【动态规划】【记忆化搜索】【C++算法】664. 奇怪的打印机

简介: 【动态规划】【记忆化搜索】【C++算法】664. 奇怪的打印机

作者推荐

视频算法专题

本文涉及知识点

动态规划汇总

记忆化搜索 字符串

LeetCode:664 奇怪的打印机

有台奇怪的打印机有以下两个特殊要求:

打印机每次只能打印由 同一个字符 组成的序列。

每次可以在从起始到结束的任意位置打印新字符,并且会覆盖掉原来已有的字符。

给你一个字符串 s ,你的任务是计算这个打印机打印它需要的最少打印次数。

示例 1:

输入:s = “aaabbb”

输出:2

解释:首先打印 “aaa” 然后打印 “bbb”。

示例 2:

输入:s = “aba”

输出:2

解释:首先打印 “aaa” 然后在第二个位置打印 “b” 覆盖掉原来的字符 ‘a’。

提示:

1 <= s.length <= 100

s 由小写英文字母组成

动态规划

空间复杂度😮(n2)

时间复杂度: O(n3)

小技巧: 两个挨着的字符相同可以删除一个,不影响结果。因为打印的次数不限。 此技巧使用可以稍稍提速,不使用也没问题。

动态规范的状态表示:dp[left][r]表示 让s[left,r]符合要求的最少次数。

动态规划的转移方程:必定有一次覆盖s[left],此次覆盖可以分以下两种情况:

  • 除s[i]外,没有盖其它字符或其它字符被新的印章覆盖。dp[left][r]=1 + dp[left+1][r]
  • 除s[left]外,还有字符没覆盖,假定其下标最小的为s[i],则没印章跨越s[i],故s(l,r)可以独立出来。dp[left][r] = dp[left+1,i-1]+dp[i][r]
    动态规划的初始状态: 全部为0,表示未处理。
    动态规划的填表顺序:枚举left。
    动态规划的返回值:dp[0][n-1]

代码

核心代码

class Solution {
public:
  int strangePrinter(string s) {    
    for (int i = 0; i < s.length(); i++)
    {
      if ((0 == i) || (s[i] != s[i - 1]))
      {
        m_s += s[i];
      }
    } 
    m_c = m_s.length();
    m_dp.assign(m_c, vector<int>(m_c));
    return Cal(0, m_c - 1);
  }
  int Cal(int left,int r)
  {
    if (left > r)
    {
      return 0;
    }
    if (0 != m_dp[left][r])
    {
      return m_dp[left][r];
    }
    int iRet = 1 + Cal(left + 1,r);
    for (int i = left+1 ; i <= r; i++)
    {
      if (m_s[i] == m_s[left])
      {
        iRet = min(iRet,  Cal(left + 1, i - 1) + Cal(i, r));
      }
    }
    return m_dp[left][r] = iRet;
  }
  int m_c;
  string m_s;
  vector<vector<int>> m_dp;
};

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()
{
  string s;
  {
    Solution sln;
    s = "a";
    auto res = sln.strangePrinter(s);
    Assert(1, res);
  }
  {
    Solution sln;
    s = "aaaa";
    auto res = sln.strangePrinter(s);
    Assert(1, res);
  }
  {
    Solution sln;
    s = "aaabbb";
    auto res = sln.strangePrinter(s);
    Assert(2, res);
  }
  {
    Solution sln;
    s = "aba";
    auto res = sln.strangePrinter(s);
    Assert(2, res);
  }
  {
    Solution sln;
    s = "aabab";
    auto res = sln.strangePrinter(s);
    Assert(3, res);
  }
  {
    Solution sln;
    s = "aabacdaa";
    auto res = sln.strangePrinter(s);
    Assert(4, res);
  }
  {
    Solution sln;
    s = "acdddda";
    auto res = sln.strangePrinter(s);
    Assert(3, res);
  }
}

2023年一月版

class Solution {

public:

int strangePrinter(string s) {

m_c = s.length();

m_dp.assign(m_c + 1, vector(m_c,INT_MAX));

{

int len = 1;

for (int c = 0; c + len - 1 < m_c; c++)

{

m_dp[len][c] = 1;

}

}

for (int len = 2; len <= m_c; len++)

{

for (int c = 0; c + len - 1 < m_c; c++)

{

const int iEnd = c + len - 1;

if ((s[c] == s[iEnd]) || (s[iEnd] == s[iEnd - 1]))

{

m_dp[len][c] = m_dp[len - 1][c];

continue;

}

for (int iPreLen = 1; iPreLen < len; iPreLen++)

{

m_dp[len][c] = min(m_dp[len][c],m_dp[iPreLen][c] + m_dp[len - iPreLen][c + iPreLen]);

}

}

}

return m_dp[m_c][0];

}

vector<vector> m_dp;

int m_c;

};

2023年6月版

class Solution {

public:

int strangePrinter(string s) {

m_c = s.length();

memset(m_LenBegin, 0, sizeof(m_LenBegin));

for (int begin = 0; begin < m_c; begin++)

{

m_LenBegin[1][begin] = 1;

}

for (int len = 2; len <= m_c; len++)
  {
    for (int begin = 0; begin + len - 1 < m_c; begin++)
    {
      const int end = begin + len - 1;
      if (s[begin] == s[end])
      {
        m_LenBegin[len][begin] = m_LenBegin[len - 1][begin];
        continue;
      }
      int iNum = INT_MAX;
      for (int leftLen = 1; leftLen < len; leftLen++)
      {
        iNum = min(iNum, m_LenBegin[leftLen][begin] + m_LenBegin[len - leftLen][begin + leftLen]);
      }
      m_LenBegin[len][begin] = iNum;
    }
  }
  return m_LenBegin[m_c][0];
}
int m_c;
int m_LenBegin[100+1][100];

