当前位置： 首页 > news >正文

每日算法一练：剑指offer——数组篇（3）

news 2024/10/22 23:38:21

1.报数

        实现一个十进制数字报数程序，请按照数字从小到大的顺序返回一个整数数列，该数列从数字 1 开始，到最大的正整数 cnt 位数字结束。

示例 1:

输入：cnt = 2
输出：[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74,75,76,77,78,79,80,81,82,83,84,85,86,87,88,89,90,91,92,93,94,95,96,97,98,99]

1.1不考虑大数越界

        题目要求打印 “从 1 至 cnt 的数字” ，最大的 cnt 位数（记为 end ）和位数 cnt 的关系： 例如最大的 1 位数是 9 ，最大的 2 位数是 99 ，最大的 3 位数是 999 。则可推出公式：为10的cnt次方减去1。因此，只需定义区间 [1,10 cnt−1] 和步长 1 ，通过 for 循环生成结果列表 res 并返回即可。

class Solution {public int[] countNumbers(int cnt) {
//查询数组最大值。int end = (int)Math.pow(10, cnt) - 1;
//创建对应长度数组。int[] res = new int[end];
//依次存储。for(int i = 0; i < end; i++)res[i] = i + 1;return res;}
}

1.2大数打印

        实际上，本题的主要考点是大数越界情况下的打印。需要解决以下三个问题：

1. 表示大数的变量类型：

        无论是 short / int / long ... 任意变量类型，数字的取值范围都是有限的。因此，大数的表示应用字符串 String 类型。

2. 生成数字的字符串集：

        使用 int 类型时，每轮可通过 +1 生成下个数字，而此方法无法应用至 String 类型。并且， String 类型的数字的进位操作效率较低，例如 "9999" 至 "10000" 需要从个位到千位循环判断，进位 4 次。
        观察可知，生成的列表实际上是 cnt 位 0 - 9 的 全排列 ，因此可避开进位操作，通过递归生成数字的 String 列表。

3. 递归生成全排列：

        基于分治算法的思想，先固定高位，向低位递归，当个位已被固定时，添加数字的字符串。例如当 cnt=2 时（数字范围 1−99 ），固定十位为 0 - 9 ，按顺序依次开启递归，固定个位 0 - 9 ，终止递归并添加数字字符串。

        复杂度分析：时间复杂度 O(10的cnt次方) ： 递归的生成的排列的数量为 10的cnt次方。空间复杂度 O(10的cnt次方) 。结果列表 res 的长度为 10 cnt−1 ，各数字字符串的长度区间为 1,2,...,cnt ，因此占用 O(10 cnt) 大小的额外空间。

        辅助函数 dfs(x, len) 的作用是：生成长度为len的数字，正在确定第 x 位。当 x=0 时表示左边第一位，不能为0，这样可以避免出现 0 开头的字符串。

代码实现：

class Solution {List<Integer> res;   // 用于存储结果StringBuilder cur;   // 当前生成的数字char[] NUM = {'0', '1', '2', '3', '4', '5', '6', '7', '8', '9'};  // 允许使用的数字// 生成长度为 len 的数字，正在确定第 x 位（从左往右）void dfs(int x, int len) {if (x == len) {  // 递归终止条件：所有位数已经确定res.add(Integer.parseInt(cur.toString()));  // 将当前数字加入结果集，转换为整数return;}int start = (x == 0) ? 1 : 0;  // 如果是第一位数字，不能为 '0'for (int i = start; i < 10; i++) {cur.append(NUM[i]);  // 确定当前位的数字dfs(x + 1, len);     // 继续确定下一位cur.deleteCharAt(cur.length() - 1);  // 回溯，删除本位数字}}public int[] countNumbers(int cnt) {res = new ArrayList<>();  // 初始化结果集cur = new StringBuilder();  // 初始化当前数字生成器for (int i = 1; i <= cnt; i++) {  // 数字长度从 1 到 cntdfs(0, i);  // 生成长度为 i 的所有数字}// 将结果转换为数组int[] resultArray = new int[res.size()];for (int i = 0; i < res.size(); i++) {resultArray[i] = res.get(i);}return resultArray;  // 返回结果数组}
}

1.3总结 

        本题主要考察大数越界，即用string来表示数组，且用递归生成全排列来生成数组。

​​​​​​2.训练计划I

2.1双线指针        

        教练使用整数数组 actions 记录一系列核心肌群训练项目编号。为增强训练趣味性，需要将所有奇数编号训练项目调整至偶数编号训练项目之前。请将调整后的训练项目编号以 数组 形式返回。

