剑指offer(C++)-JZ46:把数字翻译成字符串(算法-动态规划)

简介: 剑指offer(C++)-JZ46:把数字翻译成字符串(算法-动态规划)

题目描述:

有一种将字母编码成数字的方式:'a'->1, 'b->2', ... , 'z->26'。

现在给一串数字,返回有多少种可能的译码结果

数据范围:字符串长度满足 0<n≤90

进阶:空间复杂度 O(n),时间复杂度O(n)

示例1:

输入:

"12"


返回值:

2


说明:

2种可能的译码结果(”ab” 或”l”)

示例2:

输入:

"31717126241541717"


返回值:

192


说明:

192种可能的译码结果

解题思路:

本题是动态规划的经典题目。有两个解题思路,动态规划和动态规划进阶(空间复杂度低)。

本题难点在于0的情况,10和20则只代表1种结果,11-19或21-26能代表2种结果,0不代表任何情况且可能会导致解码失败,1-9代表1种结果。

思路一:动态规划


  1. 用长度比字符串长度多1的dp存储结果数。dp[0]初始化为1;i从1开始,dp[i]存放的是前i个数字可能的结果,所以dp[1]也为1,dp[2]开始就要分情况了。
  2. 若i-1为0,则i-2必须为1或2,编码才可能成功,10和20有字母,30及之后都没有对应字母了。那么有dp[i]等于dp[i-2],相当于dp[i]在dp[i-2]种可能的基础上多了一个双数字字母,多一个字母则结果数是一致的。
  3. 若i-2和i-1的位置能组合出11-19/21-26的数,则dp[i]相当于dp[i-1]和dp[i-2]之和。dp[i-1]表示截止到前i-1个数字可能的结果数,加上一个单数字对应的字母,是一类情况;dp[i-2]表示截止到前i-2个数字可能的结果数,加上一个双数字对应的字母,是一类情况。
  4. 若组合不出双数字字母,那就只能是单数字字母了,所以dp[i]等于dp[i-1]。相当于dp[i]在dp[i-1]种可能的基础上多了一个字母,多一个字母则结果数是一致的。
  5. 最后返回dp[size],size是字符串长度,就是size个字符可能的结果数。

思路二:动态规划进阶


      思路和思路一中基本一致。区别在于用pre和cur两个int数动态刷新,来实现动态规划,好处是空间复杂度降低,坏处是丢失了前面的结果数据只保留了最终结果。


      建议看懂思路一代码再看思路二代码。

测试代码:

思路一:动态规划

class Solution {
public:
    // 解码
    int solve(string nums) {
        // 排除开头为0的情况
        if(nums[0] == '0')
            return 0;
        // 动态规划
        // dp[0]初始化为1;i从1开始,dp[i]存放的是前i个数字可能的结果,所以dp[1]也为1,dp[2]开始就要分情况了
        vector<int> dp(nums.size()+1, 1);
        for(int i = 2; i <= nums.size(); ++i){
            // 注意字符串下标是从0开始
            // 若i-1为0,则当i-2为1或2时,编码才可能成功,10和20有字母,30及之后都没有对应字母了
            if(nums[i - 1] == '0'){
                // 若是10或20,则dp[i]等于dp[i-2],相当于dp[i]在dp[i-2]种可能的基础上多了一个字母,多一个字母则结果数是一致的
                if(nums[i - 2] == '1' || nums[i - 2] == '2')
                    dp[i] = dp[i - 2];
                else 
                    return 0;
            }
            // 若i-2和i-1的位置能组合出11-19/21-26的数,则dp[i]相当于dp[i-1]和dp[i-2]之和
            // dp[i-1]表示前i-1个数字可能的结果数,加上一个单数字对应的字母,是一类情况
            // dp[i-2]表示前i-2个数字可能的结果数,加上一个双数字对应的字母,是一类情况
            else if(nums[i - 2] == '1' || (nums[i - 2] == '2' && nums[i - 1] > '0' && nums[i - 1] < '7')){
                dp[i] = dp[i - 1] + dp[i - 2];
            }
            // 若组合不出双数字字母,那就只能是单数字字母了,所以dp[i]等于dp[i-1]
            // 相当于dp[i]在dp[i-1]种可能的基础上多了一个字母,多一个字母则结果数是一致的
            else{
                dp[i] = dp[i - 1];
            }
        }
        return dp[nums.size()];
    }
};

