【map】【滑动窗口】C++算法:最小区间

简介: 【map】【滑动窗口】C++算法:最小区间

题目 LeetCode:632

你有 k 个 非递减排列 的整数列表。找到一个 最小 区间,使得 k 个列表中的每个列表至少有一个数包含在其中。

我们定义如果 b-a < d-c 或者在 b-a == d-c 时 a < c,则区间 [a,b] 比 [c,d] 小。

示例 1:

输入:nums = [[4,10,15,24,26], [0,9,12,20], [5,18,22,30]]

输出:[20,24]

解释:

列表 1:[4, 10, 15, 24, 26],24 在区间 [20,24] 中。

列表 2:[0, 9, 12, 20],20 在区间 [20,24] 中。

列表 3:[5, 18, 22, 30],22 在区间 [20,24] 中。

示例 2:

输入:nums = [[1,2,3],[1,2,3],[1,2,3]]

输出:[1,1]

提示:

nums.length == k

1 <= k <= 3500

1 <= nums[i].length <= 50

-105 <= nums[i][j] <= 105

nums[i] 按非递减顺序排列

分析

假定区间为[left,right],k个列表在[left,right]中的最小值为m1,最大值为m2。则left=m1,right=m2。

如果left < m1,将left改成m1,仍然符合题意。如果left >m1,则m1不在区间。

如果right < m2 ,则m2不在区间。如果right >m2,将right 改成m2,仍然符合题意。

从小到大枚举left,各列表小于left的数排除,各队列的最小值的最大值就是对应的right。

tmp就是nums 各元素倒值,降序,方便向量出栈。

mValueToIndex记录各队列的最小值和小标。tmp中的值加到mValueToIndex后,就出栈。

mValueToIndex的最小值也是所有队列的最小值,所以排除mValueToIndex的最小值就可以了。

当某个队列nums[i]为空时,程序结束。

代码

核心代码

class Solution {
public:
  vector<int> smallestRange(const vector<vector<int>>& nums) {
    auto tmp = nums;
    std::multimap<int, int> mValueToIndex;
    for (int i = 0 ; i < tmp.size(); i++ )
    {
      auto& v = tmp[i];
      std::reverse(v.begin(), v.end());
      mValueToIndex.emplace(v.back(), i);
      v.pop_back();
    }
    int left = mValueToIndex.begin()->first, right = mValueToIndex.rbegin()->first;
    while (tmp[mValueToIndex.begin()->second].size())
    {
      const int i = mValueToIndex.begin()->second;
      mValueToIndex.erase(mValueToIndex.begin());
      mValueToIndex.emplace(tmp[i].back(),i);
      tmp[i].pop_back();
      int leftCur = mValueToIndex.begin()->first, rightCur = mValueToIndex.rbegin()->first;
      if (rightCur - leftCur < right - left)
      {
        left = leftCur;
        right = rightCur;
      }
    }
    return { left,right };
  }
};

测试用例

template<class T>
void Assert(const T& t1, const T& t2)
{
  assert(t1 == t2);
}
template<class T>
void Assert(const vector<T>& v1, const vector<T>& 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<int>> nums;
  {
    Solution sln;
    nums = { {4,10,15,24,26}, {0,9,12,20}, {5,18,22,30} };
    auto res = sln.smallestRange(nums);
    Assert(vector<int>{20, 24}, res);
  }
  {
    Solution sln;
    nums = { {1,2,3},{1,2,3},{1,2,3} };
    auto res = sln.smallestRange(nums);
    Assert(vector<int>{1, 1}, res);
  }
//CConsole::Out(res);
}

2023年4月版

class Solution {
public:
vector smallestRange(vector& nums) {
std::set setValue;
for (const auto& v : nums)
{
for (const int& i : v)
{
setValue.emplace(i);
}
}
int iRet = INT_MAX;
int iMax = 0;
for (const auto& value : setValue)
{
int iMin = INT_MAX;
bool bSuc = true;
for (const auto& v : nums)
{
auto iNum = std::upper_bound(v.begin(), v.end(), value) - v.begin();
if (0 == iNum)
{
bSuc = false;
break;
}
iMin = min(iMin, v[iNum - 1]);
}
if (bSuc)
{
if (value - iMin + 1 < iRet)
{
iRet = value - iMin + 1;
iMax = value;
}
}
}
return vector{iMax - iRet + 1, iMax};
}
};

