⭐️ 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 常识星球发问。

学习数据结构与算法的关键在于把握问题背地的算法思维框架,你的思考越形象,它能笼罩的问题域就越广,了解难度也更简单。在这个专栏里,小彭与你分享每场 LeetCode 周赛的解题报告,一起领会上分之旅。

本文是 LeetCode 上分之旅系列的第 47 篇文章,往期回顾请移步到文章开端\~

LeetCode 周赛 364

T1. 最大二进制奇数(Easy)

  • 标签:贪婪

T2. 漂亮塔 I(Medium)

  • 标签:枚举、前后缀合成、枯燥栈

T3. 漂亮塔 II(Medium)

  • 标签:枚举、前后缀合成、枯燥栈

T4. 统计树中的非法门路数目(Hard)

  • 标签:DFS、质数


T1. 最大二进制奇数(Easy)

https://leetcode.cn/problems/maximum-odd-binary-number/description/

题解(模仿)

简略模拟题,先计算 $1$ 的个数,将其中一个 $1$ 置于最低位,其它 $1$ 置于最高位:

class Solution {    fun maximumOddBinaryNumber(s: String): String {        val cnt = s.count { it == '1' }        return StringBuilder().apply {            repeat(cnt - 1) {                append("1")            }            repeat(s.length - cnt) {                append("0")            }            append("1")        }.toString()    }}
class Solution:    def maximumOddBinaryNumber(self, s: str) -> str:        n, cnt = len(s), s.count("1")        return "1" * (cnt - 1) + "0" * (n - cnt) + "1"
class Solution {public:    string maximumOddBinaryNumber(string s) {       int n = s.length();       int cnt = 0;       for (auto& e : s)  {           if (e == '1') cnt++;       }       string ret;       for (int i = 0; i < cnt - 1; i++) {           ret.push_back('1');       }       for (int i = 0; i < n - cnt; i++) {           ret.push_back('0');       }       ret.push_back('1');       return ret;    }};

复杂度剖析:

  • 工夫复杂度:$O(n)$ 线性遍历;
  • 空间复杂度:$O(1)$ 不思考后果字符串。

T2. 漂亮塔 I(Medium)

https://leetcode.cn/problems/beautiful-towers-i/description/

同 T3. 漂亮塔 I


T3. 漂亮塔 II(Medium)

https://leetcode.cn/problems/beautiful-towers-ii/description/

问题剖析

初步剖析:

  • 问题指标: 结构满足条件的计划,使得数组出现山状数组,返回元素和;
  • 计划条件: 从数组的最大值向左侧为递加,向右侧也为递加。

思考实现:

  • 在 T2. 漂亮塔 I(Medium) 中的数据量只有 $1000$,咱们能够枚举以每个点作为山峰(数组最大值)的计划,从山顶顺次向两侧递加,使得以后地位不高于前一个地位,整体的工夫复杂度是 $O(n^2)$;
  • 在 T3. 漂亮塔 II(Medium) 中数据量有 $10^5$,咱们须要思考低于平方工夫复杂度的办法。

思考优化:

以示例 [6,5,3,9,2,7] 为例,咱们察看以 $3$ 和 $9$ 作为山顶的两个计划:

以 3 作为山顶:3 3 |3 3| 2 2以 9 作为山顶3 3 |3 9| 2 2

能够发现:以 $3$ 作为山顶的左侧与以 $9$ 为山顶的右侧在两个计划之间是能够复用的,至此发现解决办法:咱们能够别离预处理出以每个节点作为山顶的前缀和后缀的和:

  • $pre[i]$ 示意以 $maxHeights[i]$ 作为山顶时左侧段的前缀和;
  • $suf[i]$ 示意以 $maxHeights[i]$ 作为山顶时右侧段的后缀和。

那么,最佳计划就是 $pre[i] + suf[i] - maxHeight[i]$ 的最大值。 当初,最初的问题是如何以均摊 $O(1)$ 的工夫复杂度计算出每个元素前后缀的和?

