【每日一题Day128】LC2357使数组中所有元素都等于零 | 排序+模拟 哈希表

简介: 【每日一题Day128】LC2357使数组中所有元素都等于零 | 排序+模拟 哈希表

使数组中所有元素都等于零【LC2357】

给你一个非负整数数组 nums 。在一步操作中,你必须:

  • 选出一个正整数 xx 需要小于或等于 nums最小非零 元素。
  • nums 中的每个正整数都减去 x

返回使 nums 中所有元素都等于 0 需要的 最少 操作数。

排序+模拟

  • 思路:
  • 将数组升序排序后,每次减去的数值x小于等于数组中第一个非零元素m,为了使操作次数最小,那么应使x=m【贪心】
  • 遍历数组中的每个元素nums[i],记录当前已经减去的数的总和delNum,那么每次操作后,数组中元素的值为nums[i]-delNum,每遇到一个不为0的数字,操作数加1并更新delNum
  • 实现
class Solution {
    public int minimumOperations(int[] nums) {
        int n = nums.length;
        int count = 0, delNum = 0;
        Arrays.sort(nums);
        for (int i = 0; i < n; i++){
            if (nums[i] - delNum == 0) continue;
            // delNum += (nums[i] - delNum);
            delNum = nums[i];// 操作次数取决于数组中不同元素的个数
            count++;
        }
        return count;
    }
}

复杂度

时间复杂度:O ( n l o g n ) ,n为数组长度,排序所需要的时间复杂度

空间复杂度:O ( 1 )

哈希表

  • 思路:可以发现操作次数取决于数组中不相等元素的个数,因此可以使用哈希表记录数组中不同元素的个数
  • 实现
class Solution {
    public int minimumOperations(int[] nums) {
        int n = nums.length;
        Set<Integer> set = new HashSet<>();
        for (int i = 0; i < n; i++){
            if (nums[i] == 0) continue;
            set.add(nums[i]);
        }
        return set.size();
    }
}

复杂度

  • 时间复杂度:O(n),n为数组长度
  • 空间复杂度:O(n)
目录
相关文章
|
9天前
|
数据采集 人工智能 安全
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
301 164
|
3天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
315 155
|
12天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
869 6
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
253 113