题目## 题目
题目主要信息:
- 求n对括号的全部合法组合,左右括号之间任意组合,只要合法就行
- 需要输出所有的结果
举一反三:
学习完本题的思路你可以解决如下题目:
方法:递归(推荐使用)
知识点:递归与回溯
递归是一个过程或函数在其定义或说明中有直接或间接调用自身的一种方法,它通常把一个大型复杂的问题层层转化为一个与原问题相似的规模较小的问题来求解。因此递归过程,最重要的就是查看能不能讲原本的问题分解为更小的子问题,这是使用递归的关键。
如果是线型递归,子问题直接回到父问题不需要回溯,但是如果是树型递归,父问题有很多分支,我需要从子问题回到父问题,进入另一个子问题。因此回溯是指在递归过程中,从某一分支的子问题回到父问题进入父问题的另一子问题分支,因为有时候进入第一个子问题的时候修改过一些变量,因此回溯的时候会要求改回父问题时的样子才能进入第二子问题分支。
思路:
相当于一共 n n n个左括号和 n n n个右括号,可以给我们使用,我们需要依次组装这些括号。每当我们使用一个左括号之后,就剩下 n − 1 n-1 n−1个左括号和 n n n个右括号给我们使用,结果拼在使用的左括号之后就行了,因此后者就是一个子问题,可以使用递归:
- 终止条件: 左右括号都使用了n个,将结果加入数组。
- 返回值: 每一级向上一级返回后续组装后的字符串,即子问题中搭配出来的括号序列。
- 本级任务: 每一级就是保证左括号还有剩余的情况下,使用一次左括号进入子问题,或者右括号还有剩余且右括号使用次数少于左括号的情况下使用一次右括号进入子问题。
但是这样递归不能保证括号一定合法,我们需要保证左括号出现的次数比右括号多时我们再使用右括号就一定能保证括号合法了,因此每次需要检查左括号和右括号的使用次数。
//使用一次左括号
if(left < n){
recursion(left + 1, right, temp + "(", res, n);
}
//使用右括号个数必须少于左括号
if(right < n && left > right){
recursion(left, right + 1, temp + ")", res, n);
}
具体做法:
- step 1:将空串与左右括号各自使用了0个送入递归。
- step 2:若是左右括号都使用了 n n n个,此时就是一种结果。
- step 3:若是左括号数没有到达 n n n个,可以考虑增加左括号,或者右括号数没有到达 n n n个且左括号的使用次数多于右括号就可以增加右括号。
图示:
Java实现代码:
import java.util.*;
public class Solution {
public void recursion(int left, int right, String temp, ArrayList<String> res, int n){
//左右括号都用完了,就加入结果
if(left == n && right == n){
res.add(temp);
return;
}
//使用一次左括号
if(left < n){
recursion(left + 1, right, temp + "(", res, n);
}
//使用右括号个数必须少于左括号
if(right < n && left > right){
recursion(left, right + 1, temp + ")", res, n);
}
}
public ArrayList<String> generateParenthesis (int n) {
//记录结果
ArrayList<String> res = new ArrayList<String>();
//递归
recursion(0, 0, "", res, n);
return res;
}
}
C++实现代码:
class Solution {
public:
void recursion(int left, int right, string temp, vector<string> &res, int n){
//左右括号都用完了,就加入结果
if(left == n && right == n){
res.push_back(temp);
return;
}
//使用一次左括号
if(left < n)
recursion(left + 1, right, temp + "(", res, n);
//使用右括号个数必须少于左括号
if(right < n && left > right)
recursion(left, right + 1, temp + ")", res, n);
}
vector<string> generateParenthesis(int n) {
//记录结果
vector<string> res;
//记录每次组装的字符串
string temp;
//递归
recursion(0, 0, temp, res, n);
return res;
}
};
Python实现代码:
class Solution:
def recursion(self, left:int, right:int, temp:str, res:List[str], n:int):
#左右括号都用完了,就加入结果
if left == n and right == n:
res.append(temp)
return
#使用一次左括号
if left < n:
self.recursion(left + 1, right, temp + "(", res, n)
#使用右括号个数必须少于左括号
if right < n and left > right:
self.recursion(left, right + 1, temp + ")", res, n)
def generateParenthesis(self , n: int) -> List[str]:
#记录结果
res = list()
#记录每次组装的字符串
temp = str()
#递归
self.recursion(0, 0, temp, res, n)
return res
复杂度分析:
- 时间复杂度: O ( 4 n n ) O(\frac{4^n}{\sqrt{n}}) O(n4n),复杂度取决于有多少个合法括号组合,这是第n个卡特兰数,由 4 n n n \frac{4^n}{n\sqrt{n}} nn4n渐近界定的
- 空间复杂度: O ( n ) O(n) O(n),递归栈最大空间,其中res数组是返回时必须要的,不算额外空间
