【map】【滑动窗口】C++算法:最小区间

简介: 【map】【滑动窗口】C++算法:最小区间

题目 LeetCode:632

你有 k 个 非递减排列 的整数列表。找到一个 最小 区间,使得 k 个列表中的每个列表至少有一个数包含在其中。

我们定义如果 b-a < d-c 或者在 b-a == d-c 时 a < c,则区间 [a,b] 比 [c,d] 小。

示例 1:

输入:nums = [[4,10,15,24,26], [0,9,12,20], [5,18,22,30]]

输出:[20,24]

解释:

列表 1:[4, 10, 15, 24, 26],24 在区间 [20,24] 中。

列表 2:[0, 9, 12, 20],20 在区间 [20,24] 中。

列表 3:[5, 18, 22, 30],22 在区间 [20,24] 中。

示例 2:

输入:nums = [[1,2,3],[1,2,3],[1,2,3]]

输出:[1,1]

提示:

nums.length == k

1 <= k <= 3500

1 <= nums[i].length <= 50

-105 <= nums[i][j] <= 105

nums[i] 按非递减顺序排列

分析

假定区间为[left,right],k个列表在[left,right]中的最小值为m1,最大值为m2。则left=m1,right=m2。

如果left < m1,将left改成m1,仍然符合题意。如果left >m1,则m1不在区间。

如果right < m2 ,则m2不在区间。如果right >m2,将right 改成m2,仍然符合题意。

从小到大枚举left,各列表小于left的数排除,各队列的最小值的最大值就是对应的right。

tmp就是nums 各元素倒值,降序,方便向量出栈。

mValueToIndex记录各队列的最小值和小标。tmp中的值加到mValueToIndex后,就出栈。

mValueToIndex的最小值也是所有队列的最小值,所以排除mValueToIndex的最小值就可以了。

当某个队列nums[i]为空时,程序结束。

代码

核心代码

class Solution {
public:
  vector<int> smallestRange(const vector<vector<int>>& nums) {
    auto tmp = nums;
    std::multimap<int, int> mValueToIndex;
    for (int i = 0 ; i < tmp.size(); i++ )
    {
      auto& v = tmp[i];
      std::reverse(v.begin(), v.end());
      mValueToIndex.emplace(v.back(), i);
      v.pop_back();
    }
    int left = mValueToIndex.begin()->first, right = mValueToIndex.rbegin()->first;
    while (tmp[mValueToIndex.begin()->second].size())
    {
      const int i = mValueToIndex.begin()->second;
      mValueToIndex.erase(mValueToIndex.begin());
      mValueToIndex.emplace(tmp[i].back(),i);
      tmp[i].pop_back();
      int leftCur = mValueToIndex.begin()->first, rightCur = mValueToIndex.rbegin()->first;
      if (rightCur - leftCur < right - left)
      {
        left = leftCur;
        right = rightCur;
      }
    }
    return { left,right };
  }
};

测试用例

template<class T>
void Assert(const T& t1, const T& t2)
{
  assert(t1 == t2);
}
template<class T>
void Assert(const vector<T>& v1, const vector<T>& v2)
{
  if (v1.size() != v2.size())
  {
    assert(false);
    return;
  }
  for (int i = 0; i < v1.size(); i++)
  {
    Assert(v1[i], v2[i]);
  }
}
int main()
{
  vector<vector<int>> nums;
  {
    Solution sln;
    nums = { {4,10,15,24,26}, {0,9,12,20}, {5,18,22,30} };
    auto res = sln.smallestRange(nums);
    Assert(vector<int>{20, 24}, res);
  }
  {
    Solution sln;
    nums = { {1,2,3},{1,2,3},{1,2,3} };
    auto res = sln.smallestRange(nums);
    Assert(vector<int>{1, 1}, res);
  }
//CConsole::Out(res);
}

2023年4月版

class Solution {
public:
vector smallestRange(vector& nums) {
std::set setValue;
for (const auto& v : nums)
{
for (const int& i : v)
{
setValue.emplace(i);
}
}
int iRet = INT_MAX;
int iMax = 0;
for (const auto& value : setValue)
{
int iMin = INT_MAX;
bool bSuc = true;
for (const auto& v : nums)
{
auto iNum = std::upper_bound(v.begin(), v.end(), value) - v.begin();
if (0 == iNum)
{
bSuc = false;
break;
}
iMin = min(iMin, v[iNum - 1]);
}
if (bSuc)
{
if (value - iMin + 1 < iRet)
{
iRet = value - iMin + 1;
iMax = value;
}
}
}
return vector{iMax - iRet + 1, iMax};
}
};

