11,99,101]
[[10,1],[7,1],[14,1],[100,1],[96,1],[103,1]]
根据上面的代码,对这组数据进行模拟。可以发现我们的决策是这样的:
总的移动次数为1 + 3 + 1 + 2 = 7
而实际的最优解为6,其决策是(下面用R表示机器人,F表示工厂)
总的移动次数是2 + 1 + 1 + 2 = 6
可以看到,我上面的策略是对每个机器人在当前状态下做出最优选择,但这样并不能保证达到最终的全局最优。
我这样尝试通过局部最优去得到全局最优的贪心策略是不可行的。
原因是当前的决策会对后续的决策产生影响,每一次决策之间不是互相独立的。
比如R9选择了F10,对于R9来说是最优选择,但这样的决策会使得R11只能选择F14,从而使得R9和R11的总移动次数为1 + 3 = 4;而如果R9稍微牺牲下自己,去选择F7,这样就能使得R11可以选择F10,从而使得R9和R11的总移动次数为2 + 1 = 3,反而更小了。
思路二
中心扩散
接下来我又有了这样的想法:以每个工厂作为中心,分别同时往左右两端进行扩散(对于每个工厂,维护一下其往左右两边扩散的半径,每个工厂,其半径每秒钟增长1)。
对于某个机器人,其一定会在某个时刻被某个工厂扩散出来的半径所覆盖,当某个机器人第一次被某个工厂扩散的半径所覆盖时,这个工厂就是与该机器人距离最近的且可用的工厂。当某个工厂扩散的半径刚好到达某个机器人时,若该工厂还有剩余维修次数,则将该工厂的维修次数减1,且把该机器人标记为已被维修。扩散终将结束,并且那时所有的机器人都会被覆盖掉。每个工厂都会尽可能的维修与自己距离更近的机器人。这样看来好像是一种可行的方法。
但是!有些情况无法被处理。比如某个工厂的可维修次数只有1,并且在某一时刻,恰好有2个机器人被该工厂的半径所覆盖,那么该工厂应该选择维修哪个机器人呢?这个是不太好判断的,因为还需要更多的额外信息。比如上面的样例,F10在第一秒钟时,其扩散出来的区间范围是[9, 11]
,恰好到达了R9和R11,由于它只有1次可维修次数,此时它应该选择维修R9还是R11呢?此时需要看,如果不维修R9,那么R9被后来的工厂所覆盖的最短距离是多少;以及如果不维修R11,那么R11被后来的工厂所覆盖的最短距离是多少。如果R9被后来的工厂所覆盖的最短距离比R11的更短,那么应该选择不维修R9,维修R11。这个信息的计算可能会产生嵌套。
并且,由于整个坐标的值域很大,[-10^9, 10^9]
,我们每次对所有工厂扩散1,则一个工厂最多需要扩散 10^9
次,这样肯定就超时了。所以该思路最终没有走下去。
思路三
动态规划
很自然的,我们先对机器人和工厂的坐标,从小到大排个序。
随后,能观察到这样一个事实:假设有两个机器人Rx和Ry,设在最优解中,它们最终被送到的工厂分别是Fx和Fy。若两个机器人之间的坐标关系是 Rx <= Ry,那么一定有 Fx <= Fy。
也就是说,排完序后,从左往右的机器人,一定是依次被送到了从左往右的工厂里去维修。也就是说,从左往右遍历每个机器人时,是先将若干个机器人送到了第一个工厂,第一个工厂的维修次数用完后,又将若干个机器人送到第二个工厂,又将若干个机器人送到第三个工厂… (当然,这样描述其实并不准确,甚至是有问题的,但可以近似这样来理解)
先用反证法,证明一下这个结论。
不妨设 Rx < Ry,假设Rx是往左走,到达的Fx,接下来我们考虑Fy的位置,若Fy < Fx(违反上述结论时),如下图
那么Rx移动的距离是b
,Ry移动的距离是a + b + c
,Rx和Ry总的移动距离是a + 2b + c
此时如果交换一下,让Rx去Fy,让Ry去Fx,那么Rx的移动距离是a + b
,Ry的移动距离是b + c
,它俩的总移动距离是a + 2b + c
,是不变的。
所以,只要存在Rx < Ry,且Fx > Fy的情况,我们总是能够做一下交换,而总的移动距离并不会变得更大。
所以,我们总是能够保证,对于机器人Rx <= Ry,最优解中一定有 Fx <= Fy。即两个机器人之间的坐标的前后关系,和它们最终选择的工厂的坐标的前后关系,是一致的。
于是我们就能够按上面所描述的,从左往右处理每个机器人,依次将机器人送到从左往右的工厂里去维修。
前i
个工厂,一定是维修了前j
个机器人的,不可能存在 前i
个工厂,维修了[0, k]
以及[k + x, j]
这些机器人,中间还有x个机器人没有被维修,这样的情况。
所以我们可以这样设置状态表示:dp[i][j]
表示用前i
个工厂,维修了前j
个机器人时,机器人总的移动距离。
状态转移时,我们考虑第i
个工厂。
第i
个工厂
[0, j]
中,最右侧的连续若干个机器人(一定是维修了最右侧的若干个,而不是跳过最右侧去维修更左侧的机器人),对于第二种情况,我们假设第i
个工厂,维修了k
个机器人,只需要枚举一下k
的所有可能的取值,计算一下状态转移即可,状态转移的方程是:dp[i][j] = dp[i - 1][j - k] + cost[?]
,其中的cost[?]
表示这k
个机器人到第i
个工厂的距离之和。
最终的答案当然就是dp[n][m]
,即使用全部的工厂,维修全部的机器人的距离之和。
typedef long long LL; const LL INF = 1e13; // 由于此题的数据范围, 机器人最多有100个, 整个坐标值域最大为10^9, 所以将正无穷开为10^13 class Solution { public: LL minimumTotalDistance(vector<int>& robot, vector<vector<int>>& factory) { int m = robot.size(), n = factory.size(); sort(robot.begin(), robot.end()); sort(factory.begin(), factory.end()); vector<vector<LL>> dp(n + 1, vector<LL>(m + 1, INF)); // 状态边界 for (int i = 0; i <= n; i++) dp[i][0] = 0; // 维修0个机器人时, 距离全都为0 // 开始转移 for (int i = 1; i <= n; i++) { for (int j = 1; j <= m; j++) { dp[i][j] = dp[i - 1][j]; // 第i个工厂, 1个机器人也不维修时 LL sum = 0; // 枚举第i个工厂能维修的机器人的数量 for (int k = 1; k <= min(factory[i - 1][1], j); k++) { int idx = j - k; // 此次维修的机器人的坐标, 下标从0开始 sum += abs(robot[idx] - factory[i - 1][0]); // 累加距离之和 dp[i][j] = min(dp[i][j], dp[i - 1][j - k] + sum); // 状态转移 } } } return dp[n][m]; } };
这道题目,最重要的是要推出,机器人之间的坐标前后关系,与它们选择的工厂的坐标前后关系,是一致的。只有具备这个条件,才能按照上述的思路进行状态的转移。
T1是双指针模拟;T2是滑动窗口;T3是双指针+堆;T4是动态规划
这次周赛是在周日上午,由于前一周拔了牙,当天周日早上去医院拆线,所以这场周赛没有参加。后来做了下虚拟比赛,只做出3题,T4还差点思维。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。