LeetCode-022-Generate Parentheses

本文介绍了一种使用动态规划方法生成合法括号组合的算法。通过递归思想转化为动态规划实现,利用四层循环来构建括号序列。文章提供了C++和Python两种语言的实现代码。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Problem

Given n pairs of parentheses, write a function to generate all combinations of well-formed parentheses.

Examples:

Input: n=3
Output:

[
“((()))”,
“(()())”,
“(())()”,
“()(())”,
“()()()”
]

Solutions

  • 可以暴力求解, 将所有括号的全排列找出来,然后把里面括号匹配的拿出来
  • 动态规划, 第n个括号总是在第n-1个括号的基础上添加的,假设最左边的左括号是添加上去的. 那么, 前面的n-1个括号便分为两部分,在新加入括号内部的, 和不在新括号内部的. 我们遍历在括号内部的括号对数0-idx-1,然后遍历在括号内的每个排列, 以及不在括号内的每个排列, 将他们拼凑到一起

C++ Codes

四层循环, 第一层求2-n的结果, 第二层遍历在新括号内部的括号对数, 第三层和第四层, 遍历在新括号内部的括号排列, 和不在括号内部的括号排列, 加起来就是一个新的排列

class Solution {
public:
    vector<string> generateParenthesis(int n) {
        vector<vector<string> > dp(n+1);
        dp[0]={""};
        dp[1]={"()"};
        //假设最左边的左括号是第n对括号新加进来的
        //遍历在第一个左括号对应的括号内的pair数, [0, idx-1]
        for(int idx=2;idx<=n;idx++) 
            for(int i=0;i<=idx-1;i++)   //在第一个左括号内的括号数
                for(string si:dp[i])    //在第一个括号内的括号数的每个排列
                    for(string sk:dp[idx-1-i])  //不在第一个括号内的括号的每个排列
                        dp[idx].push_back("("+si+")"+sk);

        return dp[n];
    }
};

Python Codes

算法同C++

class Solutin:
    def generateParenthesis(self, n: int) -> List[str]:
        if n == 0:
            return []
        total_l = []
        total_l.append([None])
        total_l.append(["()"])
        for i in range(2,n+1):  # 开始计算i时的括号组合,记为l
            l = []
            for j in range(i): #遍历所有可能的括号内外组合
                now_list1 = total_l[j]
                now_list2 = total_l[i-1-j]
                for k1 in now_list1:  #开始具体取内外组合的实例
                    for k2 in now_list2:
                        if k1 == None:
                            k1 = ""
                        if k2 == None:
                            k2 = ""
                        el = "(" + k1 + ")" + k2
                        l.append(el)
            total_l.append(l)
        return total_l[n]

总结

  • 动态规划往往是递归转化过来, 如果能想到递归, 那可以考虑下DP怎么做, 当然, 暴力求解通常就是递归求解

基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
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
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