【华为OD-E卷-26 最小调整顺序次数、特异性双端队列 100分(python、java、c++、js、c)】

【华为OD-E卷-最小调整顺序次数、特异性双端队列 100分(python、java、c++、js、c)】

题目

有一个特异性的双端队列,该队列可以从头部或尾部添加数据,但是只能从头部移出数据。
小A依次执行2n个指令往队列中添加数据和移出数据。其中n个指令是添加数据(可能从头部添加、也可能从尾部添加),依次添加1到n;n个指令是移出数据。
现在要求移除数据的顺序为1到n。
为了满足最后输出的要求,小A可以在任何时候调整队列中数据的顺序。
请问 小A 最少需要调整几次才能够满足移除数据的顺序正好是1到n;

输入描述

  • 第一行一个数据n,表示数据的范围。

接下来的2n行,其中有n行为添加数据,指令为:

“​head add x” 表示从头部添加数据 x,​"​tail add x" 表示从尾部添加数据x, 另外 n 行为移出数据指令,指令为:“remove” 的形式,表示移出1个数据;

1 ≤ n ≤ 3 * 10^5。

所有的数据均合法。

输出

### 华为OD机试最小调整顺序算法问题解析 在华为OD机试中,“最小调整顺序次数”问题是常见的考察点之一,通常涉及数组或序列的操作。这类问题的核心在于优化操作步骤以达到特定的目标状态。 #### 问题描述 给定一个数组 `arr` 和目标数组 `target`,每次可以交换相邻的两个元素或将某个位置上的值增加/减少一定量。目标是最少经过多少次操作使得原数组变为目标数组。 --- #### 解决方案概述 此类问题可以通过以下几种常见方法解决: 1. **贪心策略** 如果允许直接修改数值而非仅限于交换,则可逐位比较两数组差异并累加所需变化步数[^2]。 2. **双指针法** 对于只允许交换的情况,利用双指针定位需移动的位置及其对应目标位置,统计总交换次数[^3]。 3. **动态规划 (Dynamic Programming)** 当存在复杂约束条件时(如路径代价),采用 DP 表记录中间状态转移关系,最终得出全局最优解[^4]。 以下是基于上述逻辑的具体实现方式: --- #### 实现代码示例 ##### 方法一:贪心算法 适用于简单场景下直接改变数值大小至匹配目标值的情形。 ```java public int minAdjustmentCost(int[] arr, int[] target) { int cost = 0; for (int i = 0; i < arr.length; i++) { cost += Math.abs(arr[i] - target[i]); // 计算当前索引处差值绝对值作为单步成本 } return cost; // 返回累积的成本即为最少调整次数 } ``` ##### 方法二:双指针技术 当限定只能通过邻近互换来完成排列转换时适用此法。 ```python def minSwapsToTarget(source, target): swaps = 0 n = len(source) src_idx = tar_idx = 0 while src_idx < n and tar_idx < n: if source[src_idx] == target[tar_idx]: tar_idx += 1 elif source[src_idx] != target[tar_idx]: # 寻找下一个相等项进行置换 next_pos = src_idx + 1 while next_pos < n and source[next_pos] != target[tar_idx]: next_pos += 1 if next_pos >= n: break # 若找不到则退出循环 # 执行多次内部翻转直至正确放置该元素 for j in range(next_pos, src_idx, -1): swapElements(source, j, j-1) swaps += 1 tar_idx += 1 src_idx += 1 return swaps def swapElements(lst, idxA, idxB): lst[idxA], lst[idxB] = lst[idxB], lst[idxA] ``` ##### 方法三:动态规划 针对更复杂的变换规则或者额外限制条件下使用。 ```cpp #include <vector> using namespace std; // 动态规划表定义 struct State { vector<int> prevStates; }; int minimumOperations(const vector<int>& nums, const vector<int>& targets){ int N = nums.size(); vector<State> dp(N); // 初始化第一个状态 dp[0].prevStates.push_back(0); for(int i=1;i<N;++i){ for(auto prevState : dp[i-1].prevStates){ // 尝试所有可能的状态迁移... // (此处省略具体细节) } } // 结果取最后一个节点可达状态集合中最优者 return *min_element(dp[N-1].prevStates.begin(),dp[N-1].prevStates.end()); } ``` --- #### 总结说明 以上三种方法别适应不同的输入特性与业务需求,在实际应用过程中可根据具体情况选用合适的技术路线加以应对。值得注意的是,无论采取哪种途径都需要充考虑边界情况以及极端测试数据的影响因素[^1]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

CodeClimb

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值