【模拟面试】#10 在既定时间做作业的学生人数 解码方法 最小的必要团队

题目1

给你两个整数数组 startTime(开始时间)和 endTime(结束时间),并指定一个整数 queryTime 作为查询时间。

已知,第 i 名学生在 startTime[i] 时开始写作业并于 endTime[i] 时完成作业。

请返回在查询时间 queryTime 时正在做作业的学生人数。形式上,返回能够使 queryTime 处于区间 [startTime[i], endTime[i]](含)的学生人数。

示例 1:

输入:startTime = [1,2,3], endTime = [3,2,7], queryTime = 4
输出:1
解释:一共有 3 名学生。
第一名学生在时间 1 开始写作业,并于时间 3 完成作业,在时间 4 没有处于做作业的状态。
第二名学生在时间 2 开始写作业,并于时间 2 完成作业,在时间 4 没有处于做作业的状态。
第三名学生在时间 3 开始写作业,预计于时间 7 完成作业,这是是唯一一名在时间 4 时正在做作业的学生。

示例 2:

输入:startTime = [4], endTime = [4], queryTime = 4
输出:1
解释:在查询时间只有一名学生在做作业。

示例 3:

输入:startTime = [4], endTime = [4], queryTime = 5
输出:0

示例 4:

输入:startTime = [1,1,1,1], endTime = [1,3,2,4], queryTime = 7
输出:0

示例 5:

输入:startTime = [9,8,7,6,5,4,3,2,1], endTime = [10,10,10,10,10,10,10,10,10], queryTime = 5
输出:5

提示:

  • startTime.length == endTime.length
  • 1 <= startTime.length <= 100
  • 1 <= startTime[i] <= endTime[i] <= 100

思路及代码

简单题

class Solution {
public:
    int busyStudent(vector<int>& startTime, vector<int>& endTime, int queryTime) {
        int sum = 0;
        for(int i = 0;i < startTime.size();i++){
            if(queryTime >= startTime[i] && queryTime <= endTime[i]){
                sum++;
            }
        }
        return sum;
    }
};

题目2

一条包含字母 A-Z 的消息通过以下方式进行了编码:

'A' -> 1
'B' -> 2
...
'Z' -> 26

给定一个只包含数字的非空字符串,请计算解码方法的总数。

示例 1:

输入: "12"
输出: 2
解释: 它可以解码为 "AB"(1 2)或者 "L"(12)。

示例 2:

输入: "226"
输出: 3
解释: 它可以解码为 "BZ" (2 26), "VF" (22 6), 或者 "BBF" (2 2 6) 。

思路及代码

这道题用DP求解。在网上选了个稍微能看懂的代码。

本题假设给定的字符串为"s[1]s[2]……s[len]",若我们用a[i-1]表示前i-1个字符的解码方法数,那么求解a[i]分为两步。第一,若第i个字符s[i]!='0',那么第i个字符可以单独划分为一个字母,前i-1个字母的划分对其没有影响,即a[i] = a[i-1];第二,若第i-1个字符和第i个字符可以组合成大于等于“10”,并且小于等于“26”的双字符,那么后两个字母组合一下,方法数为前i-2个字符的方法数,即a[i] = a[i] + a[i-2]。
原文链接:https://blog.youkuaiyun.com/jaster_wisdom/article/details/81148058

class Solution {
public:
    int numDecodings(string s) {
        int len = s.length();
        vector<int> vec(len+1);
        if(len==0 || s[0]=='0')
            return 0;
        vec[0] = 1;
        for(int i=1;i<len;i++){
            if(s[i]!='0')
                vec[i] = vec[i-1];
            if(s[i-1]=='1' || (s[i-1]=='2'&&s[i]>='0'&&s[i]<='6')){
                if(i==1)
                    vec[i] += 1;
                else
                    vec[i] += vec[i-2];
            }
        }
        return vec[len-1];
    }
};

题目3

作为项目经理,你规划了一份需求的技能清单 req_skills,并打算从备选人员名单 people 中选出些人组成一个「必要团队」( 编号为 i 的备选人员 people[i] 含有一份该备选人员掌握的技能列表)。

所谓「必要团队」,就是在这个团队中,对于所需求的技能列表 req_skills 中列出的每项技能,团队中至少有一名成员已经掌握。

我们可以用每个人的编号来表示团队中的成员:例如,团队 team = [0, 1, 3] 表示掌握技能分别为 people[0]people[1],和 people[3] 的备选人员。

请你返回 任一 规模最小的必要团队,团队成员用人员编号表示。你可以按任意顺序返回答案,本题保证答案存在。

示例 1:

输入:req_skills = ["java","nodejs","reactjs"], people = [["java"],["nodejs"],["nodejs","reactjs"]]
输出:[0,2]

示例 2:

输入:req_skills = ["algorithms","math","java","reactjs","csharp","aws"], people = [["algorithms","math","java"],["algorithms","math","reactjs"],["java","csharp","aws"],["reactjs","csharp"],["csharp","math"],["aws","java"]]
输出:[1,2]

提示:

  • 1 <= req_skills.length <= 16
  • 1 <= people.length <= 60
  • 1 <= people[i].length, req_skills[i].length, people[i][j].length <= 16
  • req_skills 和 people[i] 中的元素分别各不相同
  • req_skills[i][j], people[i][j][k] 都由小写英文字母组成
  • 本题保证「必要团队」一定存在

