leetcode解题思路分析(五十二)447 - 453 题

2024-09-05 04:58

本文主要是介绍leetcode解题思路分析(五十二)447 - 453 题,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  1. 回旋镖的数量
    给定平面上 n 对 互不相同 的点 points ,其中 points[i] = [xi, yi] 。回旋镖 是由点 (i, j, k) 表示的元组 ,其中 i 和 j 之间的距离和 i 和 k 之间的距离相等(需要考虑元组的顺序)。返回平面上所有回旋镖的数量。

使用哈希表存储每个点到其他点的距离,如果距离相等则可以构成。

class Solution {
public:int numberOfBoomerangs(vector<vector<int>>& points) {unordered_map<double, int> p_map;int count = 0;for (int i = 0; i < points.size(); ++i) {// 记得计算下一个点前要先把哈希表清空p_map.clear();for (int j = 0; j < points.size(); ++j) {double dis = sqrt(pow(points[i][0] - points[j][0], 2) + pow(points[i][1] - points[j][1], 2));p_map[dis]++;count += (p_map[dis] - 1) * 2;}}return count;}
};
  1. 找到所有数组中消失的数字
    给定一个范围在 1 ≤ a[i] ≤ n ( n = 数组大小 ) 的 整型数组,数组中的元素一些出现了两次,另一些只出现一次。找到所有在 [1, n] 范围之间没有出现在数组中的数字。

和前面的题目一样的做法,只要给倍数即可作为原地标记

class Solution {
public:vector<int> findDisappearedNumbers(vector<int>& nums) {int size = nums.size();      vector<int> ret;for (auto i : nums){nums[(i - 1) % size] += size;}for (int i = 0; i < size; i++){if (nums[i] <= size)ret.push_back(i + 1);}return ret;}
};
  1. 序列化和反序列化二叉搜索树
    设计一个算法来序列化和反序列化 二叉搜索树 。 对序列化/反序列化算法的工作方式没有限制。 您只需确保二叉搜索树可以序列化为字符串,并且可以将该字符串反序列化为最初的二叉搜索树。

二叉搜索树能只够通过前序序列或后序序列构造,是因为以下两个因素:
二叉树可以通过前序序列或后序序列和中序序列构造。
二叉搜索树的中序序列是递增排序的序列,inorder = sorted(preorder)。
说明我们只需要直到了前序序列或后序序列相当于我们也知道了中序序列,可以通过排序获得

/*** Definition for a binary tree node.* struct TreeNode {*     int val;*     TreeNode *left;*     TreeNode *right;*     TreeNode(int x) : val(x), left(NULL), right(NULL) {}* };*/class Codec {
public:// Encodes a tree to a single string.string serialize(TreeNode* root) {ostringstream ss;serialize(root, ss);return ss.str();}TreeNode* deserialize(string data) {istringstream ss(data);return deserialize(ss);}private:void serialize(TreeNode* root, ostringstream& ss) {if (!root) {ss << "# "; // Note: cannot miss space after #, stringstream need it to workreturn;}ss << to_string(root->val) << " ";serialize(root->left, ss);serialize(root->right, ss);}TreeNode* deserialize(istringstream& ss) {TreeNode* root;string str;ss >> str;if (str == "#") {root = nullptr;} else {root = new TreeNode(stoi(str));root->left = deserialize(ss);root->right = deserialize(ss);}return root;}
};// Your Codec object will be instantiated and called as such:
// Codec* ser = new Codec();
// Codec* deser = new Codec();
// string tree = ser->serialize(root);
// TreeNode* ans = deser->deserialize(tree);
// return ans;
  1. 删除二叉搜索树中的节点
    给定一个二叉搜索树的根节点 root 和一个值 key,删除二叉搜索树中的 key 对应的节点,并保证二叉搜索树的性质不变。返回二叉搜索树(有可能被更新)的根节点的引用。

找不到则直接返回,找到了的话则有以下情况 1. 如果是叶子则直接删除即可。2. 如果左、右子树有一个为空,则删除接上即可。3. 如果都不为空,则将左子树放到右子树最左边下面接上,然后右子树替换上即可(除此之外,还可以用右儿子的最左叶子和要删除的节点交换,以其作为新的根节点)