思考递推关系:

持续以示例 [6,5,3,9,2,7] 为例:

  • 以 $6$ 为山顶,前缀为 $[6]$
  • 以 $5$ 为山顶,须要保障左侧元素不大于 $5$,因而找到 $6$ 并批改为 $5$,前缀为 $[5, 5]$
  • 以 $3$ 为山顶,须要保障左侧元素不大于 $3$,因而找到两个 $5$ 并批改为 $3$,前缀为 $[3, 3, 3]$
  • 以 $9$ 为山顶,须要保障左侧元素不大于 $9$,不须要批改,前缀为 $[3, 3, 3, 9]$
  • 以 $2$ 为山顶,须要保障左侧元素不大于 $2$,批改后为 $[2, 2, 2, 2, 2]$
  • 以 $7$ 为山顶,须要保障左侧元素不大于 $7$,不须要批改,前缀为 $[2, 2, 2, 2, 2, 7]$

进步形象水平:

察看以上步骤,问题的关键在于批改操作:因为数组是递增的,因而批改的步骤就是在「寻找小于等于以后元素 $x$ 的上一个元素」,再将两头的元素削减为 $x$。「寻找上一个更小元素」,这是枯燥栈的典型场景。

题解一(枚举)

枚举以每个元素作为山顶的计划:

class Solution {    fun maximumSumOfHeights(maxHeights: List<Int>): Long {        val n = maxHeights.size        var ret = 0L        for (i in maxHeights.indices) {            var curSum = maxHeights[i].toLong()            var pre = maxHeights[i]            for (j in i - 1 downTo 0) {                pre = min(pre, maxHeights[j])                curSum += pre            }            pre = maxHeights[i]            for (j in i + 1 ..< n) {                pre = min(pre, maxHeights[j])                curSum += pre            }            ret = max(ret, curSum)        }        return ret    }}
class Solution:    def maximumSumOfHeights(self, maxHeights: List[int]) -> int:        n, ret = len(maxHeights), 0        for i in range(n):            curSum = maxHeights[i]            pre = maxHeights[i]            for j in range(i + 1, n):                pre = min(pre, maxHeights[j])                curSum += pre            pre = maxHeights[i]            for j in range(i - 1, -1, -1):                pre = min(pre, maxHeights[j])                curSum += pre            ret = max(ret, curSum)        return ret
class Solution {public:    long long maximumSumOfHeights(vector<int>& maxHeights) {        int n = maxHeights.size();        long long ret = 0;        for (int i = 0; i < n; i++) {            long long curSum = maxHeights[i];            int pre = maxHeights[i];            for (int j = i + 1; j < n; j++) {                pre = min(pre, maxHeights[j]);                curSum += pre;            }            pre = maxHeights[i];            for (int j = i - 1; j >= 0; j--) {                pre = min(pre, maxHeights[j]);                curSum += pre;            }            ret = max(ret, curSum);        }        return ret;    }};

复杂度剖析:

  • 工夫复杂度:$O(n^2)$ 每个计划的工夫复杂度是 $O(n)$,一共有 $n$ 种计划;
  • 空间复杂度:$O(1)$ 仅应用常量级别空间。

题解二(前后缀合成 + 枯燥栈)

应用单点栈保护前后缀数组,为了便于边界计算,咱们结构长为 $n + 1$ 的数组。以示例 [6,5,3,9,2,7] 为例:

0, 5, 6, 10, 4, 513, 8, 6, 2, 1, 0
class Solution {    fun maximumSumOfHeights(maxHeights: List<Int>): Long {        val n = maxHeights.size        val suf = LongArray(n + 1)        val pre = LongArray(n + 1)        // 枯燥栈求前缀        val stack = java.util.ArrayDeque<Int>()        for (i in 0 until n) {            // 弹出栈顶            while (!stack.isEmpty() && maxHeights[stack.peek()] > maxHeights[i]) {                stack.pop()            }            val j = if (stack.isEmpty()) -1 else stack.peek()             pre[i + 1] = pre[j + 1] + 1L * (i - j) * maxHeights[i]            stack.push(i)        }        // 枯燥栈求后缀        stack.clear()        for (i in n - 1 downTo 0) {            // 弹出栈顶            while (!stack.isEmpty() && maxHeights[stack.peek()] > maxHeights[i]) {                stack.pop()            }            val j = if (stack.isEmpty()) n else stack.peek()            suf[i] = suf[j] + 1L * (j - i) * maxHeights[i]            stack.push(i)        }        // 合并        var ret = 0L        for (i in 0 until n) {            ret = max(ret, pre[i + 1] + suf[i] - maxHeights[i])        }        return ret    }}
class Solution:    def maximumSumOfHeights(self, maxHeights: List[int]) -> int:        n = len(maxHeights)        suf = [0] * (n + 1)        pre = [0] * (n + 1)        stack = []        # 枯燥栈求前缀        for i in range(n):            # 弹出栈顶            while stack and maxHeights[stack[-1]] > maxHeights[i]:                stack.pop()            j = stack[-1] if stack else -1            pre[i + 1] = pre[j + 1] + (i - j) * maxHeights[i]            stack.append(i)        # 枯燥栈求后缀        stack = []        for i in range(n - 1, -1, -1):            # 弹出栈顶            while stack and maxHeights[stack[-1]] > maxHeights[i]:                stack.pop()            j = stack[-1] if stack else n            suf[i] = suf[j] + (j - i) * maxHeights[i]            stack.append(i)        # 合并        ret = 0        for i in range(n):            ret = max(ret, pre[i + 1] + suf[i] - maxHeights[i])                return ret
class Solution {public:    long long maximumSumOfHeights(vector<int>& maxHeights) {        int n = maxHeights.size();        vector<long long> suf(n + 1, 0);        vector<long long> pre(n + 1, 0);        stack<int> st;        // 枯燥栈求前缀        for (int i = 0; i < n; i++) {            // 弹出栈顶            while (!st.empty() && maxHeights[st.top()] > maxHeights[i]) {                st.pop();            }            int j = st.empty() ? -1 : st.top();            pre[i + 1] = pre[j + 1] + 1LL * (i - j) * maxHeights[i];            st.push(i);        }        // 枯燥栈求后缀        while (!st.empty()) st.pop();        for (int i = n - 1; i >= 0; i--) {            // 弹出栈顶            while (!st.empty() && maxHeights[st.top()] > maxHeights[i]) {                st.pop();            }            int j = st.empty() ? n : st.top();            suf[i] = suf[j] + 1LL * (j - i) * maxHeights[i];            st.push(i);        }        // 合并        long long ret = 0;        for (int i = 0; i < n; i++) {            ret = max(ret, pre[i + 1] + suf[i] - maxHeights[i]);        }        return ret;    }};

复杂度剖析:

  • 工夫复杂度:$O(n)$ 在一侧的计算中,每个元素最多如何和出栈 $1$ 次;
  • 空间复杂度:$O(n)$ 前后缀数组空间。

T4. 统计树中的非法门路数目(Hard)

https://leetcode.cn/problems/count-valid-paths-in-a-tree/description/

这道题仿佛比 T3 还简略一些。

问题剖析

初步剖析:

  • 问题指标: 寻找满足条件的计划数;
  • 问题条件: 门路 $[a, b]$ 上质数的数目有且仅有 $1$;
  • 问题因素: 门路和 - 示意门路上质数的数目。

思考实现:

  • 子问题: 对于以根节点 x 的原问题,能够分为 3 种状况:

    • 左子树能够结构的计划数
    • 右子树能够结构的计划数
    • 如果根节点为质数:「从根到子树节点的门路和为 $0$ 的数目」与「从根到其它子树节点的门路和为 $0$ 的数目」的乘积(乘法原理)

题解(DFS)

结构 DFS 函数,子树的 DFS 返回值为两个值:

  • $cnt0$:到子树节点和为 $0$ 的门路数;
  • $cnt1$:到子树节点和为 $1$ 的门路数;

返回后果时:

  • 如果根节点为质数,那么只能与 $cnt0$ 个门路和为 $1$ 的门路;
  • 如果根节点为非质数,那么 $cnt0$ 个门路能够组成和为 $0$ 的门路,同理 $cnt1$ 个门路能够组成和为 $1$ 的门路。

在子树的计算过程中还会结构后果:

因为题目阐明 $[a, b]$ 与 $[b, a]$ 是雷同门路,咱们能够记录以后子树左侧曾经计算过的 $cnt0$ 和 $cnt1$ 的累加和,再与以后子树的 $cnt0$ 与 $cnt1$ 做乘法:

$ret += cnt0 * cnt[1] + cnt1 * cnt[0]$

class Solution {        companion object {        val U = 100000        val primes = LinkedList<Int>()        val isPrime = BooleanArray(U + 1) { true }        init {            isPrime[1] = false            for (i in 2 .. U) {                if (isPrime[i]) primes.add(i)                for (e in primes) {                    if (i * e > U) break                    isPrime[i * e] = false                    if (i % e == 0) break                }            }        }    }        fun countPaths(n: Int, edges: Array<IntArray>): Long {        val graph = Array(n + 1) { LinkedList<Int>() }        for ((from, to) in edges) {            graph[from].add(to)            graph[to].add(from)        }                var ret = 0L                // return 0 和 1 的数量        fun dfs(i: Int, pre: Int): IntArray {            // 终止条件            var cnt = IntArray(2)            if (isPrime[i]) {                cnt[1] = 1            } else {                cnt[0] = 1            }            // 递归            for (to in graph[i]) {                if (to == pre) continue // 返祖边                val (cnt0, cnt1) = dfs(to, i)                // 记录计划                ret += cnt0 * cnt[1] + cnt1 * cnt[0]                // 记录影响                if (isPrime[i]) {                    cnt[1] += cnt0                } else {                    cnt[0] += cnt0                    cnt[1] += cnt1                }            }            return cnt        }        dfs(1, -1) // 随机抉择根节点        return ret    }}
U = 100000primes = deque()isPrime = [True] * (U + 1)isPrime[1] = Falsefor i in range(2, U + 1):    if isPrime[i]: primes.append(i)    for e in primes:        if i * e > U: break        isPrime[i * e] = False        if i % e == 0: breakclass Solution:    def countPaths(self, n, edges):        graph = defaultdict(list)        for u, v in edges:            graph[u].append(v)            graph[v].append(u)        ret = 0        def dfs(i, pre):            nonlocal ret # 批改内部变量            cnt = [0, 0]            # 终止条件            if isPrime[i]:                cnt[1] = 1            else:                cnt[0] = 1            for to in graph[i]:                if to == pre: continue # 返祖边                cnt0, cnt1 = dfs(to, i)                # 记录计划                ret += cnt0 * cnt[1] + cnt1 * cnt[0]                # 记录影响                if isPrime[i]:                    cnt[1] += cnt0                else:                    cnt[0] += cnt0                    cnt[1] += cnt1            return cnt        dfs(1, -1) # 随机抉择根节点        return ret
const int U = 100000;list<int> primes;bool isPrime[U + 1];bool inited = false;void init() {    if (inited) return;    inited = true;    memset(isPrime, true, sizeof(isPrime));    isPrime[1] = false;    for (int i = 2; i <= U; ++i) {        if (isPrime[i]) primes.push_back(i);        for (auto e : primes) {            if (i * e > U) break;            isPrime[i * e] = false;            if (i % e == 0) break;        }    }}class Solution {public:    long long countPaths(int n, vector<vector<int>>& edges) {        init();        vector<list<int>> graph(n + 1);        for (const auto& edge : edges) {            int from = edge[0];            int to = edge[1];            graph[from].push_back(to);            graph[to].push_back(from);        }        long long ret = 0;        // return 0 和 1 的数量        function<vector<int>(int, int)> dfs = [&](int i, int pre) -> vector<int> {            // 终止条件            vector<int> cnt(2, 0);            if (isPrime[i]) {                cnt[1] = 1;            } else {                cnt[0] = 1;            }            // 递归            for (auto to : graph[i]) {                if (to == pre) continue; // 返祖边                vector<int> subCnt = dfs(to, i);                int cnt0 = subCnt[0];                int cnt1 = subCnt[1];                // 记录计划                ret += cnt0 * cnt[1] + cnt1 * cnt[0];                // 记录影响                if (isPrime[i]) {                    cnt[1] += cnt0;                } else {                    cnt[0] += cnt0;                    cnt[1] += cnt1;                }            }            return cnt;        };        dfs(1, -1); // 随机抉择根节点        return ret;    }};

