LeetCode *26. Remove Duplicates from Sorted Array (Python Solution)

本文介绍了一种在O(1)额外空间复杂度下,对已排序数组进行就地删除重复元素的方法,使得每个元素只出现一次,并返回新的有效长度。通过双指针技巧,一个指针作为基准值,另一个遍历数组,当遇到不同值时更新基准值,从而实现在原数组上的高效修改。

题目描述

Given a sorted array nums, remove the duplicates in-place such that each element appear only once and return the new length.

Do not allocate extra space for another array, you must do this by modifying the input array in-place with O(1) extra memory.

给定排序的数组nums,就地删除重复项,使每个元素只出现一次并返回新的长度。

不要为另一个数组分配额外的空间,必须通过使用O(1)额外内存修改输入数组来实现此目的。

Example 1:

Given nums = [1,1,2],

Your function should return length = 2, 
with the first two elements of nums
 being 1 and 2 respectively.

It doesn't matter what you leave 
beyond the returned length.

Example 2:

Given nums = [0,0,1,1,1,2,2,3,3,4],

Your function should return length = 5, 
with the first five elements of nums 
being modified to 0, 1, 2, 3, and 4 
respectively.

It doesn't matter what values are 
set beyond the returned length.

Python Solution

分析: 如果题目中允许运用额外的空间,这道题就是很简单很基础的一道 for 循环语句的练习题。但是需要注意的是题目只允许 O(1) 的空间复杂度,即必须在原来的 list 上进行改动。

这里采取的思想有点像双指针,一开始都是指向 nums[0] 这个元素,然后一个指针作为改变的基准值 idx ,另一个指针 i 去从 1 开始走 for 循环(因为是排序列表,所以第一个值一定是最小的不会改变)。
如果值发生了改变不等于 nums[idx] ,就先将 idx + 1,再将 nums[i] 赋给 nums[idx] 。这样实现的效果其实就是 nums[idx] 一直是现在见到的最小值,一旦 nums[i] 和这个值不一样,即有了更大的值。

代码如下:

class Solution:
    def removeDuplicates(self, nums: List[int]) -> int:
        if not nums:
            return None
        idx = 0
        for i in range(1, len(nums)):
            if nums[i] != nums[idx]:
                idx += 1
                nums[idx] = nums[i]
        return idx + 1
复杂度分析:

时间复杂度:O(n) ,for 循环从头到尾遍历一次,赋值的时间复杂度为 O(1) 所以没有影响。
空间复杂度:O(1) ,只是改变数组列表,并没有新建操作。

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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