};

2023年7月版

class Solution {

public:

int strangePrinter(string s) {

m_c = s.length();

vector<vector> vLenBegin(m_c + 1, vector(m_c+1,1));

for (int len = 2; len <= m_c; len++)

{

for (int begin = 0; begin < m_c; begin++)

{

const int end = begin + len - 1;

if (end >= m_c)

{

continue;

}

if (s[begin] == s[end])

{

vLenBegin[len][begin] = vLenBegin[len-1][begin];

continue;

}

int iNum = INT_MAX;

for (int leftLen=1 ;leftLen < len ; leftLen++ )

{

iNum = min(vLenBegin[leftLen][begin] + vLenBegin[len - leftLen][begin + leftLen], iNum);

}

vLenBegin[len][begin] = iNum;

}

}

return vLenBegin[m_c][0];

}

int m_c;

};

2023年8月版

class Solution {

public:

int strangePrinter(string s) {

m_c = s.length();

m_vLeftRight.assign(m_c, vector(m_c,INT_MAX));

//任何印章方式都可以转成,第一次处理最右端元素

for (int len = 1; len <= m_c; len++)

{

#define END (left + len - 1)

for (int left = 0; END < m_c; left++)

{

if (1 == len)

{

m_vLeftRight[left][END] = 1;

continue;

}

for (int mid = left; mid < END; mid++)

{

m_vLeftRight[left][END] = min(m_vLeftRight[left][END], m_vLeftRight[left][mid] + m_vLeftRight[mid + 1][END] - (s[mid] == s[END]));

}

}

}

return m_vLeftRight.front().back();

}

int m_c;

vector<vector> m_vLeftRight;

};


相关文章
|
2月前
|
机器学习/深度学习 算法 安全
【无人机三维路径规划】基于非支配排序的鲸鱼优化算法NSWOA与多目标螳螂搜索算法MOMSA求解无人机三维路径规划研究(Matlab代码实现)
【无人机三维路径规划】基于非支配排序的鲸鱼优化算法NSWOA与多目标螳螂搜索算法MOMSA求解无人机三维路径规划研究(Matlab代码实现)
178 5
|
2月前
|
机器学习/深度学习 存储 算法
动态规划算法深度解析:0-1背包问题
0-1背包问题是经典的组合优化问题,目标是在给定物品重量和价值及背包容量限制下,选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决,通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值,利用状态转移方程避免重复计算子问题,从而高效求解最优解。
445 1
|
2月前
|
机器学习/深度学习 算法 安全
【无人机三维路径规划】多目标螳螂搜索算法MOMSA与非支配排序的鲸鱼优化算法NSWOA求解无人机三维路径规划研究(Matlab代码实现)
【无人机三维路径规划】多目标螳螂搜索算法MOMSA与非支配排序的鲸鱼优化算法NSWOA求解无人机三维路径规划研究(Matlab代码实现)
147 0
|
1月前
|
算法 数据可视化 测试技术
HNSW算法实战:用分层图索引替换k-NN暴力搜索
HNSW是一种高效向量检索算法,通过分层图结构实现近似最近邻的对数时间搜索,显著降低查询延迟。相比暴力搜索,它在保持高召回率的同时,将性能提升数十倍,广泛应用于大规模RAG系统。
135 10
HNSW算法实战:用分层图索引替换k-NN暴力搜索
|
3月前
|
机器学习/深度学习 算法 文件存储
神经架构搜索NAS详解:三种核心算法原理与Python实战代码
神经架构搜索(NAS)正被广泛应用于大模型及语言/视觉模型设计,如LangVision-LoRA-NAS、Jet-Nemotron等。本文回顾NAS核心技术,解析其自动化设计原理,探讨强化学习、进化算法与梯度方法的应用与差异,揭示NAS在大模型时代的潜力与挑战。
850 6
神经架构搜索NAS详解:三种核心算法原理与Python实战代码
|
2月前
|
存储 算法 数据可视化
基于禁忌搜索算法的TSP问题最优路径搜索matlab仿真
本程序基于禁忌搜索算法解决旅行商问题(TSP),旨在寻找访问多个城市的最短路径。使用 MATLAB 2022A 编写,包含城市坐标生成、路径优化及结果可视化功能。通过禁忌列表、禁忌长度与藐视准则等机制,提升搜索效率与解的质量,适用于物流配送、路径规划等场景。
|
3月前
|
机器学习/深度学习 并行计算 算法
MATLAB实现利用禁忌搜索算法解决基站选址问题
MATLAB实现利用禁忌搜索算法解决基站选址问题
146 0
|
4月前
|
存储 搜索推荐 算法
加密算法、排序算法、字符串处理及搜索算法详解
本文涵盖四大类核心技术知识。加密算法部分介绍了对称加密(如 AES)、非对称加密(如 RSA)、哈希摘要(如 SHA-2)、签名算法的特点及密码存储方案(加盐、BCrypt 等)。 排序算法部分分类讲解了比较排序(冒泡、选择、插入、归并、快排、堆排序)和非比较排序(计数、桶、基数排序)的时间复杂度、适用场景及实现思路,强调混合排序的工业应用。 字符串处理部分包括字符串反转的双指针法,及项目中用正则进行表单校验、网页爬取、日志处理的实例。 搜索算法部分详解了二分查找的实现(双指针与中间索引计算)和回溯算法的概念(递归 + 剪枝),以 N 皇后问题为例说明回溯应用。内容全面覆盖算法原理与实践
178 0
|
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
|
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

热门文章

最新文章