代码随想录算法训练营第二天 |977.有序数组平方,209.长度最小的字数组,59.螺旋矩阵

简介: 代码随想录算法训练营第二天 |977.有序数组平方,209.长度最小的字数组,59.螺旋矩阵

977.有序数组平方

讲解链接:

代码随想录programmercarl.com/0977.%E6%9C%89%E5%BA%8F%E6%95%B0%E7%BB%84%E7%9A%84%E5%B9%B3%E6%96%B9.html#%E6%80%9D%E8%B7%AF

看解答前:

最直白的想法就是遍历所有数据的平方,再排序。但是这样做的结果会导致计算超时。虽然昨天理解了双指针的思路,但是看到这个题还是无法和双指针联系起来。应该是双指针的精髓还没掌握。

看解答后:

解答讲了两种方法,暴力解和双指针。

  1. 暴力解思路:

平方后再排序。超时了。。。

class Solution {
public:
    vector<int> sortedSquares(vector<int>& nums) {
        // for(int i = 0 ; i < nums.size();++i){
        //     nums[i]*= nums[i];
        // }
        for(int i = 0;i < nums.size() - 1; ++i){
            for(int j  = 0;j< nums.size() - i - 1 ; ++j){
                if(fabs(nums[j]) >fabs( nums[j+1])){
                    int temp  = nums[j];
                    nums[j] = nums[j + 1] ;
                    nums[j+1] = temp;
                }
            }
            nums[nums.size() - i -1] *= nums[nums.size() - i -1];
        }
        nums[0]*=nums[0];
        return nums;
    }
};

2.双指针思路:

既然是有序数组,且未规定正负,那么平方后的值要么是两侧往中间递减,要么是向右单侧递增。根据这个规律可以利用双指针的思想完成代码。

  • 双指针的位置一个位于数组最左侧,一个位于最右侧。
  • 两侧平方后比较,将最大值放入待返回数组最右侧。
  • 左侧较大则左侧值放入待返回数组右侧,左侧指正索引+1,待返回数组索引-1;右侧指正位置不变。
  • 右侧较大同理。
  • 当左侧索引大于右侧索引的时候终止循环。因为左侧索引等于右侧索引时,待返回数组值还需要填入最后一个值。

代码:

class Solution {
public:
//双指针法
    vector<int> sortedSquares(vector<int>& nums) {
        int k = nums.size()-1;
        vector<int>res(nums.size(),0);
        int left_index = 0;
        int right_index = k;
        while(left_index <= right_index){
            int left_val = nums[left_index]*nums[left_index];
            int right_val = nums[right_index]*nums[right_index];
            if(left_val > right_val){
                res[k--] = left_val ;
                left_index++;
            }else{
                res[k--]=right_val;
                right_index--;
            }
        }
        return res;
    }
};

总结:

还是需要看解答后才能自己写出来,对于双指针的运用还是不熟。期待二刷。

209.长度最小的字数组

讲解链接:

代码随想录programmercarl.com/0209.%E9%95%BF%E5%BA%A6%E6%9C%80%E5%B0%8F%E7%9A%84%E5%AD%90%E6%95%B0%E7%BB%84.html#%E7%AE%97%E6%B3%95%E5%85%AC%E5%BC%80%E8%AF%BE

看解答前:

知道要用双指针的思想,想了半个小时还是没想出来。太菜了,呜呜呜呜啊啊啊啊。

看解答后:

确实不看讲解学习,根本想不出来的。思路如下:

  • 用双指针的思想那么就要确认左侧指针和右侧指针。由于是找出长度最短的子数组,所以指针位置可以为数组左侧和数组右侧。
  • 最开始时数组做右侧都是同一个位置。右侧为子数组终点,那终点可能问数组的任何一个索引位置,所以终点位置需要从数组左侧一直持续到最后。
  • 子数组的初始位置并不是数组最左侧,而是根据子数组数据和来决定是否往右移动。如果子数组内的数据和大于或者等于目标值那么初始位置就需要往右侧移动。
  • 最重要的一点是维护最短子数组的长度,因为在循环过程中子数组长度并不是递增或者递减的,但是数据的遍历范围需要走完整个数组,所以子数组长度在每次遍历后都需要更新最小值。
  • 最后如果最小值没更新过则返回0。

