赞
踩
给出题目一的试题链接如下:
这一题我的思路很暴力,直接暴力检索一下,找到所有的目标位置,然后加入其对应范围内的所有index即可。
class Solution:
def findKDistantIndices(self, nums: List[int], key: int, k: int) -> List[int]:
n = len(nums)
res = set()
for i, x in enumerate(nums):
if x == key:
for j in range(max(0, i-k), min(i+k+1, n)):
res.add(j)
return sorted(list(res))
提交代码评测得到:耗时673ms,占用内存14.2MB。
给出题目二的试题链接如下:
这一题我的思路同样异常暴力,用一个set记录下所有的dig的位置,然后对每一个artifact检查是否有被完整的挖出来……
给出python代码实现如下:
class Solution:
def digArtifacts(self, n: int, artifacts: List[List[int]], dig: List[List[int]]) -> int:
dig = set([tuple(x) for x in dig])
res = 0
for a, b, c, d in artifacts:
if all((i, j) in dig for i in range(a, c+1) for j in range(b, d+1)):
res += 1
return res
提交代码评测得到:耗时3931ms,占用内存63.1MB。
给出题目三的试题链接如下:
这一题只需要进行一下分类讨论就行了:
给出python代码实现如下:
class Solution:
def maximumTop(self, nums: List[int], k: int) -> int:
n = len(nums)
if n == 1:
return nums[0] if k % 2 == 0 else -1
if k == 0:
return nums[0]
elif k < n:
return max(nums[:k-1] + [nums[k]])
elif k == n:
return max(nums[:k-1])
else:
return max(nums)
提交代码评测得到:耗时836ms,占用内存28MB。
给出题目四的试题链接如下:
这一题搞是搞出来了,不过方法极其的不优雅。
我的核心思路是说找到所有能够通向dest节点的对应节点到dest的最短距离,然后遍历这些节点,然后分别加上src1于src2到这些节点的最短距离,就是构成的子图所需的最小的距离。
不过直接提交出现了超时,因此我加了一点补丁,即首先先对所有的边进行了一下去重,只保留了两个节点之间的最短边,这样可以减少一些计算量。
修改后的代码可以通过测试样例,不过感觉还是很不优雅……
给出python代码实现如下:
class Solution: def minimumWeight(self, n: int, edges: List[List[int]], src1: int, src2: int, dest: int) -> int: edges = sorted(edges, key=lambda x: x[2]) out_graph = defaultdict(list) in_graph = defaultdict(list) seen = set() for u, v, w in edges: if (u, v) in seen: continue seen.add((u,v)) out_graph[u].append((v, w)) in_graph[v].append((u, w)) def get_downsteam_distance(src): q = [(0, src)] distances = {} while q: dis, u = heapq.heappop(q) if u not in distances: distances[u] = dis for v, w in out_graph[u]: if v not in distances: heapq.heappush(q, (dis+w, v)) return distances def get_upstream_distance(dest): q = [(0, dest)] distances = {} while q: dis, u = heapq.heappop(q) if u not in distances: distances[u] = dis for v, w in in_graph[u]: if v not in distances: heapq.heappush(q, (dis+w, v)) return distances src1_to_nodes = get_downsteam_distance(src1) src2_to_nodes = get_downsteam_distance(src2) nodes_to_dest = get_upstream_distance(dest) res = min(nodes_to_dest[v] + src1_to_nodes.get(v, math.inf) + src2_to_nodes.get(v, math.inf) for v in nodes_to_dest) return res if res != math.inf else -1
提交代码评测得到:耗时3477ms,占用内存113.1MB。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。