示例 1：

输入：actions = [1,2,3,4,5]
输出：[1,3,5,2,4] 
解释：为正确答案之一

提示：

  • 0 <= actions.length <= 50000
  • 0 <= actions[i] <= 10000

        考虑定义双指针 i , j 分列数组左右两端，循环执行：

        指针 i 从左向右寻找偶数；
        指针 j 从右向左寻找奇数；
        将 偶数 actions[i] 和 奇数 actions[j] 交换。
        可始终保证： 指针 i 左边都是奇数，指针 j 右边都是偶数 。

        时间复杂度 O(N) ： N 为数组 actions 长度，双指针 i, j 共同遍历整个数组。空间复杂度 O(1) ： 双指针 i, j 使用常数大小的额外空间。

代码实现：

class Solution {public int[] trainingPlan(int[] actions) {
//定义两个指针，分别指向首尾两端。int i = 0, j = actions.length - 1, tmp;
//确保指针顺序while(i < j) {
//确保指针指向需调换元素上。while(i < j && (actions[i] & 1) == 1) i++;while(i < j && (actions[j] & 1) == 0) j--;
//若指到同一位置，互换无影响。tmp = actions[i];actions[i] = actions[j];actions[j] = tmp;}return actions;}
}

2.2 总结

        题主要考察双向指针的灵活运用，其中要注意判断条件的选取。

3.库存管理II

        仓库管理员以数组 stock 形式记录商品库存表。stock[i] 表示商品 id，可能存在重复。请返回库存表中数量大于 stock.length / 2 的商品 id。

示例 1:

输入: stock = [6, 1, 3, 1, 1, 1]
输出: 1

限制：

  • 1 <= stock.length <= 50000
  • 给定数组为非空数组，且存在结果数字

3.1哈希表统计法

         遍历数组 stock ，用 HashMap 统计各数字的数量，即可找出 众数 。此方法时间和空间复杂度均为 O(N) 。

代码实现：

class Solution {public int inventoryManagement(int[] stock) {// 创建一个 HashMap 来存储元素和它们的出现次数Map<Integer, Integer> map = new HashMap<>();// 计算数组长度的一半，用于判断某元素是否出现超过一半int n = stock.length / 2;// 遍历数组中的每一个元素for (int num : stock) {// 统计每个元素的出现次数，如果元素不在 map 中，则默认次数为 0map.put(num, map.getOrDefault(num, 0) + 1);// 如果某个元素的次数超过数组长度的一半，返回该元素if (map.get(num) > n)return num;}// 如果没有找到符合条件的元素，返回 0return 0;}
}

3.2数组排序法

        将数组 stock 排序，数组中点的元素 一定为众数。时间复杂度: O(Nlog⁡N)，因为排序的时间复杂度是 O(Nlog⁡N)。空间复杂度: O(1)（对于原地排序），或者 O(N)（取决于排序算法实现）。

class Solution {public int inventoryManagement(int[] stock) {// 首先对数组进行排序Arrays.sort(stock);// 返回数组中间的元素，众数一定在中间位置return stock[stock.length / 2];}
}

3.3摩尔投票法

        核心理念为 票数正负抵消 。此方法时间和空间复杂度分别为 O(N) 和 O(1) ，为本题的最佳解法。

摩尔投票法：
设输入数组 stock 的众数为 x ，数组长度为 n 。

推论一： 若记 众数 的票数为 +1 ，非众数 的票数为 −1 ，则一定有所有数字的 票数和 >0 。

推论二： 若数组的前 a 个数字的 票数和 =0 ，则 数组剩余 (n−a) 个数字的 票数和一定仍 >0 ，即后 (n−a) 个数字的 众数仍为 x 。

摩尔投票法（Boyer-Moore Voting Algorithm）是一种用于寻找数组中众数的高效算法。众数是指在数组中出现次数超过数组长度一半的元素。该算法的主要特点是时间复杂度为 O(N)且空间复杂度为 O(1)，非常适合处理这个问题。