/*** Definition for a binary tree node.* struct TreeNode {*     int val;*     TreeNode *left;*     TreeNode *right;*     TreeNode() : val(0), left(nullptr), right(nullptr) {}*     TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}*     TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}* };*/
class Solution {
public:TreeNode* deleteNode(TreeNode* root, int key) {if (root == nullptr) return root; // 第一种情况:没找到删除的节点,遍历到空节点直接返回了if (root->val == key) {// 第二种情况:左右孩子都为空(叶子节点),直接删除节点, 返回NULL为根节点// 第三种情况:其左孩子为空,右孩子不为空,删除节点,右孩子补位 ,返回右孩子为根节点if (root->left == nullptr) return root->right; // 第四种情况:其右孩子为空,左孩子不为空,删除节点,左孩子补位,返回左孩子为根节点else if (root->right == nullptr) return root->left; // 第五种情况:左右孩子节点都不为空,则将删除节点的左子树放到删除节点的右子树的最左面节点的左孩子的位置// 并返回删除节点右孩子为新的根节点。else {  TreeNode* cur = root->right; // 找右子树最左面的节点while(cur->left != nullptr) { cur = cur->left;}cur->left = root->left; // 把要删除的节点(root)左子树放在cur的左孩子的位置TreeNode* tmp = root;   // 把root节点保存一下,下面来删除root = root->right;     // 返回旧root的右孩子作为新rootdelete tmp;             // 释放节点内存(这里不写也可以,但C++最好手动释放一下吧)return root;}}if (root->val > key) root->left = deleteNode(root->left, key);if (root->val < key) root->right = deleteNode(root->right, key);return root;}
};
  1. 根据字符出现频率排序
    给定一个字符串,请将字符串里的字符按照出现的频率降序排列。

如果想少用内存,则可以仅用一个哈希表计数,然后字符串原地排序。如果想更快,则可以用一个堆存储再输出

class Solution {
public:string frequencySort(string s) {unordered_map<char, int> ump;for (const auto &c : s) {++ump[c];}sort(s.begin(), s.end(), [&](char &a, char &b) { return ump[a] > ump[b] || (ump[a] == ump[b] && a < b); });return s;}
};
class Solution {
public:string frequencySort(string s) {unordered_map<char, int> ump;for (const auto &c : s) {++ump[c];}priority_queue<pair<int, char>> pq;for (const auto &m : ump) {pq.push({m.second, m.first});}        string ret;while (!pq.empty()) {auto t = pq.top(); pq.pop();ret.append(t.first, t.second);}return ret;}
};
  1. 用最少数量的箭引爆气球
    给你一个数组 points ,其中 points [i] = [xstart,xend] ,返回引爆所有气球所必须射出的最小弓箭数。

但凡区间合并问题,都可以用贪心算法求解。可以按start或者end排序,然后遍历一遍统计即可。

class Solution {
public:int findMinArrowShots(vector<vector<int>>& points) {if (points.size() <= 1) {return points.size();}sort(points.begin(), points.end(), [](const vector<int>& a, const vector<int>& b) {return a[1] < b[1];});// 发射点设置为区间最右侧的点int pos = points[0][1];int arrows = 1;for (int i = 1; i < points.size(); i++) {auto curr = points[i];if (curr[0] > pos) {pos = curr[1];++arrows;}}return arrows;}
};
  1. 最小移动次数使数组元素相等

本题可用动态规划求解:先排序,然后每次根据dp[i] = dp[i - 1] + a[i] - a[i - 1]求解。 更优的做法是数学法:将除了一个元素之外的全部元素+1,等价于将该元素-1,因为我们只对元素的相对大小感兴趣。因此,该问题简化为需要进行的减法次数。显然,我们只需要将所有的数都减到最小的数即可。

class Solution {
public:int minMoves(vector<int>& nums) {int moves = 0, minimu = INT_MAX;for (int i = 0; i < nums.size(); i++) {minimu = min(minimu, nums[i]);}for (int i = 0; i < nums.size(); i++) {moves += nums[i] - minimu;}return moves;}
};

