C++二分查找、离线算法:最近的房间

简介: C++二分查找、离线算法:最近的房间

本文涉及的基础知识点

二分查找算法合集

题目

一个酒店里有 n 个房间,这些房间用二维整数数组 rooms 表示,其中 rooms[i] = [roomIdi, sizei] 表示有一个房间号为 roomIdi 的房间且它的面积为 sizei 。每一个房间号 roomIdi 保证是 独一无二 的。

同时给你 k 个查询,用二维数组 queries 表示,其中 queries[j] = [preferredj, minSizej] 。第 j 个查询的答案是满足如下条件的房间 id :

房间的面积 至少 为 minSizej ,且

abs(id - preferredj) 的值 最小 ,其中 abs(x) 是 x 的绝对值。

如果差的绝对值有 相等 的,选择 最小 的 id 。如果 没有满足条件的房间 ,答案为 -1 。

请你返回长度为 k 的数组 answer ,其中 answer[j] 为第 j 个查询的结果。

示例 1:

输入:rooms = [[2,2],[1,2],[3,2]], queries = [[3,1],[3,3],[5,2]]

输出:[3,-1,3]

解释:查询的答案如下:

查询 [3,1] :房间 3 的面积为 2 ,大于等于 1 ,且号码是最接近 3 的,为 abs(3 - 3) = 0 ,所以答案为 3 。

查询 [3,3] :没有房间的面积至少为 3 ,所以答案为 -1 。

查询 [5,2] :房间 3 的面积为 2 ,大于等于 2 ,且号码是最接近 5 的,为 abs(3 - 5) = 2 ,所以答案为 3 。

示例 2:

输入:rooms = [[1,4],[2,3],[3,5],[4,1],[5,2]], queries = [[2,3],[2,4],[2,5]]

输出:[2,1,3]

解释:查询的答案如下:

查询 [2,3] :房间 2 的面积为 3 ,大于等于 3 ,且号码是最接近的,为 abs(2 - 2) = 0 ,所以答案为 2 。

查询 [2,4] :房间 1 和 3 的面积都至少为 4 ,答案为 1 因为它房间编号更小。

查询 [2,5] :房间 3 是唯一面积大于等于 5 的,所以答案为 3 。

参数范围

n == rooms.length

1 <= n <= 105

k == queries.length

1 <= k <= 104

1 <= roomIdi, preferredj <= 107

1 <= sizei, minSizej <= 107

分析

时间复杂

O(nlogn)。

步骤

一,预处理。房间按面积排序,从大到小。对查询的索引排序,面积大的在前。

二,枚举每个查询,将房间面积大于等于当前查询面积的房间号加到setRoomNO中。在setRoomNO中找第一个大于等于preferredj和小于preferredj的房间号。比较看那个更接近preferredj。

代码

核心代码

class Solution {
public:
  vector<int> closestRoom(vector<vector<int>>& rooms, vector<vector<int>>& queries) {
    vector<int> indexs(queries.size());
    iota(indexs.begin(), indexs.end(), 0);
    sort(indexs.begin(), indexs.end(), [&queries](const int& i1, const int& i2) {return queries[i1][1] > queries[i2][1]; });
    sort(rooms.begin(), rooms.end(), [](const auto& v1, const auto& v2) {return v1[1] > v2[1]; });
    int indexRoom = 0;
    set<int> setRoomNO;
    vector<int> vRet(queries.size(),-1);
    for (const auto& i : indexs)
    {
      while ((indexRoom < rooms.size()) && (rooms[indexRoom][1] >= queries[i][1]))
      {
        setRoomNO.emplace(rooms[indexRoom][0]);
        indexRoom++;
      }
      auto it = setRoomNO.lower_bound(queries[i][0]);
      if ((setRoomNO.end() == it)&&(setRoomNO.begin() == it))
      {
        continue;
      }
      else if (setRoomNO.end() == it)
      {
        vRet[i] = *std::prev(it);
      }
      else if (setRoomNO.begin() == it)
      {
        vRet[i] = *it;
      }
      else
      {
        vRet[i] = (*it - queries[i][0] >= queries[i][0] - *std::prev(it)) ? *std::prev(it) : *it; 
      }
    }
    return vRet;
  }
};

