C++算法:最少翻转操作数

简介: C++算法:最少翻转操作数

题目

给你一个整数 n 和一个在范围 [0, n - 1] 以内的整数 p ,它们表示一个长度为 n 且下标从 0 开始的数组 arr ,数组中除了下标为 p 处是 1 以外,其他所有数都是 0 。

同时给你一个整数数组 banned ,它包含数组中的一些位置。banned 中第 i 个位置表示 arr[banned[i]] = 0 ,题目保证 banned[i] != p 。

你可以对 arr 进行 若干次 操作。一次操作中,你选择大小为 k 的一个 子数组 ,并将它 翻转 。在任何一次翻转操作后,你都需要确保 arr 中唯一的 1 不会到达任何 banned 中的位置。换句话说,arr[banned[i]] 始终 保持 0 。

请你返回一个数组 ans ,对于 [0, n - 1] 之间的任意下标 i ,ans[i] 是将 1 放到位置 i 处的 最少 翻转操作次数,如果无法放到位置 i 处,此数为 -1 。

子数组 指的是一个数组里一段连续 非空 的元素序列。

对于所有的 i ,ans[i] 相互之间独立计算。

将一个数组中的元素 翻转 指的是将数组中的值变成 相反顺序 。

1 <= n <= 105

0 <= p <= n - 1

0 <= banned.length <= n - 1

0 <= banned[i] <= n - 1

1 <= k <= n

banned[i] != p

banned 中的值 互不相同

用例分析

不考虑banned。假定1在i出,翻转[i,i+k),则1到了i+k-1处。翻转[j,j+k-1],翻转之前,i距离子数组的开始i-j,那么翻转后,1的距离子数组的结束i-j,即:j+k-1-(i-j)= k+2*j-i-1=k-i-1+2*j

j的取值范围为:[i-k+1,i],同时[0,n-k]

n=5,k=4

n=5,k=4

10000

00010

k-i-1=3新位置为:3+0=3

01000

00100 00001

k-i-1=2新位置为:2+0=2 2+2=4

00100

01000 00010

k-i-1=1新位置为:1+0=1 1+2=3

00010

10000 00100

k-i-1=0新位置为:0+0=0 0+2=2

00001

01000

k-i-1=-1新位置为:  -1+2=1

注意

p已经处理。

核心代码

class Solution {
public:
  vector<int> minReverseOperations(int n, int p, vector<int>& banned, int k) {
    vector<int> vRet(n, -1);
    vRet[p] = 0;
    queue<int> que;
    que.emplace(p);
    set<int> set0, set1;
    for (int i = 0; i < n; i++)
    {
      if (i & 1)
      {
        set1.emplace(i);
      }
      else
      {
        set0.emplace(i);
      }
    }
    for (const auto& b : banned)
    {
      set0.erase(b);
      set1.erase(b);
    }
    set0.erase(p);
    set1.erase(p);
    while (que.size())
    {
      const auto cur = que.front();
      que.pop();
      const int j0 = max(0, cur - k + 1);
      const int j1 = min(cur, n - k);
      const int next0 = k - cur - 1 + 2 * j0;
      const int next1 = k - cur - 1 + 2 * j1;
      auto& setCur = (next0 & 1) ? set1 : set0;
      auto it0 = setCur.lower_bound(next0);
      auto it1 = setCur.upper_bound(next1 + 1);
      for (auto it = it0; it != it1; ++it)
      {
        vRet[*it] = vRet[cur] + 1;
        que.emplace(*it);
      }
      setCur.erase(it0, it1);
    }
    return vRet;
  }
};

时间复杂度

广度优先实现,入队n次。每次出队时间复杂度O(k),总时间复杂度O(kn)。出队的时间复杂度可以优化。每次出队是连续的奇数或偶数,我们可以用两个std::set分别纪录未处理的奇数和偶数。未处理分两种情况:已经处理,被禁止。每次出队只需要查询两次,时间复杂度O(logn)。故总时间复杂度为O(nlogn)。

