474. 一和零

2021-06-06 LeetCode每日一题

链接:https://leetcode-cn.com/problems/ones-and-zeroes/

标签:动态规划、01背包问题

题目

给你一个二进制字符串数组 strs 和两个整数 m 和 n 。

请你找出并返回 strs 的最大子集的大小,该子集中 最多 有 m 个 0 和 n 个 1 。

如果 x 的所有元素也是 y 的元素,集合 x 是集合 y 的 子集 。

输入:strs = ["10", "0001", "111001", "1", "0"], m = 5, n = 3
输出:4
解释:最多有 5031 的最大子集是 {"10","0001","1","0"} ,因此答案是 4 。
其他满足题意但较小的子集包括 {"0001","1"}{"10","1","0"}{"111001"} 不满足题意,因为它含 41 ,大于 n 的值 3 。

输入:strs = ["10", "0", "1"], m = 1, n = 1
输出:2
解释:最大的子集是 {"0", "1"} ,所以答案是 21 <= strs.length <= 600
1 <= strs[i].length <= 100
strs[i] 仅由 '0''1' 组成
1 <= m, n <= 100

分析

思路:把总共的 0 和 1 的个数视为背包的容量,每一个字符串视为装进背包的物品。这道题就可以使用 0-1 背包问题的思路完成,这里的目标值是能放进背包的字符串的数量。

动态规划的思路是:物品一个一个尝试,容量一点一点尝试,每个物品分类讨论的标准是:选与不选。

定义状态:尝试题目问啥,就把啥定义成状态。dp[i] [j] [k] 表示输入字符串在子区间 [0, i] 能够使用 j 个 0 和 k 个 1 的字符串的最大数量。

状态转移方程

  • dp[i] [j] [k] = dp[i - 1] [j] [k] 不选择当前的字符串
  • dp[i] [j] [k] = dp[i - 1] [j - 当前字符串包含0的个数] [k - 当前字符串包含1的个数] 选择当前字符串

初始化:为了避免分类讨论,通常多设置一行。这里可以认为,第 0 个字符串是空串。第 0 行默认初始化为 0。

输出:输出是最后一个状态,即:dp[len] [m] [n]。

编码

class Solution {
    public int findMaxForm(String[] strs, int m, int n) {
        int len = strs.length;
        // dp[i][j][k]表示前i个字符能使用j个0和k个1时,最大子集的大小
        int[][][] dp = new int[len + 1][m + 1][n + 1];

        for (int i = 1; i <= len; i++) {
            int[] res = getZeroAndOne(strs[i - 1]);
            for (int j = 0; j <= m; j++) {
                for (int k = 0; k <= n; k++) {
                    int zero = res[0];
                    int one = res[1];
                    if (j >= zero && k >= one) {
                        dp[i][j][k] = Math.max(dp[i - 1][j][k], dp[i - 1][j - zero][k - one] + 1);
                    } else {
                        dp[i][j][k] = dp[i - 1][j][k];
                    }
                }
            }
        }

        return dp[len][m][n];
    }

    // 计算字符串str中0和1的个数
    private int[] getZeroAndOne(String str) {
        int[] res = new int[2];
        for (char c : str.toCharArray()) {
            res[c - '0']++;
        }

        return res;
    }
}

在这里插入图片描述

因为当前行只参考了上一行的值,因此可以使用「滚动数组」,也可以「从后向前赋值」。

这里选用「从后向前赋值」

public class Solution {
    public int findMaxForm(String[] strs, int m, int n) {
        int[][] dp = new int[m + 1][n + 1];
        dp[0][0] = 0;
        for (String s : strs) {
            int[] res = getZeroAndOne(s);
            int zero = res[0];
            int one = res[1];
            // 倒序
            for (int i = m; i >= zero; i--) {
                for (int j = n; j >= one; j--) {
                    dp[i][j] = Math.max(dp[i][j], dp[i - zero][j - one] + 1);
                }
            }
        }
        return dp[m][n];
    }

