【周赛复盘】力扣第 305 场单周赛

忘是亡心i 2023-09-28 18:58 11阅读 0赞

#### 目录 ####

*  1.算术三元组的数目
 *   *  1）题目描述
     *  2）原题链接
     *  3）思路解析
     *  4）模板代码
     *  5）算法与时间复杂度
 *  2.受限条件下可到达节点的数目
 *   *  1）题目描述
     *  2）原题链接
     *  3）思路解析
     *  4）模板代码
     *  5）算法与时间复杂度
 *  3.检查数组是否存在有效划分
 *   *  1）题目描述
     *  2）原题链接
     *  3）思路解析
     *  4）模板代码
     *  5）算法与时间复杂度
 *  4.最长理想子序列
 *   *  1）题目描述
     *  2）原题链接
     *  3）思路解析
     *  4）模板代码
     *  5）算法与时间复杂度

## 1.算术三元组的数目 ##

### 1）题目描述 ###

给你一个下标从 **0** 开始、**严格递增** 的整数数组 `nums` 和一个正整数 `diff` 。如果满足下述全部条件，则三元组 `(i, j, k)` 就是一个 **算术三元组** ：

*  i < j < k ，
 *  `nums[j] - nums[i] == diff` 且
 *  `nums[k] - nums[j] == diff`  
    返回不同 **算术三元组** 的数目。

### 2）原题链接 ###

### 3）思路解析 ###

( 1 ) (1) (1)数据范围很小，直接暴力枚举即可

### 4）模板代码 ###

public int arithmeticTriplets(int[] arr, int diff) {
        
            int ans=0;
            int n=arr.length;
            for (int i = 0; i <=n-3; i++) {
        
                for (int j = i+1; j <=n-2; j++) {
        
                    for (int k = j+1; k <=n-1; k++) {
        
                        if (arr[j]-arr[i]==diff&&arr[k]-arr[j]==diff) ans++;
                    }
                }
            }
            return ans;
        }

### 5）算法与时间复杂度 ###

算法：**暴力枚举**  
  时间复杂度: O ( n 3 ) O(n^3) O(n3)

## 2.受限条件下可到达节点的数目 ##

### 1）题目描述 ###

现有一棵由 `n`个节点组成的无向树，节点编号从`0`到`n - 1`，共有`n - 1`条边。

给你一个二维整数数组 `edges` ，长度为`n - 1` ，其中 `edges[i] = [ai, bi]`表示树中节点 `ai`和 `bi` 之间存在一条边。另给你一个整数数组 `restricted` 表示 受限 节点。

在不访问受限节点的前提下，返回你可以从节点 `0` 到达的 **最多** 节点数目。

注意，节点 `0` **不**会标记为受限节点。  
![在这里插入图片描述][2b7a47f7adae4ecd91b712bb569fb803.png]

### 2）原题链接 ###

### 3）思路解析 ###

( 1 ) (1) (1)很模板的搜索题，从`0`开始进行深搜或者广搜都非常简单，当然`dfs`的代码更加简洁，也可用使用并查集，不过比较麻烦。

### 4）模板代码 ###

Map<Integer, List<Integer>> map=new HashMap<>();
        Set<Integer> set=new HashSet<>();
        int ans=0;
        public int reachableNodes(int n, int[][] edges, int[] restricted) {
        
            
            for (int v:restricted) set.add(v);
            for (int[] a:edges){
        
                add(a[0],a[1]);
                add(a[1],a[0]);
            }
            dfs(0,-1);
            return ans;
        }
        void dfs(int u,int fa){
        
            ans++;
            if (!map.containsKey(u)) return;
            for (int h:map.get(u)){
        
                if (set.contains(h)||h==fa) continue;
                dfs(h,u);
            }
        }
        void  add(int a,int b){
        
            if (!map.containsKey(a)) map.put(a,new LinkedList<>());
            map.get(a).add(b);
        }

### 5）算法与时间复杂度 ###

算法：**搜索**  
  时间复杂度:最坏情况下 O ( n ) O(n) O(n)，每个点最多被搜索一次。

## 3.检查数组是否存在有效划分 ##

### 1）题目描述 ###

给你一个下标从 **0** 开始的整数数组 `nums` ，你必须将数组划分为一个或多个 **连续** 子数组。

如果获得的这些子数组中每个都能满足下述条件 **之一** ，则可以称其为数组的一种 **有效** 划分：

1.  子数组 **恰** 由 `2` 个相等元素组成，例如，子数组`[2,2]` 。
2.  子数组 **恰** 由 `3` 个相等元素组成，例如，子数组`[4,4,4]`。
3.  子数组 **恰** 由 `3` 个连续递增元素组成，并且相邻元素之间的差值为 `1`。例如，子数组`[3,4,5]` ，但是子数组`[1,3,5]`不符合要求。