并集查找

如果i是偶数,vDo[i]记录需要处理的偶数中,大于等于i,且最小的数。奇数类似。以n等于8为例,只分析偶数,奇数类似。初始{0,2,4,6}

{0,2,4,6}

处理0{2,2,4,6} 处理2{0,4,4,6} 处理4{0,2,6,6} 处理6{0,2,4,MAX}

2,2,4,6

处理0{2,4,4,6}处理2{2,4,4,6} 处理4{2,2,6,6}处理6{2,2,6,MAX}

{2,4,4,6}

处理0{4,4,6,6},处理2{2,4,6,6}处理4{2,4,6,6}处理6{2,4,4,MAX}

非常类似并集查找,由于i一定小于vDo[i],所以不会有环。可以直接使用封装好的有向图的并集查找。

代码

 

class Solution {
public:
  vector<int> minReverseOperations(int n, int p, vector<int>& banned, int k) {
    vector<int> vRet(n, -1);
    vRet[p] = 0;
    queue<int> que;
    que.emplace(p);
    vector<int> vNext(n);
    for (int i = 0; i < n; i++)
    {
      vNext[i] = i;
    }   
    const int iMax = 1000 * 1000;
    auto HasDo = [&](int b)
    {
      vNext[b] = (b + 2 < n) ? vNext[b + 2] : iMax;
    };
    banned.emplace_back(p);
    for (const auto& b : banned)
    {
      HasDo(b);
    }
    while (que.size())
    {
      const auto cur = que.front();
      que.pop();
      const int j0 = max(0, cur - k + 1);
      const int j1 = min(cur, n - k);
       int next0 = k - cur - 1 + 2 * j0;
      const int next1 = k - cur - 1 + 2 * j1;
      for (next0 = GetNext(vNext, next0, iMax); next0 <= next1;)
      {
        vRet[next0] = vRet[cur] + 1;
        HasDo(next0);
        que.emplace(next0);
        next0 = GetNext(vNext, next0, iMax);
      }
    }
    return vRet;
  }
  int GetNext(vector<int>& vNext,const int b,const int iMax)
  {
    if ((iMax == b) || (b == vNext[b]))
    {
      return b;
    };
    return vNext[b]= GetNext(vNext, vNext[b],iMax);
  };
};

2023年4月版本

class Solution {
public:
    vector<int> minReverseOperations(const int n, const int p, vector<int>& banned, int k) {
        std::set<int> setOdd, setEven;
        {
            vector<bool> vBanned(n);
            for (const auto& b : banned)
            {
                vBanned[b] = true;
            }
            for (int i = 0; i < n; i++)
            {
                if (p == i)
                {
                    continue;
                }
                if (vBanned[i])
                {
                    continue;
                }
                if (i & 1)
                {
                    setOdd.emplace(i);
                }
                else
                {
                    setEven.emplace(i);
                }
            }
        }
        std::queue<int> que;
        que.emplace(p);
        vector<int> vDis(n, -1);
        vDis[p] = 0;
        for (int i = 0; que.size(); i++)
        {
            std::queue<int> queNext;
            while (que.size())
            {
                const int iCur = que.front();
                que.pop();
                std::set<int>& setNoDo = ((iCur + k - 1) & 1) ? setOdd : setEven;
                const int iLower = max(iCur - k + 1, k - iCur - 1);
                const int iUpper = min(iCur + k - 1, 2 * n - k - iCur - 1);
                const auto it1 = setNoDo.lower_bound(iLower);
                const auto it2 = setNoDo.upper_bound(iUpper);
                for (auto tmp = it1; tmp != it2; ++tmp)
                {
                    queNext.emplace(*tmp);
                    vDis[*tmp] = i + 1;
                }
                setNoDo.erase(it1, it2);
            }
            que.swap(queNext);
        }
        return vDis;
    }
};

