LeetCode算法题-Number of Lines To Write String(Java实现)

本文解析了LeetCode中编号为188的Easy级别算法题,题目要求计算给定字符串在特定宽度限制下的行数及最后一行的宽度。通过遍历字符串并累加字符宽度,实现了对字符串布局的有效计算。

这是悦乐书的第319次更新,第340篇原创

01 看题和准备

今天介绍的是LeetCode算法题中Easy级别的第188题(顺位题号是806)。我们要将给定字符串S的字母从左到右写成行。每行最大宽度为100个单位,如果写一个字母会导致该行的宽度超过100个单位,则会写入下一行。给出一个数组宽度,一个数组,其中widths[0]是’a’的宽度,widths[1]是’b’的宽度,widths[25]是’z’的宽度。

现在回答两个问题:S中至少有一个字符有多少行,最后一行使用的宽度是多少?将答案作为长度为2的整数数组返回。例如:

输入:widths = [10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10 ,10,10]

S =“abcdefghijklmnopqrstuvwxyz”

输出:[3,60]

说明:所有字母都有相同的长度10.要写出所有26个字母,我们需要两条完整的线和一条60个宽度的线。


输入:widths = [4,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10 ,10,10]

S =“bbbcccdddaaa”

输出:[2,4]

说明:除“a”之外的所有字母都具有10的相同长度,并且“bbbcccdddaa”将涵盖9 x 10 + 2 x 4 = 98个单位。对于最后一个’a’,它写在第二行,因为第一行只剩下2个单位。所以答案是2行,第二行加4个单位。


注意

  • S的长度将在[1,1000]的范围内。

  • S只包含小写字母。

  • widths是一个长度为26的数组。

  • widths[i]将在[2,10]的范围内。

本次解题使用的开发工具是eclipse,jdk使用的版本是1.8,环境是win7 64位系统,使用Java语言编写和测试。

02 解题

根据题目的说明和给出的示例,如果一行上字符长度超过100,就需要换行,并且需要去判断最后一次加的那个字符,是否正好让长度变成100换行,还是超过了100,需要去判断一次。

第一步,初始化。声明两个局部变量,count为行数,初始值为1,sum为最后一行使用的宽度。

第二步,循环。将S变为字符数组,遍历字符,对每个字符在widths中的宽度进行累加,赋值给sum。如果sum大于100,说明最后加的字符使整体宽度超过了100,此时需要换行了,count加1,sum重新赋值为当前字符的宽度。

第三步,返回结果。以count、sum作为数组(长度为2)元素返回。

public int[] numberOfLines(int[] widths, String S) {
    int sum = 0, count = 1;
    for (char ch : S.toCharArray()) {
        sum += widths[ch-'a'];
        if (sum > 100) {
            sum = widths[ch-'a'];
            count++;
        } 
    }
    return new int[]{count, sum};
}

03 小结

算法专题目前已日更超过五个月,算法题文章188+篇,公众号对话框回复【数据结构与算法】、【算法】、【数据结构】中的任一关键词,获取系列文章合集。

以上就是全部内容,如果大家有什么好的解法思路、建议或者其他问题,可以下方留言交流,点赞、留言、转发就是对我最大的回报和支持!

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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