【Leetcode -657.机器人能否返回原点 -674.最长连续递增序列】

简介: 【Leetcode -657.机器人能否返回原点 -674.最长连续递增序列】

Leetcode -657.机器人能否返回原点

题目:在二维平面上,有一个机器人从原点(0, 0) 开始。给出它的移动顺序,判断这个机器人在完成移动后是否在 (0, 0) 处结束。

移动顺序由字符串 moves 表示。字符 move[i] 表示其第 i 次移动。机器人的有效动作有 R(右),L(左),U(上)和 D(下)。

如果机器人在完成所有动作后返回原点,则返回 true。否则,返回 false。

注意:机器人“面朝”的方向无关紧要。 “R” 将始终使机器人向右移动一次,“L” 将始终向左移动等。此外,假设每次移动机器人的移动幅度相同。

示例 1:

输入: moves = “UD”

输出 : true

解释:机器人向上移动一次,然后向下移动一次。所有动作都具有相同的幅度,因此它最终回到它开始的原点。因此,我们返回 true。

示例 2 :

输入 : moves = “LL”

输出 : false

解释:机器人向左移动两次。它最终位于原点的左侧,距原点有两次 “移动” 的距离。我们返回 false,因为它在移动结束时没有返回原点。

提示 :

1 <= moves.length <= 2 * 104

moves 只包含字符 ‘U’, ‘D’, ‘L’ 和 ‘R’

思路是给定原点坐标为x,y为(0,0),然后根据数组中的移动情况对坐标x,y进行加减,最后判断坐标x,y是否在原点;

bool judgeCircle(char* moves)
    {
        //原点为(0,0)
        int x = 0, y = 0;
        //机器人上下左右移动时,对坐标的 x , y 坐标进行移动
        for (int i = 0; i < strlen(moves); i++)
        {
            if (moves[i] == 'U')
                y++;
            else if (moves[i] == 'D')
                y--;
            else if (moves[i] == 'R')
                x++;
            else
                x--;
        }
        //最后返回 x ,y坐标是否在原点
        return x == y && x == 0;
    }

Leetcode -674.最长连续递增序列

题目: 给定一个未经排序的整数数组,找到最长且 连续递增的子序列,并返回该序列的长度。

连续递增的子序列 可以由两个下标 l 和 r(l < r)确定,如果对于每个 l <= i < r,

都有 nums[i] < nums[i + 1] ,那么子序列[nums[l], nums[l + 1], …, nums[r - 1], nums[r]] 就是连续递增子序列。

示例 1:

输入:nums = [1, 3, 5, 4, 7]

输出:3

解释:最长连续递增序列是[1, 3, 5], 长度为3。

尽管[1, 3, 5, 7] 也是升序的子序列, 但它不是连续的,因为 5 和 7 在原数组里被 4 隔开。

示例 2:

输入:nums = [2, 2, 2, 2, 2]

输出:1

解释:最长连续递增序列是[2], 长度为1。

思路是判断相邻两个元素是否为递增元素,如果是则对其进行统计,并使用 flag 标记为递增序列;如果是非递增序列则将 flag 置0,并且重新统计递增序列;

int findLengthOfLCIS(int* nums, int numsSize)
    {
        int cnt = 1, flag = 0, max = 1;
        for (int i = 1; i < numsSize; i++)
        {
            //判断后一个与前一个是否有递增关系,如果有,则 cnt 统计当前连续递增的元素个数,并用flag记录这一段是递增序列
            if (nums[i] - nums[i - 1] > 0)
            {
                flag = 1;
                cnt++;
            }
            //如果前面是递增序列,而到此处则是非递增序列,那么就将flag置0,直到下一次遇到递增序列再改为1
            //同时 cnt 重新开始统计递增序列
            else if (nums[i] - nums[i - 1] <= 0 && flag)
            {
                flag = 0;
                cnt = 1;
            }
            // cnt 每次统计完递增序列后都与 max 比较,取较大值,即为返回的最长连续递增序列
            max = max > cnt ? max : cnt;
        }
        return max;
    }
目录
相关文章
|
Python
【Leetcode刷题Python】376. 摆动序列
文章提供了解决LeetCode "摆动序列" 问题的Python实现代码,通过遍历整数数组并使用两个变量 down 和 up 来记录正差和负差摆动序列的长度,最终返回最长摆动子序列的长度。
179 0
|
5月前
|
存储 C++ 索引
最长连续序列(每天刷力扣hot100系列)
本题使用哈希表法求最长连续序列。利用unordered_set存储去重元素,遍历集合时仅当num-1不存在时才作为起点向后扩展,统计连续长度,时间复杂度O(n),空间复杂度O(n)。相比unordered_map更高效,因无需存储值。
|
9月前
|
Go
【LeetCode 热题100】DP 实战进阶:最长递增子序列、乘积最大子数组、分割等和子集(力扣300 / 152/ 416 )(Go语言版)
本文深入解析三道经典的动态规划问题:**最长递增子序列(LIS)**、**乘积最大子数组** 和 **分割等和子集**。 - **300. LIS** 通过 `dp[i]` 表示以第 `i` 个元素结尾的最长递增子序列长度,支持 O(n²) 动态规划与 O(n log n) 的二分优化。 - **152. 乘积最大子数组** 利用正负数特性,同时维护最大值与最小值的状态转移方程。 - **416. 分割等和子集** 转化为 0-1 背包问题,通过布尔型 DP 实现子集和判断。 总结对比了三题的状态定义与解法技巧,并延伸至相关变种问题,助你掌握动态规划的核心思想与灵活应用!
364 1
|
算法 Python
【Leetcode刷题Python】剑指 Offer 33. 二叉搜索树的后序遍历序列
本文提供了一种Python算法,用以判断给定整数数组是否为某二叉搜索树的后序遍历结果,通过识别根节点并递归验证左右子树的值是否满足二叉搜索树的性质。
157 3
|
Python
【Leetcode刷题Python】105. 从前序与中序遍历序列构造二叉树
LeetCode上105号问题"从前序与中序遍历序列构造二叉树"的Python实现,通过递归方法根据前序和中序遍历序列重建二叉树。
228 3
|
算法 Python
【Leetcode刷题Python】300. 最长递增子序列
LeetCode 300题 "最长递增子序列" 的两种Python解决方案:一种使用动态规划,另一种使用贪心算法结合二分查找。
192 1
|
算法 Java
LeetCode初级算法题:子数组最大平均数+二叉树的最小深度+最长连续递增序列+柠檬水找零
LeetCode初级算法题:子数组最大平均数+二叉树的最小深度+最长连续递增序列+柠檬水找零
222 0
|
Python
【Leetcode刷题Python】674. 最长连续递增序列
LeetCode 674题 "最长连续递增序列" 的Python解决方案,使用动态规划算法找出给定整数数组中最长连续递增子序列的长度。
276 0
|
Unix Shell Linux
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
本文提供了几个Linux shell脚本编程问题的解决方案,包括转置文件内容、统计词频、验证有效电话号码和提取文件的第十行,每个问题都给出了至少一种实现方法。
356 6
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
|
Python
【Leetcode刷题Python】剑指 Offer 32 - III. 从上到下打印二叉树 III
本文介绍了两种Python实现方法,用于按照之字形顺序打印二叉树的层次遍历结果,实现了在奇数层正序、偶数层反序打印节点的功能。
206 6