这篇关于leetcode解题思路分析(五十二)447 - 453 题的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1138009

相关文章

Nginx分布式部署流程分析

《Nginx分布式部署流程分析》文章介绍Nginx在分布式部署中的反向代理和负载均衡作用,用于分发请求、减轻服务器压力及解决session共享问题,涵盖配置方法、策略及Java项目应用,并提及分布式事... 目录分布式部署NginxJava中的代理代理分为正向代理和反向代理正向代理反向代理Nginx应用场景

Redis中的有序集合zset从使用到原理分析

《Redis中的有序集合zset从使用到原理分析》Redis有序集合(zset)是字符串与分值的有序映射,通过跳跃表和哈希表结合实现高效有序性管理,适用于排行榜、延迟队列等场景,其时间复杂度低,内存占... 目录开篇:排行榜背后的秘密一、zset的基本使用1.1 常用命令1.2 Java客户端示例二、zse

Redis中的AOF原理及分析

《Redis中的AOF原理及分析》Redis的AOF通过记录所有写操作命令实现持久化,支持always/everysec/no三种同步策略,重写机制优化文件体积,与RDB结合可平衡数据安全与恢复效率... 目录开篇:从日记本到AOF一、AOF的基本执行流程1. 命令执行与记录2. AOF重写机制二、AOF的

MyBatis Plus大数据量查询慢原因分析及解决

《MyBatisPlus大数据量查询慢原因分析及解决》大数据量查询慢常因全表扫描、分页不当、索引缺失、内存占用高及ORM开销,优化措施包括分页查询、流式读取、SQL优化、批处理、多数据源、结果集二次... 目录大数据量查询慢的常见原因优化方案高级方案配置调优监控与诊断总结大数据量查询慢的常见原因MyBAT

分析 Java Stream 的 peek使用实践与副作用处理方案

《分析JavaStream的peek使用实践与副作用处理方案》StreamAPI的peek操作是中间操作,用于观察元素但不终止流,其副作用风险包括线程安全、顺序混乱及性能问题,合理使用场景有限... 目录一、peek 操作的本质:有状态的中间操作二、副作用的定义与风险场景1. 并行流下的线程安全问题2. 顺

MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决

《MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决》MyBatis默认开启一级缓存,同一事务中循环调用查询方法时会重复使用缓存数据,导致获取的序列主键值均为1,... 目录问题原因解决办法如果是存储过程总结问题myBATis有如下代码获取序列作为主键IdMappe

Java中最全最基础的IO流概述和简介案例分析

《Java中最全最基础的IO流概述和简介案例分析》JavaIO流用于程序与外部设备的数据交互,分为字节流(InputStream/OutputStream)和字符流(Reader/Writer),处理... 目录IO流简介IO是什么应用场景IO流的分类流的超类类型字节文件流应用简介核心API文件输出流应用文

Android 缓存日志Logcat导出与分析最佳实践

《Android缓存日志Logcat导出与分析最佳实践》本文全面介绍AndroidLogcat缓存日志的导出与分析方法,涵盖按进程、缓冲区类型及日志级别过滤,自动化工具使用,常见问题解决方案和最佳实... 目录android 缓存日志(Logcat)导出与分析全攻略为什么要导出缓存日志?按需过滤导出1. 按

Linux中的HTTPS协议原理分析

《Linux中的HTTPS协议原理分析》文章解释了HTTPS的必要性:HTTP明文传输易被篡改和劫持,HTTPS通过非对称加密协商对称密钥、CA证书认证和混合加密机制,有效防范中间人攻击,保障通信安全... 目录一、什么是加密和解密?二、为什么需要加密?三、常见的加密方式3.1 对称加密3.2非对称加密四、

MySQL中读写分离方案对比分析与选型建议

《MySQL中读写分离方案对比分析与选型建议》MySQL读写分离是提升数据库可用性和性能的常见手段,本文将围绕现实生产环境中常见的几种读写分离模式进行系统对比,希望对大家有所帮助... 目录一、问题背景介绍二、多种解决方案对比2.1 原生mysql主从复制2.2 Proxy层中间件:ProxySQL2.3