【每日算法Day 74】经典面试题:约瑟夫环,我敢打赌你一定不会最后一种方法!

简介: 面试题62. 圆圈中最后剩下的数字

题目链接


LeetCode 面试题62. 圆圈中最后剩下的数字[1]

题目描述



image.png

image.png

示例1

输入:
n = 5, m = 3
输出
:3

示例2

输入:
n = 10, m = 17
输出:
2

说明:

image.png


题解


循环链表



image.png

递推法



image.png

image.png

对于本题这个方法已经够用了,但是如果  非常大,比如  ,但是  不是很大,比如  ,那么这时候这种方法就会超时了。具体的题目请自行百度 HDU 3089 。

递推法加速



image.png

image.png

数学法


这个方法在我之前的文章中已经讲过了:

具体数学-第8课(取整进阶)韦阳的博客:具体数学-第8课(取整进阶)[2]知乎专栏:具体数学-第8课(取整进阶)[3]知乎高赞回答也整理过了一遍:世界上有哪些代码量很少,但很牛逼很经典的算法或项目案例?[4]

大致思想也是重新编号,做编号映射,但是和上面递推法不同的是复杂度降到了对数级别。

这里就不详细讲了,大家可以去看上面的文章,这里直接给出伪代码:

D=1whileD<= (m-1)n: 
D=kans=mn+1-D


image.png

代码


递推法(c++)

classSolution {
public:   
intlastRemaining(intn, intm) {     
intlast=0;   
for (inti=2; i<=n; ++i) {   
            (last+=m) %=i;   
        }      
returnlast;
    }
};

递推法加速(c++)

classSolution {
public: 
intlastRemaining(intn, intm) {  
if (m==1) returnn-1;  
intlast=0, t=1;       
for (inti=2; i<=n; i+=t) { 
t= (i-last+m-3) / (m-1);   
if (i+t-1>n) {       
last+= (n-i+1)*m;  
break;       
            }        
            (last+=t*m) %= (i+t-1); 
        }      
returnlast;  
    }
};

数学法(c++)

classSolution {
public:
intlastRemaining(intn, intm) { 
longD=1, end= (long)n*(m-1);   
while (D<=end) {      
D= (m*D+m-2) / (m-1); 
        }       
return (long)n*m-D; 
    }
};

参考资料


[1]

LeetCode 面试题62. 圆圈中最后剩下的数字: https://leetcode-cn.com/problems/yuan-quan-zhong-zui-hou-sheng-xia-de-shu-zi-lcof/

[2]

韦阳的博客:具体数学-第8课(取整进阶): https://godweiyang.com/2018/04/16/concrete-math-8/

[3]

知乎专栏:具体数学-第8课(取整进阶): https://zhuanlan.zhihu.com/p/35820332

[4]

世界上有哪些代码量很少,但很牛逼很经典的算法或项目案例?: https://www.zhihu.com/question/358255792/answer/974983270