2023年8月版

class Solution {
public:
vector smallestRange(vector& nums) {
m_c = nums.size();
vector vPre(m_c);
std::map mValueIndex;
std::multiset setMax;
for (int i = 0 ; i < m_c ; i++)
{
const auto& v = nums[i];
setMax.emplace(v[0]);
vPre[i] = v[0];
for (int j = 1; j < v.size(); j++)
{
mValueIndex[v[j]].emplace_back(i);
}
}
vector vRet = { *setMax.begin(),*setMax.rbegin() };
for (const auto& it : mValueIndex)
{
for (const auto& next : it.second)
{
auto ij = setMax.find(vPre[next]);
setMax.erase(ij);
setMax.emplace(it.first);
vPre[next] = it.first;
}
vector cur = { *setMax.begin(),*setMax.rbegin() };
if ((cur[1]-cur[0]) < (vRet[1]-vRet[0]))
{
cur.swap(vRet);
}
}
return vRet;
}
int m_c;
};


扩展阅读

视频课程

有效学习:明确的目标 及时的反馈 拉伸区(难度合适),可以先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。

https://edu.csdn.net/course/detail/38771

如何你想快

速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程

https://edu.csdn.net/lecturer/6176

相关下载

想高屋建瓴的学习算法,请下载《喜缺全书算法册》doc版

https://download.csdn.net/download/he_zhidan/88348653

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

如无特殊说明,本算法C++ 实现。

相关文章
|
1月前
|
存储 算法
算法入门:专题二---滑动窗口(长度最小的子数组)类型题目攻克!
给定一个正整数数组和目标值target,找出总和大于等于target的最短连续子数组长度。利用滑动窗口(双指针)优化,维护窗口内元素和,通过单调性避免重复枚举,时间复杂度O(n)。当窗口和满足条件时收缩左边界,更新最小长度,最终返回结果。
|
1月前
|
存储 算法 容器
set_map的实现+set/map加持秒杀高频算法题锻炼算法思维
`set`基于红黑树实现,支持有序存储、自动去重,增删查效率为O(logN)。通过仿函数可自定义排序规则,配合空间配置器灵活管理内存。不支持修改元素值,迭代器失效需注意。`multiset`允许重复元素。常用于去重、排序及查找场景。
|
5月前
|
算法 数据安全/隐私保护
基于Logistic-Map混沌序列的数字信息加解密算法matlab仿真,支持对文字,灰度图,彩色图,语音进行加解密
本项目实现了一种基于Logistic Map混沌序列的数字信息加解密算法,使用MATLAB2022A开发并包含GUI操作界面。支持对文字、灰度图像、彩色图像和语音信号进行加密与解密处理。核心程序通过调整Logistic Map的参数生成伪随机密钥序列,确保加密的安全性。混沌系统的不可预测性和对初值的敏感依赖性是该算法的核心优势。示例展示了彩色图像、灰度图像、语音信号及文字信息的加解密效果,运行结果清晰准确,且完整程序输出无水印。
基于Logistic-Map混沌序列的数字信息加解密算法matlab仿真,支持对文字,灰度图,彩色图,语音进行加解密
|
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
|
5月前
|
机器学习/深度学习 存储 算法
基于 C++ 布隆过滤器算法的局域网上网行为控制:URL 访问过滤的高效实现研究
本文探讨了一种基于布隆过滤器的局域网上网行为控制方法,旨在解决传统黑白名单机制在处理海量URL数据时存储与查询效率低的问题。通过C++实现URL访问过滤功能,实验表明该方法可将内存占用降至传统方案的八分之一,查询速度提升约40%,假阳性率可控。研究为优化企业网络管理提供了新思路,并提出结合机器学习、改进哈希函数及分布式协同等未来优化方向。
160 0
|
5月前
|
存储 机器学习/深度学习 监控
公司电脑上网监控中滑动窗口算法的理论构建与工程实现
本文提出一种基于滑动窗口算法的实时网络流量监控框架,旨在强化企业信息安全防护体系。系统采用分层架构设计,包含数据采集、处理与分析决策三大模块,通过 Java 实现核心功能。利用滑动窗口技术动态分析流量模式,结合阈值检测与机器学习模型识别异常行为。实验表明,该方案在保证高检测准确率的同时支持大规模并发处理,为企业数字化转型提供可靠保障。
143 0
|
1月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
196 0
|
1月前
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
144 2