406. Queue Reconstruction by Height(M)

本文介绍了一种使用贪心算法解决队列重建问题的方法。通过分析每个人的身高和其前面较高者的数量,逐步确定队列中每个人的正确位置。文章还提供了一段C++代码示例,展示了如何实现这一算法。

题目描述

排列好一队人,每个人身上有两个属性,一个是自己的身高height,一个是站在自己前面比自己高或者一样高的人的个数,打乱这队人原来的顺序,要求你根据给定的这一队人和他们的数据恢复他们原来的站位并输出,下面是原题描述以及例子,英语好的同学可以自行理解,
这里写图片描述

按题目的分类,这里要求使用到贪心算法,那么要怎么贪心才能不破坏最优解的情况下,一步一步求解呢?
根据观察,可以得到这么几个结论。
1. 如果一个人前面比自己高的人为0,那么有两种情况,要么他是最高的,要么他是第一个人。
2. 根据上一个结论,如果一个人身高是第二个人属性为0的中人最矮的,那么他必定是第一个人。
这样我们就找到了队伍的第一个人,也算是解决了一个子问题。之后的工作就很简单了,找到这个人之后,把他从原来的队伍中去掉,那么所有比他矮或者和他一样高的人,第二个属性都减1,如果是0则不变。然后问题又变成了找第二个属性为0的人中最矮的一个。以此类推,可以得到最终的结果。
我的代码与算法描述有点点不同,但是原理是一样的。


class Solution {
public:
    static bool const compareTwoPare(const pair<int, int>& first, const pair<int, int>& second) {
        if (first.second < second.second) {
            return true;
        } else if (first.second == second.second) {
            if (first.first < second.first) {
                return true;
            } else {
                return false;
            }
        } else {
            return false;
        }
    }
    vector<pair<int, int>> reconstructQueue(vector<pair<int, int>>& people) {
        sort(people.begin(), people.end(), compareTwoPare);
        vector<pair<int, int> > result;
        if (people.size() == 0) return result;
        result.push_back(people[0]);
        for (int i = 1; i < people.size(); ++i) {
            int count = 0;
            bool isadd = false;
            for (int j = 0; j < result.size(); ++j) {

                if (people[i].first <= result[j].first) {
                    if (count == people[i].second) {
                        isadd = true;
                        result.insert(result.begin() + j, 1, people[i]);
                        break;
                    }
                    ++count;                    
                }

            }
            if (!isadd) {
                result.push_back(people[i]);

            }
        }
        return result;
    }

};
基于STM32 F4的永磁同步电机无位置传感器控制策略研究内容概要:本文围绕基于STM32 F4的永磁同步电机(PMSM)无位置传感器控制策略展开研究,重点探讨在不依赖物理位置传感器的情况下,如何通过算法实现对电机转子位置和速度的精确估计与控制。文中结合嵌入式开发平台STM32 F4,采用如滑模观测器、扩展卡尔曼滤波或高频注入法等先进观测技术,实现对电机反电动势或磁链的估算,进而完成无传感器矢量控制(FOC)。同时,研究涵盖系统建模、控制算法设计、仿真验证(可能使用Simulink)以及在STM32硬件平台上的代码实现与调试,旨在提高电机控制系统的可靠性、降低成本并增强环境适应性。; 适合人群:具备一定电力电子、自动控制理论基础和嵌入式开发经验的电气工程、自动化及相关专业的研究生、科研人员及从事电机驱动开发的工程师。; 使用场景及目标:①掌握永磁同步电机无位置传感器控制的核心原理与实现方法;②学习如何在STM32平台上进行电机控制算法的移植与优化;③为开发高性能、低成本的电机驱动系统提供技术参考与实践指导。; 阅读建议:建议读者结合文中提到的控制理论、仿真模型与实际代码实现进行系统学习,有条件者应在实验平台上进行验证,重点关注观测器设计、参数整定及系统稳定性分析等关键环节。
### LeetCode 刷题推荐列表与学习路径 在 LeetCode 上进行刷题时,制定一个合理的计划非常重要。以下是一个基于算法分类的学习路径和推荐题目列表[^1]: #### 学习路径 1. **基础算法理论** 在开始刷题之前,建议先通过视频或书籍了解基本的算法理论。例如,分治法、贪心算法、动态规划、二叉搜索树(BST)、图等概念[^1]。 2. **数据结构基础** 熟悉常见的数据结构,包括数组、链表、栈、队列、哈希表、树、图等。确保对这些数据结构的操作有深刻理解。 3. **分模块刷题** 按照以下顺序逐步深入: - 树:从简单的遍历问题(如前序、中序、后序遍历)开始,逐渐过渡到复杂问题(如二叉搜索树验证、平衡二叉树等)。 - 图与回溯算法:学习图的表示方法(邻接矩阵、邻接表),并练习深度优先搜索(DFS)和广度优先搜索(BFS)。结合回溯算法解决组合问题、排列问题等。 - 贪心算法:选择一些经典的贪心问题(如活动选择问题、区间覆盖问题)进行练习。 - 动态规划:从简单的 DP 问题(如爬楼梯、斐波那契数列)入手,逐步掌握状态转移方程的设计技巧。 4. **刷题策略** 刷题时优先选择简单或中等难度的题目,并关注通过率较高的题目。这有助于建立信心并巩固基础知识[^1]。 #### 推荐题目列表 以下是按算法分类的 LeetCode 题目推荐列表: 1. **树** - [104. 二叉树的最大深度](https://leetcode-cn.com/problems/maximum-depth-of-binary-tree/) - [94. 二叉树的中序遍历](https://leetcode-cn.com/problems/binary-tree-inorder-traversal/) - [236. 二叉树的最近公共祖先](https://leetcode-cn.com/problems/lowest-common-ancestor-of-a-binary-search-tree/) 2. **图与回溯** - [79. 单词搜索](https://leetcode-cn.com/problems/word-search/) - [51. N皇后](https://leetcode-cn.com/problems/n-queens/) - [78. 子集](https://leetcode-cn.com/problems/subsets/) 3. **贪心** - [455. 分发饼干](https://leetcode-cn.com/problems/assign-cookies/) - [135. 分发糖果](https://leetcode-cn.com/problems/candy/) - [406. 根据身高重建队列](https://leetcode-cn.com/problems/queue-reconstruction-by-height/) 4. **动态规划** - [70. 爬楼梯](https://leetcode-cn.com/problems/climbing-stairs/) - [53. 最大子数组和](https://leetcode-cn.com/problems/maximum-subarray/) - [300. 最长递增子序列](https://leetcode-cn.com/problems/longest-increasing-subsequence/) #### 示例代码 以下是一个简单的动态规划问题示例——“不同路径”[^3]: ```python def uniquePaths(m, n): dp = [[1] * n for _ in range(m)] for i in range(1, m): for j in range(1, n): dp[i][j] = dp[i-1][j] + dp[i][j-1] return dp[-1][-1] # 测试用例 print(uniquePaths(3, 2)) # 输出:3 ``` ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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
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