每天一道leetcode-80删除排序数组中的重复项 II

LeetCode 80题解析
本文详细解析了LeetCode第80题——删除排序数组中的重复项II,阐述了解题思路与算法实现,通过具体示例展示了如何在原地删除数组中的重复元素,确保每个元素最多出现两次。

考试结束,班级平均分只拿到了年级第二,班主任于是问道:大家都知道世界第一高峰珠穆朗玛峰,有人知道世界第二高峰是什么吗?正当班主任要继续发话,只听到角落默默响起来一个声音:”乔戈里峰

前言

2018.11.25号打卡今天的题目leetcode11:

昨天的题解

题目

每天一道leetcode-80删除排序数组中的重复项 II

题目详述

给定一个排序数组,你需要在原地删除重复出现的元素,使得每个元素最多出现两次,返回移除后数组的新长度。

不要使用额外的数组空间,你必须在原地修改输入数组并在使用 O(1) 额外空间的条件下完成。

示例 1:

给定 nums = [1,1,1,2,2,3],

函数应返回新长度 length = 5, 并且原数组的前五个元素被修改为 1, 1, 2, 2, 3 。

你不需要考虑数组中超出新长度后面的元素。

给定 nums = [0,0,1,1,1,1,2,3,3],

函数应返回新长度 length = 7, 并且原数组的前五个元素被修改为 0, 0, 1, 1, 2, 3, 3 。

你不需要考虑数组中超出新长度后面的元素。

为什么返回数值是整数,但输出的答案是数组呢?

请注意,输入数组是以“引用”方式传递的,这意味着在函数里修改输入数组对于调用者是可见的。

你可以想象内部操作如下:

// nums 是以“引用”方式传递的。也就是说,不对实参做任何拷贝

// 在函数里修改输入数组对于调用者是可见的。

题目详解

代码

640?wx_fmt=png

代码讲解

  • 4-7行首先数组长度为0和1直接返回当前数组的长度

  • 10行 tempCount用来记录每个数字出现的次数

  • 13-17行 采用两个下标j和i,j的话用来遍历数组,找到数组中有多少个数字与nums[i]相等,tempCount用来记录出现的次数

  • 进入到17-32行也就是说nums[j]与nums[i]不相等了,那么进行判断;

  • 18-22行 如果nums[i]这个数字出现了至少两次(tempCount>=2)那么count+=2(count用来记录最后的数组的长度是多少),nums[i+1] = nums[i]这行代码意思是要保留这个数字两次,所以把nums[i+1]和nums[i]都保留成这个重复数字两次。22行i=i+2;意思是刚才两个位置的数字确定了,那么i就移动两个位置后(1,1,2,比如这个,1,1确定,移动到2)

  • 23-26行 这个数字只出现了一次,那么i++(比如1,2,那么1只出现了一次,移动到2这个位置),count++(最后的数组长度只加1)

  • 27-28 如果j>=数组长度,结束循环

  • 29-30行 上述过程结束以后,也就是把该修改的数字以及返回的数组长度保留了下来(比如1,1,1,2,i已经移动到第三个1的位置,j在2这个位置,这个时候nums[i]=nums[j],变成了,1,1,2,2,然后重复上述过程,重新再计算这个2出现几次。)

结束语

2018.11.25号打卡

作者乔戈里亲历2019秋招,哈工大计算机本硕,百度java工程师,欢迎大家关注我的微信公众号:程序员乔戈里,公众号有3T编程资源,以及我和我朋友(百度C++工程师)在秋招期间整理的近200M的面试必考的java与C++面经,并有每天一道leetcode打卡群与技术交流群,欢迎关注。

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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