思路二:动态规划进阶

class Solution {
public:
    // 解码
    int solve(string nums) {
        // 排除开头为0的情况
        if(nums[0] == '0')
            return 0;
        // 动态规划
        // 用pre表示前i-1个字符的可能数,cur表示前i个字符的可能数
        vector<int> dp(nums.size()+1, 1);
        int pre = 1;
        int cur = 1;
        for(int i = 2; i <= nums.size(); ++i){
            // temp存储cur,因为cur马上要被覆盖了
            int temp = cur;
            // 注意字符串下标是从0开始
            // 若i-1为0,则当i-2为1或2时,编码才可能成功,10和20有字母,30及之后都没有对应字母了
            if(nums[i - 1] == '0'){
                // 若是10或20,则cur等于上一轮的pre,也就是比当前位置靠前2步的数值
                if(nums[i - 2] == '1' || nums[i - 2] == '2')
                    cur = pre;
                else 
                    return 0;
            }
            // 若i-2和i-1的位置能组合出11-19/21-26的数,则cur等于上一轮的cur和pre之和
            // 上一轮的cur表示前i-1个数字可能的结果数,加上一个单数字对应的字母,是一类情况
            // 上一轮的pre表示前i-2个数字可能的结果数,加上一个双数字对应的字母,是一类情况
            else if(nums[i - 2] == '1' || (nums[i - 2] == '2' && nums[i - 1] > '0' && nums[i - 1] < '7')){
                cur = cur + pre;
            }
            // 若组合不出双数字字母,那就只能是单数字字母了,所以cur相比上一轮的cur无数值变化,这段代码也可以删除,为了便于分情况理解我加上了
            else{
                cur = cur;
            }
            // 这一轮的pre等于上一轮的cur
            pre = temp;
        }
        return cur;
    }
};


相关文章
|
1月前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
41 2
|
2月前
|
算法
动态规划算法学习三:0-1背包问题
这篇文章是关于0-1背包问题的动态规划算法详解,包括问题描述、解决步骤、最优子结构性质、状态表示和递推方程、算法设计与分析、计算最优值、算法实现以及对算法缺点的思考。
89 2
动态规划算法学习三:0-1背包问题
|
2月前
|
算法
两个字符串匹配出最长公共子序列算法
本文介绍了最长公共子序列(LCS)问题的算法实现,通过动态规划方法求解两个字符串的最长公共子序列,并提供了具体的编程实现细节和示例。
96 1
两个字符串匹配出最长公共子序列算法
|
2月前
|
算法
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
这篇文章介绍了动态规划算法中解决最大上升子序列问题(LIS)的方法,包括问题的描述、动态规划的步骤、状态表示、递推方程、计算最优值以及优化方法,如非动态规划的二分法。
76 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
|
2月前
|
算法
动态规划算法学习二:最长公共子序列
这篇文章介绍了如何使用动态规划算法解决最长公共子序列(LCS)问题,包括问题描述、最优子结构性质、状态表示、状态递归方程、计算最优值的方法,以及具体的代码实现。
159 0
动态规划算法学习二:最长公共子序列
|
2月前
|
存储 算法 C++
高精度算法(加、减、乘、除,使用c++实现)
高精度算法(加、减、乘、除,使用c++实现)
619 0
高精度算法(加、减、乘、除,使用c++实现)
|
2月前
|
算法 数据处理 C++
c++ STL划分算法;partition()、partition_copy()、stable_partition()、partition_point()详解
这些算法是C++ STL中处理和组织数据的强大工具,能够高效地实现复杂的数据处理逻辑。理解它们的差异和应用场景,将有助于编写更加高效和清晰的C++代码。
36 0
|
2月前
|
存储 算法
动态规划算法学习一:DP的重要知识点、矩阵连乘算法
这篇文章是关于动态规划算法中矩阵连乘问题的详解,包括问题描述、最优子结构、重叠子问题、递归方法、备忘录方法和动态规划算法设计的步骤。
138 0
|
2月前
|
存储 算法 决策智能
【算法】博弈论(C/C++)
【算法】博弈论(C/C++)
|
2月前
|
存储 算法 C++
【算法】哈希映射(C/C++)
【算法】哈希映射(C/C++)