2023年8月

class Solution {
public:
    vector<int> minReverseOperations(int n, int p, vector<int>& banned, int k) {
        std::set<int> setNeedDo[2];
        for (int i = 0; i < n; i++)
        {
            setNeedDo[i % 2].emplace(i);
        }
        for (const auto& n : banned)
        {
            setNeedDo[n % 2].erase(n);
        }
        vector<int> vRet(n, -1);
        vRet[p] = 0;
        setNeedDo[p % 2].erase(p);
        queue<int> que;
        que.emplace(p);
        while (que.size())
        {
            const auto cur = que.front();
            que.pop();
            const int leftMin = max(cur - (k - 1), 0);
            const int rightMin = leftMin + (k - 1);
            const int leftMax = min(cur, n - 1 - (k - 1));
            const int iPosMin = rightMin - (cur - leftMin);//翻转后的位置,子数组右移一位,翻转后的位置移动2位
            const int index = iPosMin % 2;
            auto it = setNeedDo[index].lower_bound(iPosMin);
            auto ij = setNeedDo[index].upper_bound(iPosMin + 2 * (leftMax - leftMin));
            for (auto tmp = it; tmp != ij; ++tmp)
            {
                vRet[*tmp] = vRet[cur] + 1;
                que.emplace(*tmp);
            }
            setNeedDo[index].erase(it, ij);
        }
        return vRet;
    }
};

其它

视频课程

如果你觉得复杂,想从简单的算法开始,可以学习我的视频课程。

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

我的其它课程

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

测试环境

win7 VS2019 C++17

 相关下载

算法精讲《闻缺陷则喜算法册》doc版

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


相关文章
|
9天前
|
负载均衡 算法 安全
探秘:基于 C++ 的局域网电脑控制软件自适应指令分发算法
在现代企业信息化架构中,局域网电脑控制软件如同“指挥官”,通过自适应指令分发算法动态调整指令发送节奏与数据量,确保不同性能的终端设备高效运行。基于C++语言,利用套接字实现稳定连接和线程同步管理,结合实时状态反馈,优化指令分发策略,提升整体管控效率,保障网络稳定,助力数字化办公。
45 19
|
13天前
|
存储 算法 测试技术
【C++数据结构——树】二叉树的遍历算法(头歌教学实验平台习题) 【合集】
本任务旨在实现二叉树的遍历,包括先序、中序、后序和层次遍历。首先介绍了二叉树的基本概念与结构定义,并通过C++代码示例展示了如何定义二叉树节点及构建二叉树。接着详细讲解了四种遍历方法的递归实现逻辑,以及层次遍历中队列的应用。最后提供了测试用例和预期输出,确保代码正确性。通过这些内容,帮助读者理解并掌握二叉树遍历的核心思想与实现技巧。
37 2
|
22天前
|
存储 算法 安全
基于红黑树的局域网上网行为控制C++ 算法解析
在当今网络环境中,局域网上网行为控制对企业和学校至关重要。本文探讨了一种基于红黑树数据结构的高效算法,用于管理用户的上网行为,如IP地址、上网时长、访问网站类别和流量使用情况。通过红黑树的自平衡特性,确保了高效的查找、插入和删除操作。文中提供了C++代码示例,展示了如何实现该算法,并强调其在网络管理中的应用价值。
|
20天前
|
存储 算法 安全
基于哈希表的文件共享平台 C++ 算法实现与分析
在数字化时代,文件共享平台不可或缺。本文探讨哈希表在文件共享中的应用,包括原理、优势及C++实现。哈希表通过键值对快速访问文件元数据(如文件名、大小、位置等),查找时间复杂度为O(1),显著提升查找速度和用户体验。代码示例展示了文件上传和搜索功能,实际应用中需解决哈希冲突、动态扩容和线程安全等问题,以优化性能。
|
27天前
|
算法 安全 C++
用 C++ 算法控制员工上网的软件,关键逻辑是啥?来深度解读下
在企业信息化管理中,控制员工上网的软件成为保障网络秩序与提升办公效率的关键工具。该软件基于C++语言,融合红黑树、令牌桶和滑动窗口等算法,实现网址精准过滤、流量均衡分配及异常连接监测。通过高效的数据结构与算法设计,确保企业网络资源优化配置与安全防护升级,同时尊重员工权益,助力企业数字化发展。
52 4
|
3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)
995 0
高精度算法(加、减、乘、除,使用c++实现)
|
3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。
69 0
|
3月前
|
存储 算法 决策智能
【算法】博弈论(C/C++)
【算法】博弈论(C/C++)
|
3月前
|
存储 算法 C++
【算法】哈希映射(C/C++)
【算法】哈希映射(C/C++)
|
3月前
|
机器学习/深度学习 人工智能 算法
【算法】最长公共子序列(C/C++)
【算法】最长公共子序列(C/C++)