leetcode解题思路分析(二十六)187 - 192题

2024-09-05 05:08

本文主要是介绍leetcode解题思路分析(二十六)187 - 192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. 重复的DNA序列
    编写一个函数来查找 DNA 分子中所有出现超过一次的 10 个字母长的序列(子串)。
class Solution {
public:vector<string> findRepeatedDnaSequences(string s) {//对应二进制00, 01, 10, 11.那么10个组合只要20位就够了。unordered_map<char, int> m{{'A', 0}, {'C', 1}, {'G', 2}, {'T', 3}};vector<string> res;bitset<1 << 20> s1, s2; //那么所有组合的值将在0到(1 << 20 - 1)之间int val = 0, mask = (1 << 20) - 1; //mask等于二进制的20个1//类似与滑动窗口先把前10个字母组合for (int i = 0; i < 10; ++i) val = (val << 2) | m[s[i]];s1.set(val); //置位for (int i = 10; i < s.size(); ++i){val = ((val << 2) & mask) | m[s[i]]; //去掉左移的一个字符再加上一个新字符if (s2.test(val)) continue; //出现过两次跳过if (s1.test(val)){res.push_back(s.substr(i - 9, 10));s2.set(val);}else s1.set(val);}return res;}
};
  1. 买卖股票的最佳时机4
    给定一个数组,它的第 i 个元素是一支给定的股票在第 i 天的价格。
    设计一个算法来计算你所能获取的最大利润。你最多可以完成 k 笔交易。
    注意: 你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。

本题采用动态规划求解,和前面几题的区别在于需要考虑k。如果K比较多支持每天都在买和卖,则直接累加,否则需要考虑哪天卖出最划算

class Solution {
public:int maxProfit(int k, vector<int>& prices) {if(!prices.size()) return 0;if(k >= prices.size()/2){int maxsumval = 0;for(int i = 1; i < prices.size(); i++)if(prices[i] > prices[i - 1])maxsumval += prices[i] - prices[i - 1];return maxsumval;}vector<int> dp(k + 1, 0);vector<int> v(k + 1, prices[0]);for(int i = 1; i < prices.size(); i++){for(int t = 1; t <= k; t++){v[t] = min(v[t], prices[i] - dp[t - 1]);dp[t] = max(dp[t], prices[i] - v[t]);  }} return dp[k];}
};
  1. 旋转数组
    给定一个数组,将数组中的元素向右移动 k 个位置,其中 k 是非负数。

首先将所有元素反转。然后反转前 k 个元素,再反转后面 n-kn−k 个元素,就能得到想要的结果。

class Solution {
public:void rotate(vector<int>& nums, int k) {reverse(nums.begin(), nums.end() - k % nums.size());reverse(nums.end() - k % nums.size(), nums.end());reverse(nums.begin(), nums.end());}
};
  1. 颠倒二进制位
    颠倒给定的 32 位无符号整数的二进制位。

首先,我们将原来的 32 位分为 2 个 16 位的块。
然后我们将 16 位块分成 2 个 8 位的块。
然后我们继续将这些块分成更小的块,直到达到 1 位的块。
在上述每个步骤中,我们将中间结果合并为一个整数,作为下一步的输入。

class Solution {
public:uint32_t reverseBits(uint32_t n) {n = (n >> 16) | (n << 16);n = ((n & 0xff00ff00) >> 8) | ((n & 0x00ff00ff) << 8);n = ((n & 0xf0f0f0f0) >> 4) | ((n & 0x0f0f0f0f) << 4);n = ((n & 0xcccccccc) >> 2) | ((n & 0x33333333) << 2);n = ((n & 0xaaaaaaaa) >> 1) | ((n & 0x55555555) << 1);return n;}
};
  1. 位1的个数
    编写一个函数,输入是一个无符号整数,返回其二进制表达式中数字位数为 ‘1’ 的个数

最简单的方法就是逐位检查

class Solution {
public:int hammingWeight(uint32_t n) {int ret = 0;while(n)        {if (n & 1) ret++;n >>= 1;}return ret;}
};

在二进制表示中,数字 nn 中最低位的 11 总是对应 n - 1n−1 中的 00 。因此,将 nn 和 n - 1n−1 与运算总是能把 nn 中最低位的 11 变成 00 ,并保持其他位不变。


class Solution {
public:int hammingWeight(uint32_t n) {int count = 0;while(n > 0){n &= (n - 1);++count;}return count;}
};
  1. 统计词频
    写一个 bash 脚本以统计一个文本文件 words.txt 中每个单词出现的频率。

本题其实分两步,第一步是单次分割,第二步是将分割的单次进行统计。

单次分割可以使用awk或者catxargs实现

awk '{for(i=1;i<=NF;i++){print $i}}' words.txt cat words.txt | xargs -n1

使用awk命令来完成这个任务的话很简单,在进行分割的过程中直接用一个关联数组直接保存每一个单词出现的次数

awk '{for(i=1;i<=NF;i++){asso_array[$i]++;}};END{for(w in asso_array){print w,asso_array[w];}}' words.txt

使用cat + xargs的话需要使用sort以及uniq实现

cat words.txt | xargs -n1 | sort | uniq -c

最终代码

awk '{for(i=1;i<=NF;i++){asso_array[$i]++;}};END{for(w in asso_array){print w,asso_array[w];}}' words.txt | sort -rn -k2cat words.txt | xargs -n1 | sort | uniq -c | sort -rn | awk '{print $2,$1}'

这篇关于leetcode解题思路分析(二十六)187 - 192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/1138029

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