复杂度剖析:

  • 工夫复杂度:预处理工夫为 $O(U)$,建图工夫 和 DFS 工夫为 $O(n)$;
  • 空间复杂度:预处理空间为 $O(U)$,模仿空间为 $O(n)$。

枚举质数

OI - 素数筛法

枚举法:枚举 $[2, n]$ ,判断它是不是质数,整体工夫复杂度是 $O(n\sqrt{n})$
// 暴力求质数fun getPrimes(max: Int): IntArray {    val primes = LinkedList<Int>()    for (num in 2..max) {        if (isPrime(num)) primes.add(num)    }    return primes.toIntArray()}// 质数判断fun isPrime(num: Int): Boolean {    var x = 2    while (x * x <= num) {        if (num % x == 0) return false        x++    }    return true}

Eratosthenes 埃氏筛:如果 $x$ 是质数,那么 $x$ 的整数倍 $2x$、$3x$ 肯定不是质数。咱们设 isPrime[i] 示意 $i$ 是否为质数。从小开始遍历,如果 $i$ 是质数,则同时将所有倍数标记为合数,整体工夫复杂度是 $O(nlgn)$

为什么要从 $x^2$, $2x^2$ 开始标记,而不是 $2x$, $3x$ 开始标记,因为 $2x$, $3x$ 曾经被小于 $x$ 的质数标记过。

// 埃氏筛求质数val primes = LinkedList<Int>()val isPrime = BooleanArray(U + 1) { true }for (i in 2..U) {    // 查看是否为质数,这里不须要调用 isPrime() 函数判断是否质数,因为它没被小于它的数标记过,那么肯定不是合数    if (!isPrime[i]) continue    primes.add(i)    // 标记    var x = i * i    while (x <= U) {        isPrime[x] = false        x += i    }}
Euler 欧氏线性筛:只管咱们从 $x^2$ 开始标记来缩小反复标记,但埃氏筛还是会反复标记合数。为了防止反复标记,标记 $x$ 与 “小于等于 $x$ 的最小质因子的质数” 的乘积为合数,保障每个合数只被标记最小的质因子标记,整体工夫复杂度是 $O(n)$
// 线性筛求质数val primes = LinkedList<Int>()val isPrime = BooleanArray(U + 1) { true }for (i in 2..U) {    // 查看是否为质数,这里不须要调用 isPrime() 函数判断是否质数,因为它没被小于它的数标记过,那么肯定不是合数    if (isPrime[i]) {        primes.add(i)    }    // 标记    for (e in primes) {        if (i * e > U) break        isPrime[i * e] = false        if (i % e == 0) break    }}

举荐浏览

LeetCode 上分之旅系列往期回顾:

  • LeetCode 单周赛第 363 场 · 经典二分答案与质因数分解
  • LeetCode 单周赛第 361 场 · 同余前缀和问题与经典倍增 LCA 算法
  • LeetCode 双周赛第 113 场 · 精妙的 O(lgn) 扫描算法与树上 DP 问题
  • LeetCode 双周赛第 112 场 · 计算机科学实质上是数学吗?

⭐️ 永远置信美妙的事件行将产生,欢送退出小彭的 Android 交换社群\~