题目主要信息:
- 字母到数字分别为1-26映射,没有0
- 输入的数字是字符串,故非常大,超过了long long的表示范围
- 但凡出现11-19,21-26的就可能出现两种译码结果
- 求总后的译码结果种类
举一反三:
学习完本题的思路你可以解决如下题目:
方法:动态规划(推荐使用)
知识点:动态规划
动态规划算法的基本思想是:将待求解的问题分解成若干个相互联系的子问题,先求解子问题,然后从这些子问题的解得到原问题的解;对于重复出现的子问题,只在第一次遇到的时候对它进行求解,并把答案保存起来,让以后再次遇到时直接引用答案,不必重新求解。动态规划算法将问题的解决方案视为一系列决策的结果
思路:
对于普通数组1-9,译码方式只有一种,但是对于11-19,21-26,译码方式有可选择的两种方案,因此我们使用动态规划将两种方案累计。
具体做法:
- step 1:用辅助数组dp表示前i个数的译码方法有多少种。
- step 2:对于一个数,我们可以直接译码它,也可以将其与前面的1或者2组合起来译码:如果直接译码,则 d p [ i ] = d p [ i − 1 ] dp[i]=dp[i-1] dp[i]=dp[i−1];如果组合译码,则 d p [ i ] = d p [ i − 2 ] dp[i]=dp[i-2] dp[i]=dp[i−2]。
- step 3:对于只有一种译码方式的,选上种 d p [ i − 1 ] dp[i-1] dp[i−1]即可,对于满足两种译码方式(10,20不能)则是 d p [ i − 1 ] + d p [ i − 2 ] dp[i-1]+dp[i-2] dp[i−1]+dp[i−2]
- step 4:依次相加,最后的 d p [ l e n g t h ] dp[length] dp[length]即为所求答案。
图示:
Java实现代码:
import java.util.*;
public class Solution {
public int solve (String nums) {
//排除0
if(nums.equals("0"))
return 0;
//排除只有一种可能的10 和 20
if(nums == "10" || nums == "20")
return 1;
//当0的前面不是1或2时,无法译码,0种
for(int i = 1; i < nums.length(); i++){
if(nums.charAt(i) == '0')
if(nums.charAt(i - 1) != '1' && nums.charAt(i - 1) != '2')
return 0;
}
int[] dp = new int[nums.length() + 1];
//辅助数组初始化为1
Arrays.fill(dp, 1);
for(int i = 2; i <= nums.length(); i++){
//在11-19,21-26之间的情况
if((nums.charAt(i - 2) == '1' && nums.charAt(i - 1) != '0') || (nums.charAt(i - 2) == '2' && nums.charAt(i - 1) > '0' && nums.charAt(i - 1) < '7'))
dp[i] = dp[i - 1] + dp[i - 2];
else
dp[i] = dp[i - 1];
}
return dp[nums.length()];
}
}
C++实现代码:
class Solution {
public:
int solve(string nums) {
//排除0
if(nums == "0")
return 0;
//排除只有一种可能的10 和 20
if(nums == "10" || nums == "20")
return 1;
//当0的前面不是1或2时,无法译码,0种
for(int i = 1; i < nums.length(); i++){
if(nums[i] == '0')
if(nums[i - 1] != '1' && nums[i - 1] != '2')
return 0;
}
//辅助数组初始化为1
vector<int> dp(nums.length() + 1, 1);
for(int i = 2; i <= nums.length(); i++){
//在11-19,21-26之间的情况
if((nums[i - 2] == '1' && nums[i - 1] != '0') || (nums[i - 2] == '2' && nums[i - 1] > '0' && nums[i - 1] < '7'))
dp[i] = dp[i - 1] + dp[i - 2];
else
dp[i] = dp[i - 1];
}
return dp[nums.length()];
}
};
Python代码实现:
class Solution:
def solve(self , nums: str) -> int:
#排除0
if nums == "0":
return 0
#排除只有一种可能的10 和 20
if nums == "10" or nums == "20":
return 1
#当0的前面不是1或2时,无法译码,0种
for i in range(1, len(nums)):
if nums[i] == '0':
if nums[i - 1] != '1' and nums[i - 1] != '2':
return 0
#辅助数组初始化为1
dp = [1 for i in range(len(nums) + 1)]
for i in range(2, len(nums) + 1):
#在11-19,21-26之间的情况
if (nums[i - 2] == '1' and nums[i - 1] != '0') or (nums[i - 2] == '2' and nums[i - 1] > '0' and nums[i - 1] < '7'):
dp[i] = dp[i - 1] + dp[i - 2]
else:
dp[i] = dp[i - 1]
return dp[len(nums)]
复杂度分析:
- 时间复杂度: O ( n ) O(n) O(n),两次遍历都是单层
- 空间复杂度: O ( n ) O(n) O(n),辅助数组dp