【每日算法】力扣118. 杨辉三角

本文解析了如何利用动态规划生成杨辉三角,重点讲解了处理不同行长度、边界值1的处理以及内存效率优化的方法。博主展示了简洁的Java代码,并分享了通过算法覆盖所有测试用例的技巧。

描述

image.png

给定一个非负整数 numRows 生成「杨辉三角」的前 numRows 行。

在「杨辉三角」中,每个数是它左上方和右上方的数的和。

示例 1:

输入: numRows = 5

输出: [[1],[1,1],[1,2,1],[1,3,3,1],[1,4,6,4,1]]

示例 2:

输入: numRows = 1

输出: [[1]]

提示:

1 <= numRows <= 30

通过次数234,762提交次数319,444

做题

我们把 示例1 中的数据遍历出来

1

1 1

1 2 1

1 3 3 1

1 4 6 4 1

看到了吧,可以说除了前两行,其他都是 array[i][j] = array[i-1][j-1] + array[i-1][j]

规律很明显了。

我们还需要解决的问题:

  1. 它的每一个数组长度都不相同的问题。这个也很简单,根据第 n 行就定多长就行了。

  2. 第一行和第二行都是 1,其他行的开头和结尾都是 1。直接判断当 j == 0 || j == n-1 时,赋值为 1

敲码!

public List<List<Integer>> generate(int numRows) {
    List<List<Integer>> result=new ArrayList<>();
    for (int i = 0; i < numRows; i++) {
        List<Integer> item=new ArrayList<>();
        for (int j = 0; j <= i; j++) {
            if (j==0||j==i){
                item.add(1);
                continue;
            }
            List<Integer> pre = result.get(i - 1);
            item.add(pre.get(j-1)+pre.get(j));
        }
        result.add(item);
    }
    return  result;
}

image.png

这执行时间没得说,直接拉到极限,不过内存消耗有点大了。

不过,题目对内存消耗并没有太多的要求,算是通过了。

最后

image.png

不讲武德版哈哈哈。

image.png

牛批!!!!破喉!

这不直接起飞?哈哈预料了题目的所有测试用例,直接测不出 bug。

今天就到这里了。

这里是程序员徐小白,【每日算法】是我新开的一个专栏,在这里主要记录我学习算法的日常,也希望我能够坚持每日学习算法,不知道这样的文章风格您是否喜欢,不要吝啬您免费的赞,您的点赞、收藏以及评论都是我下班后坚持更文的动力。

### 生成杨辉三角算法实现 杨辉三角是一种经典的数学图形,其结构可以通过多种编程语言和不同的算法思路来实现。以下是几种常见的实现方式: #### 方法一:动态规划 动态规划是解决杨辉三角问题的一种经典方法。其核心思想是利用已计算的结果来推导未计算的结果,避免重复计算,从而提高效率。 具体实现如下: ```java class Solution { public List<List<Integer>> generate(int numRows) { // 创建dp数组 Integer[][] dp = new Integer[numRows][]; // 遍历每一 for (int i = 0; i < numRows; i++) { // 初始化当,第0一个元素,第1有2个元素,以此类推,每一的大小都不一样。 dp[i] = new Integer[i + 1]; // 每一的第一个和最后一个元素总是1 dp[i][0] = dp[i][i] = 1; // 计算中间元素 for (int j = 1; j < i; j++) { dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j]; } } // 将数组转换为结果列表 List<List<Integer>> result = new ArrayList<>(); for (Integer[] row : dp) { result.add(Arrays.asList(row)); } // 返回结果 return result; } } ``` 该实现通过二维数组 `dp` 存储每的值,并根据递推公式 `dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j]` 来计算每的中间元素 [^3]。 --- #### 方法二:使用二维数组直接模拟 这种方法较为简单,直接按照杨辉三角的定义,通过上一的元素计算当的元素。 Python 实现示例如下: ```python class Solution: def generate(self, numRows: int) -> List[List[int]]: if numRows == 0: return [] res = [[1]] while len(res) < numRows: newRow = [a + b for a, b in zip([0] + res[-1], res[-1] + [0])] res.append(newRow) return res ``` 在每次迭代中,通过将上一一个偏移版本相加(例如 `[0]+res[-1]` 和 `res[-1]+[0]`),快速生成 [^4]。 --- #### 方法三:基于列表的直接构造 这种方法不依赖于额外的数组或矩阵,而是直接构造每一的值,并将其添加到最终的结果列表中。 Java 实现示例如下: ```java class Solution { public List<List<Integer>> generate(int numRows) { List<List<Integer>> l2 = new ArrayList<List<Integer>>(); for (int i = 0; i < numRows; i++) { List<Integer> row = new ArrayList<>(); for (int j = 0; j <= i; j++) { if (j == 0 || j == i) { row.add(1); } else { row.add(l2.get(i - 1).get(j - 1) + l2.get(i - 1).get(j)); } } l2.add(row); } return l2; } } ``` 通过遍历每一并逐个计算每个位置的值,可以直接构建出完整的杨辉三角 [^5]。 --- #### 方法四:空间优化版 为了减少内存使用,可以采用一维数组进优化。通过维护一个临时列表来存储当的值,避免重复计算。 Python 实现如下: ```python class Solution: def generate(self, numRows: int) -> List[List[int]]: result = [] for i in range(numRows): current_row = [1] * (i + 1) for j in range(1, i): current_row[j] = result[i - 1][j - 1] + result[i - 1][j] result.append(current_row) return result ``` 该方法通过复用的结果,仅使用一维数组即可完成计算,降低了空间复杂度 [^2]。 --- ### 总结 以上四种方法均能正确生成杨辉三角,但它们在实现难度、时间复杂度和空间复杂度上有所不同。对于较小的输入规模(如 `numRows <= 30`),所有方法都可以高效运。然而,在需要多次调用或处理大规模数据时,动态规划和空间优化方法更为合适 [^2]。 --- ###
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

打赏作者

程序员徐小白

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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