算法原理

摩尔投票法的核心思想是利用计数来确定候选众数。具体步骤如下：

  1. 初始化：

    • 定义一个变量 candidate 来存储当前候选的众数，和一个 count 来记录候选众数的计数，初始值为 0。

  2. 遍历数组：

    • 对于数组中的每个元素：
      • 如果 count 为 0，更新 candidate 为当前元素，并将 count 设为 1。
      • 如果当前元素等于 candidate，则 count 加 1。
      • 如果当前元素不等于 candidate，则 count 减 1。

  3. 返回结果：

    • 因为题目保证存在众数，所以在结束遍历后，candidate 就是众数。

代码实现：

class Solution {public int inventoryManagement(int[] stock) {// 变量 x 用于存储当前认为的候选众数，votes 用于统计支持度，count 用于验证候选众数的出现次数int x = 0, votes = 0, count = 0;// 第一遍历，找出候选众数for (int num : stock) {// 如果当前支持度为 0，则更新候选众数为当前元素 numif (votes == 0)x = num;// 更新支持度：如果 num 与候选众数相同，支持度加 1；否则减 1votes += (num == x) ? 1 : -1;}// 第二遍历，验证候选众数 x 是否为真正的众数for (int num : stock)// 统计候选众数 x 的出现次数if (x == num)count++;// 如果候选众数的出现次数大于数组长度的一半，则返回众数 x；否则返回 -1（表示无众数）return count > (stock.length / 2) ? x : -1;}
}

4.总结

        本题主要考察寻找中位数中的摩尔投票法，该方法可提高算法性能。

4.库存管理III

        仓库管理员以数组 stock 形式记录商品库存表，其中 stock[i] 表示对应商品库存余量。请返回库存余量最少的 cnt 个商品余量，返回 顺序不限。

示例 1：

输入：stock = [2,5,7,4], cnt = 1
输出：[2]

示例 2：

输入：stock = [0,2,3,6], cnt = 2
输出：[0,2] 或 [2,0]

提示：

  • 0 <= cnt <= stock.length <= 10000
    0 <= stock[i] <= 10000

4.1快速排序法

        本题使用排序算法解决最直观，对数组 stock 执行排序，再返回前 cnt 个元素即可。

        快速排序（Quick Sort）是一种高效的排序算法，采用分治法（Divide and Conquer）策略，通过一个称为“基准”（pivot）的元素将数组分为两个子数组，然后递归地对这两个子数组进行排序。快速排序的平均时间复杂度为 O(Nlog⁡N)，但最坏情况下为 O(N^2)。空间复杂度 O(N) ： 快速排序的递归深度最好（平均）为 O(logN) ，最差情况（即输入数组完全倒序）为 O(N)。

算法原理

  1. 选择基准：从数组中选择一个元素作为基准（pivot），可以选择第一个元素、最后一个元素或随机选择。

  2. 分区操作：重新排列数组，将比基准小的元素放到基准的左边，将比基准大的元素放到右边。经过分区后，基准元素在其最终位置上。

  3. 递归排序：对基准左边和右边的子数组递归进行快速排序。

  4. 终止条件：当子数组的大小为 0 或 1 时，表示该子数组已经排好序，递归结束。

代码实现：

class Solution {public int[] inventoryManagement(int[] stock, int cnt) {quickSort(stock, 0, stock.length - 1); // 调用快速排序return Arrays.copyOf(stock, cnt); // 返回前 cnt 个库存项}private void quickSort(int[] stock, int l, int r) {// 子数组长度为 1 时终止递归if (l >= r) return;// 哨兵划分操作（以 stock[l] 作为基准数）int i = l, j = r;while (i < j) {while (i < j && stock[j] >= stock[l]) j--; // 从右向左找到第一个小于基准数的元素while (i < j && stock[i] <= stock[l]) i++; // 从左向右找到第一个大于基准数的元素swap(stock, i, j); // 交换这两个元素}swap(stock, i, l); // 把基准数放到它最终的位置// 递归左（右）子数组执行哨兵划分quickSort(stock, l, i - 1); // 对左子数组排序quickSort(stock, i + 1, r); // 对右子数组排序}private void swap(int[] stock, int i, int j) {int tmp = stock[i]; // 交换元素stock[i] = stock[j];stock[j] = tmp;}
}

4.2快速选择法

        根据给出的题目要求，我们需要返回库存余量最少的 cnt 个商品余量，且返回顺序不限。可以使用快速选择算法（Quick Select）来高效地实现这个目标。以下是实现的详细步骤和代码。