image.png

作者简介:godweiyang知乎同名华东师范大学计算机系硕士在读,方向自然语言处理与深度学习喜欢与人分享技术与知识,期待与你的进一步交流~


目录
打赏
0
0
0
0
14
分享
相关文章
Java 面试资料中相关代码使用方法与组件封装方法解析
这是一份详尽的Java面试资料代码指南,涵盖使用方法与组件封装技巧。内容包括环境准备(JDK 8+、Maven/Gradle)、核心类示例(问题管理、学习进度跟踪)、Web应用部署(Spring Boot、前端框架)、单元测试及API封装。通过问题库管理、数据访问组件、学习进度服务和REST接口等模块化设计,帮助开发者高效组织与复用功能,同时支持扩展如用户认证、AI推荐等功能。适用于Java核心技术学习与面试备考,提升编程与设计能力。资源链接:[点此下载](https://pan.quark.cn/s/14fcf913bae6)。
72 6
Java 面试资料中相关代码使用方法与组件封装方法解析
18个常用的强化学习算法整理:从基础方法到高级模型的理论技术与代码实现
本文系统讲解从基本强化学习方法到高级技术(如PPO、A3C、PlaNet等)的实现原理与编码过程,旨在通过理论结合代码的方式,构建对强化学习算法的全面理解。
193 10
18个常用的强化学习算法整理:从基础方法到高级模型的理论技术与代码实现
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
495 6
|
4月前
|
面试场景题:如何设计一个抢红包随机算法
本文详细解析了抢红包随机算法的设计与实现,涵盖三种解法:随机分配法、二倍均值法和线段切割法。随机分配法通过逐次随机分配金额确保总额不变,但易导致两极分化;二倍均值法优化了金额分布,使每次抢到的金额更均衡;线段切割法则将总金额视为线段,通过随机切割点生成子金额,手气最佳金额可能更高。代码示例清晰,结果对比直观,为面试中类似算法题提供了全面思路。
981 16
解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用
在Java中,Set接口以其独特的“无重复”特性脱颖而出。本文通过解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用。
153 3
机器学习算法的优化与改进:提升模型性能的策略与方法
机器学习算法的优化与改进:提升模型性能的策略与方法
1036 13
机器学习算法的优化与改进:提升模型性能的策略与方法
Java线程调度揭秘:从算法到策略,让你面试稳赢!
在社招面试中,关于线程调度和同步的相关问题常常让人感到棘手。今天,我们将深入解析Java中的线程调度算法、调度策略,探讨线程调度器、时间分片的工作原理,并带你了解常见的线程同步方法。让我们一起破解这些面试难题,提升你的Java并发编程技能!
199 16
Java 高级面试技巧:yield() 与 sleep() 方法的使用场景和区别
本文详细解析了 Java 中 `Thread` 类的 `yield()` 和 `sleep()` 方法,解释了它们的作用、区别及为什么是静态方法。`yield()` 让当前线程释放 CPU 时间片,给其他同等优先级线程运行机会,但不保证暂停;`sleep()` 则让线程进入休眠状态,指定时间后继续执行。两者都是静态方法,因为它们影响线程调度机制而非单一线程行为。这些知识点在面试中常被提及,掌握它们有助于更好地应对多线程编程问题。
244 9
Java面试必问!run() 和 start() 方法到底有啥区别?
在多线程编程中,run和 start方法常常让开发者感到困惑。为什么调用 start 才能启动线程,而直接调用 run只是普通方法调用?这篇文章将通过一个简单的例子,详细解析这两者的区别,帮助你在面试中脱颖而出,理解多线程背后的机制和原理。
217 12

热门文章

最新文章

  • 1
    云计算运维工程师面试技巧
    900
  • 2
    【机器学习】面试问答:PCA算法介绍?PCA算法过程?PCA为什么要中心化处理?PCA为什么要做正交变化?PCA与线性判别分析LDA降维的区别?
    317
  • 3
    【机器学习】面试问答:决策树如何进行剪枝?剪枝的方法有哪些?
    234
  • 4
    【机器学习】SVM面试题:简单介绍一下SVM?支持向量机SVM、逻辑回归LR、决策树DT的直观对比和理论对比,该如何选择?SVM为什么采用间隔最大化?为什么要将求解SVM的原始问题转换为其对偶问题?
    210
  • 5
    【深度学习】Pytorch面试题:什么是 PyTorch?PyTorch 的基本要素是什么?Conv1d、Conv2d 和 Conv3d 有什么区别?
    733
  • 6
    【深度学习】TensorFlow面试题:什么是TensorFlow?你对张量了解多少?TensorFlow有什么优势?TensorFlow比PyTorch有什么不同?该如何选择?
    563
  • 7
    【机器学习】面试题:LSTM长短期记忆网络的理解?LSTM是怎么解决梯度消失的问题的?还有哪些其它的解决梯度消失或梯度爆炸的方法?
    503
  • 8
    【数据挖掘】XGBoost面试题:与GBDT的区别?为什么使用泰勒二阶展开?为什么可以并行训练?为什么快?防止过拟合的方法?如何处理缺失值?
    558
  • 9
    【数据挖掘】 GBDT面试题:其中基分类器CART回归树,节点的分裂标准是什么?与RF的区别?与XGB的区别?
    188
  • 10
    【机器学习】过拟合和欠拟合怎么判断,如何解决?(面试回答)
    1007
  • AI助理

    你好,我是AI助理

    可以解答问题、推荐解决方案等

    登录插画

    登录以查看您的控制台资源

    管理云资源
    状态一览
    快捷访问