思路及代码

由于1<= req_skills.length <= 16,我们可以用“位”来表示是否拥有某项技能。

  • 首先将需要的技能映射为对应的位——给技能编号,如1001则说明需要0号技能和3号技能;
  • 一个用于动态规划的数组——dp[i],其中i表示拥有了哪些技能,dp[i]表示拥有这些技能需要的最小人数;
  • 用一个vector<pair<int,int>>记录要选择哪些工人——其中first记录当前已拥有的技能,second记录当前选择的人;
  • 最后根据上面的记录构建答案数组。

原文链接:https://blog.youkuaiyun.com/d5__j9/article/details/96003647

class Solution {
public:
    vector<int> smallestSufficientTeam(vector<string>& req_skills, vector<vector<string>>& people) {
        unordered_map<string,int> skills;
        for(int i=0;i<req_skills.size();++i)    //给每个需要的技能编号
            skills[req_skills[i]]=i;
        
        int n=req_skills.size();
        vector<int> dp(1<<n,-1);    //[技能]=最少人数
        vector<pair<int,int>> record(1<<n,{-1,-1});
        dp[0]=0;    //dp初始条件
        
        for(int i=0;i<people.size();++i)
        {
            int have=0; 
            for(string skill:people[i])     //people[i]掌握了哪些技能
                have|=(1<<(skills[skill]));
            
            for(int j=0;j<dp.size();++j)    
            {
                if(dp[j]==-1)
                    continue;
                int total=j|have;
                if(dp[total]==-1||dp[total]>dp[j]+1)    //dp[total]>dp[j]+1,则当前的选择比之前的选择需要的人数更少
                {
                    dp[total]=dp[j]+1;
                    //first记录路径,second记录选择哪一个人
                    record[total].first=j,record[total].second=i;
                }
            }
        }
        
        vector<int> ans;
        int need=(1<<n)-1;
        while(need!=0)  //0是上面保存的路径的尽头
            ans.push_back(record[need].second),need=record[need].first;
        return ans;
    }
};

DP,一生之敌

动物目标检测数据集 一、基础信息 数据集名称:动物目标检测数据集 图片数- 训练集:9,134张图片 - 验证集:1,529张图片 - 测试集:1,519张图片 总计:12,182张图片 分类类别: Bear(熊)、Cat(猫)、Cattle(牛)、Chicken(鸡)、Deer(鹿)、Dog(狗)、Elephant(象)、Horse(马)、Monkey(猴子)、Sheep(绵羊) 标注格式: YOLO格式,包含归一化坐标的边界框和数字编码类别标签,支持目标检测模型开发。 数据特性: 涵盖俯拍视角、地面视角等多角度动物影像,适用于复杂环境下的动物识别需求。 二、适用场景 农业智能监测: 支持畜牧管理系统开发,自动识别牲畜种类并统计数,提升养殖场管理效率。 野生动物保护: 应用于自然保护区监控系统,实时检测特定动物物种,辅助生态研究和盗猎预警。 智能养殖设备: 为自动饲喂系统、健康监测设备等提供视觉识别能力,实现精准个体识别。 教育研究工具: 适用于动物行为学研究和计算机视觉教学,提供标准化的多物种检测数据集。 遥感图像分析: 支持航拍图像中的动物种群分布分析,适用于生态调查和栖息地研究。 三、数据集优势 多物种覆盖: 包含10类常见经济动物和野生动物,覆盖陆生哺乳动物与家禽类别,满足跨场景需求。 高密度标注: 支持单图多目标检测,部分样本包含重叠目标标注,模拟真实场景下的复杂检测需求。 数据平衡性: 经分层抽样保证各类别均衡分布,避免模型训练时的类别偏差问题。 工业级适用性: 标注数据兼容YOLO系列模型框架,支持快速迁移学习和生产环境部署。 场景多样性: 包含白天/夜间、近距离/远距离、单体/群体等多种拍摄条件,增强模型鲁棒性。
数据集介绍:农场与野生动物目标检测数据集 一、基础信息 数据集名称:农场与野生动物目标检测数据集 图片规模: - 训练集:13,154张图片 - 验证集:559张图片 - 测试集:92张图片 分类类别: - Cow(牛):农场核心牲畜,包含多种姿态和场景 - Deer(鹿):涵盖野外环境中的鹿类目标 - Sheep(羊):包含不同品种的绵羊和山羊 - Waterdeer(獐):稀有野生动物目标检测样本 标注格式: YOLO格式标准标注,含精确边界框坐标和类别标签 数据特征: 包含航拍、地面拍摄等多视角数据,适用于复杂环境下的目标检测任务 二、适用场景 智慧农业系统开发: 支持畜牧数统计、牲畜行为监测等农业自动化管理应用 野生动物保护监测: 适用于自然保护区生物多样性监测系统的开发与优化 生态研究数据库构建: 为动物分布研究提供标准化视觉数据支撑 智能畜牧管理: 赋能养殖场自动化监控系统,实现牲畜健康状态追踪 多目标检测算法验证: 提供跨物种检测基准,支持算法鲁棒性测试 三、数据集优势 多场景覆盖能力: 整合农场环境与自然场景数据,包含光照变化、遮挡等真实场景 精确标注体系: - 经专业团队双重校验的YOLO格式标注 - 边界框精准匹配动物形态特征 数据多样性突出: - 包含静态、动态多种动物状态 - 涵盖个体与群体检测场景 任务适配性强: - 可直接应用于YOLO系列模型训练 - 支持从目标检测扩展到行为分析等衍生任务 生态研究价值: 特别包含獐等稀有物种样本,助力野生动物保护AI应用开发
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