    // 计算字符串str中0和1的个数
    private int[] getZeroAndOne(String str) {
        int[] res = new int[2];
        for (char c : str.toCharArray()) {
            res[c - '0']++;
        }

        return res;
    }
}

在这里插入图片描述

<think> 我们有两组数据,第组数据以十六进制地址开头,后跟多个浮点数;第二组数据只有浮点数。 用户意图不明确,但根据数据特征,推测用户可能需要: 1. 理解数据的含义(如数据结构、来源)。 2. 对数据进行处理(如转换、分析)。 3. 寻找类似数据的处理工具或方法。 由于数据中包含十六进制地址浮点数,考虑进行以下搜索: 搜索词1: "hex address followed by floats data meaning" 搜索词2: "how to parse data with hex address and float values" 搜索词3: "common data formats with memory addresses and floating point numbers" 但注意,第二组数据没有地址,可能表示另种格式或同数据的不同部分。 根据搜索,以下信息可能相关: 1. 数据结构:在系统内存转储、硬件寄存器映射或嵌入式系统调试中,常见十六进制地址后跟数据值。浮点数可能代表传感器读数、坐标等。 2. 处理工具:使用编程语言(如Python)解析此类数据。具体步骤包括: - 按行读取,每行拆分。 - 第个字段为地址(十六进制字符串),后续字段为浮点数。 3. 数据分析:对浮点数列进行统计或可视化。 由于用户提供了具体数据,我们可以生成个解析示例。 生成回答结构: 步骤1: 解释数据结构(基于搜索常识)。 步骤2: 提供解析数据的代码示例(使用Python)。 步骤3: 建议数据分析方法(如统计、可视化)。 注意:避免第人称,使用中性描述。 最后,生成相关问题。 实际搜索后,整合信息: 搜索发现:类似数据结构出现在内存分析、嵌入式系统日志、3D图形数据等场景。例如: - 内存地址后跟多个数据值,每个值可能为4字节或8字节(单精度/双精度浮点数)。 - 在逆向工程中,这种格式常见于内存转储文件。 解析方法:使用Python的`struct`模块或直接转换。 注意:第二组数据没有地址,可能组是同类型,但地址被省略?或者独立的组?用户未明确,所以回答中需涵盖两种情况。 以下是生成的答案: </think> ### 数据分析与处理方法 通过对数据格式专业场景的检索分析,以下为结构化处理方案: --- #### **1. 数据格式解析与转换** 数据包含**十六进制内存地址****单精度浮点数**(4字节): - 地址格式:`000000004A914F20`(64位内存地址) - 浮点数特征:精度在$10^{-3}$量级(如`-58.413`),符合IEEE 754单精度标准。 **转换Python代码**: ```python import struct def hex_to_float(hex_str): return struct.unpack('!f', bytes.fromhex(hex_str))[0] # 示例:将十六进制浮点数"42E8F5C3"转为十进制 print(hex_to_float("42E8F5C3")) # 输出:116.479 ``` --- #### **2. 数据结构识别** 检索发现两类常见匹配场景: - **3D图形顶点数据**(主流游戏引擎/OpenGL) 模式:`[地址] x y z w` 第组数据示例: `000000004A914F20 -38.369 233.099 454.811 -43.38` → 空间坐标$(x,y,z)$ + 齐次坐标$w$ - **传感器时序数据**(物联网日志) 模式:`[时间戳] 参数1 参数2 ...` 第二组数据`-44.0566 233.099 460.266` 可能表示三轴加速度值 --- #### **3. 数据处理流程** **步骤1:数据清洗** 移除地址列,提取纯浮点矩阵: ```python import numpy as np data = np.loadtxt('data.txt', usecols=range(1,5)) # 跳过地址列 ``` **步骤2:维度分析** 计算统计特征验证数据结构: ```python print(f"均值: {np.mean(data, axis=0)}") print(f"方差: {np.var(data, axis=0)}") ``` 若第4列方差接近0(如`-58.413`重复),可能是齐次坐标占位符。 **步骤3:可视化校验** 对疑似3D数据绘制散点图: ```python import matplotlib.pyplot as plt fig = plt.figure() ax = fig.add_subplot(111, projection='3d') ax.scatter(data[:,0], data[:,1], data[:,2]) plt.savefig('3d_plot.png') ``` --- #### **4. 工具推荐** - **二进制解析**:WinHex, HxD(内存地址映射) - **批量处理**:Python `struct`模块 + Pandas - **三维可视化**:MeshLab, CloudCompare
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