如果数组 **至少** 存在一种有效划分，返回 `true`，否则，返回 `false`。

### 2）原题链接 ###

### 3）思路解析 ###

*   ( 1 ) (1) (1)比如入门的`dp`题，如果能想到`dp`的话就非常好写了，定义 f \[ i \] f\[i\] f\[i\]为只考虑前 i i i个元素是否能进行有效划分。
 *   ( 2 ) (2) (2)考虑初始化，首先 f \[ 0 \] f\[0\] f\[0\]肯定为`true`，`0`个元素肯定是有效情况。 f \[ 1 \] f\[1\] f\[1\]肯定为`false`。
 *   ( 3 ) (3) (3)考虑状态转移，只考虑数组中第 i i i个元素，那么由转移方程  
     f \[ i \] = \{ f \[ i \] ∣ = f \[ i − 2 \] if a\[i-1\]==a\[i-2\] f \[ i \] ∣ = f \[ i − 3 \] if a\[i-1\]==a\[i-2\]&&a\[i-2\]==a\[i-3\] f \[ i \] ∣ = f \[ i − 3 \] if a\[i-1\]+a\[i-3\]==a\[i-2\]\*2&&a\[i-1\]-2==a\[i-3\] f\[i\] = \\begin\{cases\} f\[i\]|=f\[i-2\]&\\text\{if a\[i-1\]==a\[i-2\]\}\\\\ f\[i\]|=f\[i-3\] &\\text\{if a\[i-1\]==a\[i-2\]\\&\\&a\[i-2\]==a\[i-3\]\}\\\\ f\[i\]|=f\[i-3\] &\\text\{if a\[i-1\]+a\[i-3\]==a\[i-2\]\*2\\&\\&a\[i-1\]-2==a\[i-3\]\}\\\\ \\end\{cases\} f\[i\]=⎩⎨⎧f\[i\]∣=f\[i−2\]f\[i\]∣=f\[i−3\]f\[i\]∣=f\[i−3\]if a\[i-1\]==a\[i-2\]if a\[i-1\]==a\[i-2\]&&a\[i-2\]==a\[i-3\]if a\[i-1\]+a\[i-3\]==a\[i-2\]\*2&&a\[i-1\]-2==a\[i-3\]  
    当这三种情况满足任意一种时， f \[ i \] f\[i\] f\[i\]均为`true`。当然后面两种要在`i>=3`的情况下才可判断，最终答案就为`f[n]`的值。

### 4）模板代码 ###

public boolean validPartition(int[] arr) {
        
            int n=arr.length;
            boolean[] f=new boolean[n+1];
            f[0]=true;
            for (int i = 2; i<=n; i++) {
        
                int x=i-1;
                if (arr[x]==arr[x-1]) f[i]|=f[i-2];
                if (i>2){
        
                    if (arr[x]==arr[x-1]&&arr[x-1]==arr[x-2]) f[i]|=f[i-3];
                    if (arr[x]+arr[x-2]==arr[x-1]*2&&arr[x]-2==arr[x-2]) f[i]|=f[i-3];
                }
            }
            return f[n];
        }

### 5）算法与时间复杂度 ###

算法：**动态规划**  
  时间复杂度: O ( n ) O(n) O(n)

## 4.最长理想子序列 ##

### 1）题目描述 ###

给你一个由小写字母组成的字符串 `s` ，和一个整数 `k` 。如果满足下述条件，则可以将字符串`t` 视作是 **理想字符串** ：

*  `t`是字符串 `s` 的一个子序列。
 *  `t` 中每两个 **相邻** 字母在字母表中位次的绝对差值小于或等于`k` 。  
    返回 **最长** 理想字符串的长度。

字符串的子序列同样是一个字符串，并且子序列还满足：可以经由其他字符串删除某些字符（也可以不删除）但不改变剩余字符的顺序得到。

**注意**：字母表顺序不会循环。例如，`'a'`和`'z'`在字母表中位次的绝对差值是 `25` ，而不是 `1` 。

### 2）原题链接 ###

### 3）思路解析 ###

*   ( 1 ) (1) (1)同样考虑`dp`解决问题，问题在于如果我们定义`f[i]`的含义是考虑前`i`个字符可形成的最长理想字符串长度，这样每次转移的话需要考虑前面所有的字母，这样复杂度会达到 O ( n 2 ) O(n^2) O(n2)，`1e5`的复杂度定然是不可取的。
 *   ( 2 ) (2) (2)考虑到这是一个字符串，我们可以定义 f \[ i \] f\[i\] f\[i\]为以字符`i`结尾的最长理想字符串长度。所以我们只需要开一个长度为`26`的数组来映射`26`个字母即可。
 *   ( 3 ) (3) (3)考虑状态转移，当第`i`个字符的ASCII码为`x`时，能让第`i`个字符合法转移的字符的ASCII的区间则为 \[ x − k , x + k \] \[x-k,x+k\] \[x−k,x\+k\]。那么当`j`处于 \[ x − k , x + k \] \[x-k,x+k\] \[x−k,x\+k\]区间时，则有转移方程:  
     f \[ i \] = m a x ( f \[ j \] + 1 , f \[ i \] ) f\[i\]=max(f\[j\]+1,f\[i\]) f\[i\]=max(f\[j\]\+1,f\[i\])  
    这里需要注意的是，一个字符一定是可以从与它相同的字符转移过来的，也就是说对于 f \[ i \] f\[i\] f\[i\]的答案，我们需要先记录下来，否则在 \[ x − k , x \] \[x-k,x\] \[x−k,x\]这个区间转移后会在  x x x 再次转移导致答案错误。

### 4）模板代码 ###

class Solution {
        
     int[] f=new int[26];
        public int longestIdealString(String s, int k) {
        
            char[] c=s.toCharArray();
            int len=c.length;
            for (int i = 0; i <len ; i++) {
        
                int g=c[i]-'a';
                int start=Math.max(0,g-k);
                int end=Math.min(25,g+k);
                int v=f[g];
                for (int j = start; j <=end; j++) {
        
                    v=Math.max(f[j]+1,v);
                }
                f[g]=v;
            }
            int ans=0;
            for (int i = 0; i < 26; i++) {
        
                ans=Math.max(ans,f[i]);
            }
            return ans;
        }
    }

### 5）算法与时间复杂度 ###

算法：**动态规划**  
  时间复杂度: O ( n k ) O(nk) O(nk)

[2b7a47f7adae4ecd91b712bb569fb803.png]: https://img-blog.csdnimg.cn/2b7a47f7adae4ecd91b712bb569fb803.png