算法原理

  1. 选择基准：在数组中选择一个基准元素（可以选择最后一个元素）。

  2. 哨兵划分：对数组进行哨兵划分，将小于等于基准的元素放在基准的左侧，将大于基准的元素放在右侧。

  3. 判断基准位置：

    • 每次划分后检查基准元素的索引。
    • 如果基准元素的索引正好等于 cnt，则返回数组中前 cnt 个元素。
    • 如果基准元素的索引小于 cnt，则说明最小的 cnt 个数在基准的右侧，需要对右侧部分继续进行划分。
    • 如果基准元素的索引大于 cnt，则说明最小的 cnt 个数在基准的左侧，需要对左侧部分继续进行划分。

        本方法优化时间复杂度的本质是通过判断舍去了不必要的递归（哨兵划分）。时间复杂度 O(N) ： 其中 N 为数组元素数量；对于长度为 N 的数组执行哨兵划分操作的时间复杂度为 O(N) ；空间复杂度 O(logN) ： 划分函数的平均递归深度为 O(logN) 。

代码实现：

class Solution {// 主方法：返回库存余量最少的 cnt 个商品余量public int[] inventoryManagement(int[] stock, int cnt) {// 如果 cnt 大于等于数组长度，直接返回整个数组if (cnt >= stock.length) return stock;// 调用快速选择方法，寻找最小的 cnt 个商品余量return quickSort(stock, cnt, 0, stock.length - 1);}// 辅助方法：快速选择算法，用于找到最小的 cnt 个元素private int[] quickSort(int[] stock, int cnt, int l, int r) {// 初始化左右指针int i = l, j = r;// 哨兵划分过程while (i < j) {// 从右向左，找到第一个小于基准元素的元素while (i < j && stock[j] >= stock[l]) j--;// 从左向右，找到第一个大于基准元素的元素while (i < j && stock[i] <= stock[l]) i++;// 交换这两个元素swap(stock, i, j);}// 交换基准元素到正确的位置swap(stock, i, l);// 判断基准元素的位置if (i > cnt) {// 如果基准元素位置大于 cnt，继续在左侧查找return quickSort(stock, cnt, l, i - 1);}if (i < cnt) {// 如果基准元素位置小于 cnt，继续在右侧查找return quickSort(stock, cnt, i + 1, r);}// 如果基准位置等于 cnt，返回前 cnt 个最小的元素return Arrays.copyOf(stock, cnt);}// 交换数组中两个元素的辅助方法private void swap(int[] stock, int i, int j) {int tmp = stock[i]; // 保存第一个元素的值stock[i] = stock[j]; // 将第二个元素赋值给第一个元素stock[j] = tmp; // 将保存的第一个元素值赋给第二个元素}
}

 4.3总结

        本题考查快速排序和快速选择两种高效的查找和选择算法。


http://www.mrgr.cn/news/56332.html

相关文章：

  • Clickhouse集群_Zookeeper配置的dataDir目录磁盘占有率接近100%时，该dataDir目录是否可以清理及如何清理的脚本
  • 【存储设备专栏 2.4 -- linux 下块设备格式化命令详细介绍】
  • 《中安护照阅读器：嵌入式设计助力闸机高效通行》
  • Linux环境下Jmeter执行压测脚本
  • 端到端测试？何必Postman，试试Automan
  • 【嵌入式设备】蓝牙鼠标遥控器
  • IO进程_day4
  • HomeAssistant自定义组件学习-【一】
  • 个税自然人扣缴客户端数据的备份与恢复（在那个文件夹）
  • 当小程序学会‘读心术’：表单处理的神秘法则
  • 【西电电路实验】示波器没波形的解决方法
  • hiveserver与beeline
  • eIQ笔记（UI介绍+Loss曲线+OpenART例程）
  • 『 Linux 』HTTPS
  • 在vue项目中如何使用mixins实现代码复用
  • 迪子开了个劝退价。。。
  • 【数据结构与算法】走进数据结构的“时间胶囊”——栈
  • 极氪MIX：一台只有你想不到，没有它做不到的“家用神车”
  • 移情别恋c++ ദ്ദി˶ｰ̀֊ｰ́ ) ——8.stackqueuepriority_queue（无习题）
  • Shopify到底为什么被封店
  • 即时通讯 离线消息处理初版
  • 【MYSQL】数据库基本操作----DQL（Data Query Language）---基本查询
  • 前端学习笔记（2.0）
  • Java方法重载
  • 进入Neptoon：第二周游戏指南
  • Molmo模型实战