【26】剑指offer——第一个只出现一次的字符

本文介绍了一种使用C++和Map数据结构解决字符串中寻找第一个只出现一次的字符的问题的方法。通过两次遍历,首先统计字符出现的频率,然后再次遍历字符串以找到符合条件的字符,巧妙地简化了解决方案。

题目描述

在一个字符串(0<=字符串长度<=10000,全部由字母组成)中找到第一个只出现一次的字符,并返回它的位置, 如果没有则返回 -1(需要区分大小写).

 

解题思路:

这种要统计字符特性的题,第一眼看到应该就想到用map,有键值和属性的一一对应关系,同时检索效率极高。奈何对map的应用不多,导致浪费了很多时间,下次应该就有经验了。这道题的题解很多说是用hash,其实hash也就是把字符和属性一一映射起来,本质上没有什么不同。统计每个字符的出现次数,返回最早出现且只出现一次的字符位置即可,很简单的映射题,

代码如下:

class Solution {
public:
    int FirstNotRepeatingChar(string str) {
        int len = str.length();
        if (len == 0){
            return -1;
        }
        
        map<char, int> tab1;//记录出现的次数
        map<char, int> tab2;//记录出现的位置
        
        for (int i = 0; i < len; i++){
            tab1[str[i]]++;
            if (tab2[str[i]] == 0){
                tab2[str[i]] = i;
            }
            
        }
        
        map<char, int>::iterator it;
        
        int ans = 10001;

        for(it = tab2.begin(); it != tab2.end(); it++){
            if (tab1[(*it).first] == 1 && (*it).second < ans){
                ans = (*it).second;
            }
        }
        if (ans == 10001){
            return -1;
        }
        
        return ans;
        
    }
};

此外,我看题解上有一个很简单的做法,不用统计字符出现的位置,只用再遍历一遍字符串就可以了,这样位置信息已经包含在了字符串中,非常巧妙,非常佩服!!

代码如下:

class Solution {
public:
    int FirstNotRepeatingChar(string str) {
        int len = str.length();
        if (len == 0){
            return -1;
        }
        
        map<char, int> tab1;//记录出现的次数
        
        for (int i = 0; i < len; i++){
            tab1[str[i]]++;
        }
        
        for (int i = 0; i < len; i++){
            if (tab1[str[i]] == 1){
                return i;
            }
        }
        
        return -1;
       
        
    }
};

 

 

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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