代码:

class Solution {
public:
    int minSubArrayLen(int target, vector<int>& nums) {
        int res = INT32_MAX;
        int sum = 0;
        int begin = 0;
        int sublength = 0;
        for(int end = 0;end<nums.size();++end){
            sum+=nums[end];
            //难点在target的范围确定
            while(sum>= target){
                 sublength =end - begin + 1;
                res = res<sublength?res:sublength;
                sum-=nums[begin++];
            }
        }
        return res= res<INT32_MAX?res:0;
    }
};

总结:

想不到,期待二刷。

59.螺旋矩阵

讲解链接:

看解答前:

用笔画能画出来,但是写不出来。

看解答后:

  • 确定遍历层数,因为一次循环遍历上下左右,所以遍历的层数是n/2,对于奇数层则额外计算。
  • 偏移量 offset,每往里遍历一层则偏移量的值要+1。
  • 上层:开始往右遍历,最右侧的数据不用处理交给下一步处理。所以遍历的数据个数是n - offset。
  • 有层:同理
  • 下层:同理
  • 做层:同理
  • 遍历完一层上下左右以后,刷新初始位置和偏移量,因为外面层数据已经处理过,所以初始位置向中心靠拢一个,上下左右遍历的数据也会减小所以对应的偏移量减小1.
  • 上述步骤循环往复遍历直至跳出循环
  • 最后判定是奇数层还是偶数层,偶数层不管,技术层直接对初始位置(初始位置再循环中会向中心靠拢,所以此时的初始位置是中心位置)赋值。

代码:

class Solution {
public:
    vector<vector<int>> generateMatrix(int n) {
        vector<vector<int>>res(n,vector<int>(n,0));
        int startx = 0; //纵向起始位置
        int starty = 0; //横向起始位置
        int offset = 1; //偏移量,每循环一次,偏移量+1;
        int count = 1; //螺旋矩阵初始值
        int loop = n/2; //循环圈数,一次循环会遍历两行两列,所以除2,奇数额外考虑
        int j = 0,i = 0;//遍历量
        while(loop --){
            //向右遍历
            for( j = starty;j<n-offset;++j){
                res[startx][j] = count++;
            }
            //向下遍历
            for( i = starty;i<n - offset;++i){
                res[i][j] = count++;
            }
            //向左遍历
            for(;j>starty;--j){
                res[i][j] = count++;
            }
            //向上遍历
            for(;i>startx;--i){
                res[i][j] = count++;
            }
            //遍历完一层,初始位置向中心靠拢一格,偏移量增加一个.
            startx++;
            starty++;
            offset++;
        }
        if(n%2==1){
            //循环结束的时候初始位置已经靠近中心了
            res[startx][starty]=count;
        }
        return res;
    }
};

总结:

一样的不看解题思路写不出来。

数组总结

主要学习了二分法,双指针法。时间太赶,来不及了先粗略写一版。


相关文章
|
6天前
|
算法
分享一些提高二叉树遍历算法效率的代码示例
这只是简单的示例代码,实际应用中可能还需要根据具体需求进行更多的优化和处理。你可以根据自己的需求对代码进行修改和扩展。
|
18天前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
19 3
|
17天前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
23天前
|
缓存 分布式计算 监控
优化算法和代码需要注意什么
【10月更文挑战第20天】优化算法和代码需要注意什么
17 0
|
24天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
9天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
10天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
11天前
|
存储 算法 决策智能
基于免疫算法的TSP问题求解matlab仿真
旅行商问题(TSP)是一个经典的组合优化问题,目标是寻找经过每个城市恰好一次并返回起点的最短回路。本文介绍了一种基于免疫算法(IA)的解决方案,该算法模拟生物免疫系统的运作机制,通过克隆选择、变异和免疫记忆等步骤,有效解决了TSP问题。程序使用MATLAB 2022a版本运行,展示了良好的优化效果。
|
10天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
10天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
27 3