测试用例

template
void Assert(const T& t1, const T& t2)
{
assert(t1 == t2);
}
template
void Assert(const vector& v1, const vector& v2)
{
if (v1.size() != v2.size())
{
assert(false);
return;
}
for (int i = 0; i < v1.size(); i++)
{
Assert(v1[i], v2[i]);
}
}
int main()
{
vector<vector> rooms, queries;
vector res;
{
rooms = { {2,2},{1,2},{3,2} };
queries = { {3,1},{3,3},{5,2} };
Solution slu;
res = slu.closestRoom(rooms, queries);
Assert(res, vector{3, -1, 3});
}
{
rooms = { {1,4},{2,3},{3,5},{4,1},{5,2} };
queries = { {2,3},{2,4},{2,5} };
Solution slu;
res = slu.closestRoom(rooms, queries);
Assert(res, vector{2,1, 3});
}
{
rooms = { {2,2},{1,2},{3,2} };
queries = { {3,1},{3,3},{5,2} };
Solution slu;
res = slu.closestRoom(rooms, queries);
Assert(res, vector{3, -1, 3});
}
//CConsole::Out(res);

}

小的优化:代码简洁,增加可理解性方便排除

旧代码17行:

auto it = setRoomNO.lower_bound(queries[i][0]);
      if ((setRoomNO.end() == it)&&(setRoomNO.begin() == it))
      {
        continue;
      }
      else if (setRoomNO.end() == it)
      {
        vRet[i] = *std::prev(it);
      }
      else if (setRoomNO.begin() == it)
      {
        vRet[i] = *it;
      }
      else
      {
        vRet[i] = (*it - queries[i][0] >= queries[i][0] - *std::prev(it)) ? *std::prev(it) : *it; 
      }

新代码12行

std::map<int, int> mAbsToRoomNO;
      auto it = setRoomNO.lower_bound(queries[i][0]);
      if (setRoomNO.end() != it)
      {
        mAbsToRoomNO[*it - queries[i][0]] = *it;
      }
      if (setRoomNO.begin() != it)
      {
        const auto itPre = std::prev(it);
        mAbsToRoomNO[queries[i][0]- *itPre] = *itPre;
      }
      vRet[i] = (mAbsToRoomNO.size()) ? mAbsToRoomNO.begin()->second : -1;

2023年3月旧代码

class Solution {
public:
vector closestRoom(vector<vector>& rooms, vector<vector>& queries) {
vector indexs;
for (int i = 0; i < queries.size(); i++)
{
indexs.push_back(i);
}
auto SortFun = [](const vector& v1, const vector& v2)
{
return v1[1] < v2[1];
};
std::sort(rooms.begin(), rooms.end(), SortFun);
std::sort(indexs.begin(), indexs.end(), [&queries](const int& i1, const int& i2)
{
return queries[i1][1] < queries[i2][1];
});
std::set setRoomNO;
int j = rooms.size() - 1;
vector vRet(queries.size());
for (int i1 = queries.size() - 1; i1 >= 0; i1–)
{
const int i = indexs[i1];
const auto& vq = queries[i];
while ((j >=0 ) && (rooms[j][1] >= vq[1]))
{
setRoomNO.emplace(rooms[j][0]);
j–;
}
auto it = setRoomNO.lower_bound(vq[0]);
std::set setSelRoomNO;
if (setRoomNO.end() != it)
{
setSelRoomNO.insert(it);
}
if (setRoomNO.begin() != it)
{
setSelRoomNO.insert((–it));
}
if (0 == setSelRoomNO.size())
{
vRet[i] = -1;
}
else if (1 == setSelRoomNO.size())
{
vRet[i] = *setSelRoomNO.begin();
}
else if (2 == setSelRoomNO.size())
{
bool bPre = abs(vq[0] - *setSelRoomNO.begin()) <= abs(vq[0] - *setSelRoomNO.rbegin());
vRet[i] = bPre ? *setSelRoomNO.begin() : *setSelRoomNO.rbegin() ;
}
}
return vRet;
}
};

测试环境

操作系统:win7 开发环境: VS2019 C++17

或者 操作系统:win10 开发环境:

VS2022 C++17


相关文章
|
2月前
|
存储 算法 搜索推荐
软考算法破壁战:从二分查找到堆排序,九大排序核心速通指南
专攻软考高频算法,深度解析二分查找、堆排序、快速排序核心技巧,对比九大排序算法,配套动画与真题,7天掌握45%分值模块。
155 1
软考算法破壁战:从二分查找到堆排序,九大排序核心速通指南
|
6月前
|
存储 监控 算法
基于 C++ 哈希表算法实现局域网监控电脑屏幕的数据加速机制研究
企业网络安全与办公管理需求日益复杂的学术语境下,局域网监控电脑屏幕作为保障信息安全、规范员工操作的重要手段,已然成为网络安全领域的关键研究对象。其作用类似网络空间中的 “电子眼”,实时捕获每台电脑屏幕上的操作动态。然而,面对海量监控数据,实现高效数据存储与快速检索,已成为提升监控系统性能的核心挑战。本文聚焦于 C++ 语言中的哈希表算法,深入探究其如何成为局域网监控电脑屏幕数据处理的 “加速引擎”,并通过详尽的代码示例,展现其强大功能与应用价值。
158 2
|
7月前
|
存储 算法 C++
Windows共享文件:探秘C++实现的B树索引算法奇境
在数字化时代,Windows共享文件的高效管理至关重要。B树算法以其自平衡多路搜索特性,在文件索引与存储优化中表现出色。本文探讨B树在Windows共享文件中的应用,通过C++实现具体代码,展示其构建文件索引、优化数据存储的能力,提升文件检索效率。B树通过减少磁盘I/O操作,确保查询高效,为企业和个人提供流畅的文件共享体验。
|
8月前
|
存储 负载均衡 算法
基于 C++ 语言的迪杰斯特拉算法在局域网计算机管理中的应用剖析
在局域网计算机管理中,迪杰斯特拉算法用于优化网络路径、分配资源和定位故障节点,确保高效稳定的网络环境。该算法通过计算最短路径,提升数据传输速率与稳定性,实现负载均衡并快速排除故障。C++代码示例展示了其在网络模拟中的应用,为企业信息化建设提供有力支持。
247 15
|
8月前
|
运维 监控 算法
解读 C++ 助力的局域网监控电脑网络连接算法
本文探讨了使用C++语言实现局域网监控电脑中网络连接监控的算法。通过将局域网的拓扑结构建模为图(Graph)数据结构,每台电脑作为顶点,网络连接作为边,可高效管理与监控动态变化的网络连接。文章展示了基于深度优先搜索(DFS)的连通性检测算法,用于判断两节点间是否存在路径,助力故障排查与流量优化。C++的高效性能结合图算法,为保障网络秩序与信息安全提供了坚实基础,未来可进一步优化以应对无线网络等新挑战。
|
3月前
|
传感器 并行计算 算法
【无人机编队】基于非支配排序遗传算法II NSGA-II高效可行的无人机离线集群仿真研究(Matlab代码实现)
【无人机编队】基于非支配排序遗传算法II NSGA-II高效可行的无人机离线集群仿真研究(Matlab代码实现)
271 3
|
8月前
|
存储 算法 数据处理
公司局域网管理中的哈希表查找优化 C++ 算法探究
在数字化办公环境中,公司局域网管理至关重要。哈希表作为一种高效的数据结构,通过哈希函数将关键值(如IP地址、账号)映射到数组索引,实现快速的插入、删除与查找操作。例如,在员工登录验证和设备信息管理中,哈希表能显著提升效率,避免传统线性查找的低效问题。本文以C++为例,展示了哈希表在局域网管理中的具体应用,包括设备MAC地址与IP分配的存储与查询,并探讨了优化哈希函数和扩容策略,确保网络管理高效准确。
|
4月前
|
存储 监控 算法
基于跳表数据结构的企业局域网监控异常连接实时检测 C++ 算法研究
跳表(Skip List)是一种基于概率的数据结构,适用于企业局域网监控中海量连接记录的高效处理。其通过多层索引机制实现快速查找、插入和删除操作,时间复杂度为 $O(\log n)$,优于链表和平衡树。跳表在异常连接识别、黑名单管理和历史记录溯源等场景中表现出色,具备实现简单、支持范围查询等优势,是企业网络监控中动态数据管理的理想选择。
148 0
|
6月前
|
监控 算法 数据处理
基于 C++ 的 KD 树算法在监控局域网屏幕中的理论剖析与工程实践研究
本文探讨了KD树在局域网屏幕监控中的应用,通过C++实现其构建与查询功能,显著提升多维数据处理效率。KD树作为一种二叉空间划分结构,适用于屏幕图像特征匹配、异常画面检测及数据压缩传输优化等场景。相比传统方法,基于KD树的方案检索效率提升2-3个数量级,但高维数据退化和动态更新等问题仍需进一步研究。未来可通过融合其他数据结构、引入深度学习及开发增量式更新算法等方式优化性能。
181 17
|
5月前
|
存储 机器学习/深度学习 算法
基于 C++ 的局域网访问控制列表(ACL)实现及局域网限制上网软件算法研究
本文探讨局域网限制上网软件中访问控制列表(ACL)的应用,分析其通过规则匹配管理网络资源访问的核心机制。基于C++实现ACL算法原型,展示其灵活性与安全性。文中强调ACL在企业与教育场景下的重要作用,并提出性能优化及结合机器学习等未来研究方向。
151 4

热门文章

最新文章