训练营day13

本文介绍了如何使用暴力解法解决LeetCode中的滑动窗口最大值问题,以及通过单调队列和堆优化求解前K个高频元素的问题,包括C++实现的优先级队列和unordered_map的使用技巧。

题目1:239. 滑动窗口最大值 - 力扣(LeetCode)

啥也别说上来就是暴力解法,暴力解法提交查出时间限制(时间复杂度O(k*n)),但是可以过一些用例,代码附下:

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        vector<int> reslut;
        for(int i = 0; i <= nums.size() - k;i++) {
            int max = nums[i]; // 这里最开始写的 max = 0 这样负数会出现问题
            for(int j = i; j < i + k;j++) {
                if(nums[j] >  max) max = nums[j];
            }
            reslut.push_back(max);
        }
        return reslut;
    }
};

代码随想录的解法是自己构建一个单调的队列,让滑动窗口里的最大值保持在队列头,然后pop的时候,如果队列头就是数组里原来的元素,就pop掉这个元素,如果不是证明该滑动窗口再添加元素的时候已经把数组里的元素删掉了(因为要保持最大值,队列里只维护单调递减的数)。push函数进行时,会先判断要添加的元素是不是比队列末尾值大,如果大就pop_back 这个队里尾值,直到队尾值大于该元素,这里有可能出现空集合的情况,所以要判断是否为空,但是pop的时候,其实每个队列最起码得保留一个最大的值,所以队列肯定不为空。这里类就构建完了,然后后面的思路就是先把k个元素放进队列(这里用的是deque 双向队列,和普通的queue不一样),然后开始开始滑动,pop头元素,push新的元素进入队列,然后返回头元素就是最大的值。

题目2:347. 前 K 个高频元素 - 力扣(LeetCode)

这道题我想用map来存数组元素和它的个数,然后用一个二维vector 存map然后根据个数 排序,然后取前k个,但是用例超时了,代码附下:(应该没有逻辑错误, 用sort可以通过,对于二维数组,如果不进行指定默认根据第一列进行排序)

class Solution {
public:
    vector<int> topKFrequent(vector<int>& nums, int k) {
        map<int, int> _map;
        vector<int> reslut;
        vector<vector<int>> arr(nums.size(), vector<int>(2, 0));
        for(int i = 0;i < nums.size();i++) {
            auto iter = _map.find(nums[i]);
            if(iter != _map.end()) {
                iter->second++;
            }else {
                _map.insert(pair<int ,int>(nums[i], 1));
            }
        }
        int i = 0;
        for(auto it : _map) {
            arr[i][0] = it.first;
            arr[i][1] = it.second;
            i++;
        }
        for(int i = 0;i < arr.size() - 1;i++) {
            for(int j = 0;j < arr.size() - i - 1;j++) {
                if(arr[j][1] > arr[j + 1][1]) swap(arr[j], arr[j + 1]);
            }
        }
        for(int i = 0;i < k;i++) {
            reslut.push_back(arr[arr.size() - i - 1][0]);
        }
        return reslut;
    }
};

什么是堆呢?

堆是一棵完全二叉树,树中每个结点的值都不小于(或不大于)其左右孩子的值。 如果父亲结点是大于等于左右孩子就是大顶堆,小于等于左右孩子就是小顶堆。大顶堆pop的时候是弹出最大的元素,小顶堆相反。

优先级队列:priority_queue<Type, Container, Functional>

这道题感觉用map记录元素和其次数可以,但是后边的堆的定义是个难点。

class Solution {
public:
    class cmp {
        public:
            bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {
                return lhs.second > rhs.second;
            }
    };
    vector<int> topKFrequent(vector<int>& nums, int k) {
        unordered_map<int, int> map;
        for(int i = 0;i < nums.size();i++) {
            map[nums[i]]++;
        }
        priority_queue<pair<int, int>, vector<pair<int, int>>, cmp> pr_qu;
        for(auto it:map) {
            pr_qu.push(it);
            if(pr_qu.size() > k) {
                pr_qu.pop();
            }
        }
        vector<int> rel;
        for(int i = 0;i < k;i++) {
            rel.push_back(pr_qu.top().first);
            pr_qu.pop();
        }
        return rel;
    }
};

C++ | priority_queue的用法(含自定义排序方式) - 山竹小果 - 博客园 (cnblogs.com)

unordered_map学习之迭代器操作begin,cbegin(C++11),end,cend(C++11)_unordered_map begin和cbegin-优快云博客

### 代码随想录算法训练营 Day20 学习内容与作业 #### 动态规划专题深入探讨 动态规划是一种通过把原问题分解为相对简单的子问题的方式来求解复杂问题的方法[^1]。 #### 主要学习内容 - **背包问题系列** - 背包问题是典型的动态规划应用场景之一。这类题目通常涉及给定容量的背包以及一系列具有不同价值和重量的物品,目标是在不超过总容量的情况下最大化所选物品的价值。 - **状态转移方程构建技巧** - 构建合适的状态转移方程对于解决动态规划问题是至关重要的。这涉及到定义好dp数组(或表格),并找到从前一个状态到下一个状态之间的关系表达式[^2]。 - **优化空间复杂度方法** - 对于某些特定类型的DP问题,可以采用滚动数组等方式来减少所需的空间开销,从而提高程序效率[^3]。 #### 实战练习题解析 ##### 题目:零钱兑换 (Coin Change) 描述:给定不同面额的硬币 coins 和一个总金额 amount。编写函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额,返回 `-1`。 解决方案: ```python def coinChange(coins, amount): dp = [float('inf')] * (amount + 1) dp[0] = 0 for i in range(1, amount + 1): for coin in coins: if i >= coin and dp[i - coin] != float('inf'): dp[i] = min(dp[i], dp[i - coin] + 1) return dp[-1] if dp[-1] != float('inf') else -1 ``` 此段代码实现了基于自底向上的迭代方式解决问题,其中 `dp[i]` 表示达到金额 `i` 所需最小数量的硬币数目[^4]。 ##### 题目:完全平方数 (Perfect Squares) 描述:给出正整数 n ,找出若干个不同的 完全平方数 (比如 1, 4, 9 ...)使得它们的和等于n 。问至少需要几个这样的完全平方数? 解答思路同上一题类似,只是这里的“硬币”变成了各个可能的完全平方数值。 ```python import math def numSquares(n): square_nums = set([i*i for i in range(int(math.sqrt(n))+1)]) dp = [float('inf')] *(n+1) dp[0] = 0 for i in range(1,n+1): for sq in square_nums: if i>=sq: dp[i]=min(dp[i],dp[i-sq]+1); return dp[n]; ``` 这段代码同样运用了动态规划的思想去寻找最优解路径,并利用集合存储所有小于等于输入值的最大平方根内的平方数作为候选集[^5]。
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