2023年8月版

class Solution {
public:
vector smallestRange(vector& nums) {
m_c = nums.size();
vector vPre(m_c);
std::map mValueIndex;
std::multiset setMax;
for (int i = 0 ; i < m_c ; i++)
{
const auto& v = nums[i];
setMax.emplace(v[0]);
vPre[i] = v[0];
for (int j = 1; j < v.size(); j++)
{
mValueIndex[v[j]].emplace_back(i);
}
}
vector vRet = { *setMax.begin(),*setMax.rbegin() };
for (const auto& it : mValueIndex)
{
for (const auto& next : it.second)
{
auto ij = setMax.find(vPre[next]);
setMax.erase(ij);
setMax.emplace(it.first);
vPre[next] = it.first;
}
vector cur = { *setMax.begin(),*setMax.rbegin() };
if ((cur[1]-cur[0]) < (vRet[1]-vRet[0]))
{
cur.swap(vRet);
}
}
return vRet;
}
int m_c;
};


扩展阅读

视频课程

有效学习:明确的目标 及时的反馈 拉伸区(难度合适),可以先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。

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

如何你想快

速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程

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

相关下载

想高屋建瓴的学习算法,请下载《喜缺全书算法册》doc版

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

测试环境

操作系统:win7 开发环境: VS2019 C++17

或者 操作系统:win10 开发环境: VS2022 C++17

如无特殊说明,本算法C++ 实现。

相关文章
|
4天前
|
算法 数据处理 C++
C++一分钟之-迭代器与算法
【6月更文挑战第21天】C++ STL的迭代器统一了容器元素访问,分为多种类型,如输入、输出、前向、双向和随机访问。迭代器使用时需留意失效和类型匹配。STL算法如查找、排序、复制要求特定类型的迭代器,注意容器兼容性和返回值处理。适配器和算法组合增强灵活性,但过度使用可能降低代码可读性。掌握迭代器和算法能提升编程效率和代码质量。
21 3
|
8天前
|
算法 前端开发 Linux
【常用技巧】C++ STL容器操作:6种常用场景算法
STL在Linux C++中使用的非常普遍,掌握并合适的使用各种容器至关重要!
33 10
|
4天前
|
存储 算法 NoSQL
C++一分钟之-map与set容器详解
【6月更文挑战第21天】C++ STL的`map`和`set`是基于红黑树的关联容器,提供有序存储和高效查找。`map`存储键值对,键唯一,值可重复;`set`仅存储唯一键。两者操作时间复杂度为O(log n)。常见问题包括键的唯一性和迭代器稳定性。自定义比较函数可用于定制排序规则,内存管理需注意适时释放。理解和善用这些工具能提升代码效率。
10 3
|
6天前
|
存储 编译器 C++
|
10天前
|
算法 C++
【数据结构与算法】:关于时间复杂度与空间复杂度的计算(C/C++篇)——含Leetcode刷题-2
【数据结构与算法】:关于时间复杂度与空间复杂度的计算(C/C++篇)——含Leetcode刷题
|
10天前
|
算法 C++
【数据结构与算法】:关于时间复杂度与空间复杂度的计算(C/C++篇)——含Leetcode刷题-1
【数据结构与算法】:关于时间复杂度与空间复杂度的计算(C/C++篇)——含Leetcode刷题
|
10天前
|
存储 算法 C++
【数据结构与算法】:带你手搓顺序表(C/C++篇)
【数据结构与算法】:带你手搓顺序表(C/C++篇)
|
1天前
|
算法 前端开发 安全
C++算法模板
C++算法模板
3 0
|
1天前
|
算法
基于GA遗传优化的混合发电系统优化配置算法matlab仿真
**摘要:** 该研究利用遗传算法(GA)对混合发电系统进行优化配置,旨在最小化风能、太阳能及电池储能的成本并提升系统性能。MATLAB 2022a用于实现这一算法。仿真结果展示了一系列图表,包括总成本随代数变化、最佳适应度随代数变化,以及不同数据的分布情况,如负荷、风速、太阳辐射、弃电、缺电和电池状态等。此外,代码示例展示了如何运用GA求解,并绘制了发电单元的功率输出和年变化。该系统原理基于GA的自然选择和遗传原理,通过染色体编码、初始种群生成、适应度函数、选择、交叉和变异操作来寻找最优容量配置,以平衡成本、效率和可靠性。
|
2天前
|
机器学习/深度学习 算法
基于鲸鱼优化的knn分类特征选择算法matlab仿真
**基于WOA的KNN特征选择算法摘要** 该研究提出了一种融合鲸鱼优化算法(WOA)与K近邻(KNN)分类器的特征选择方法,旨在提升KNN的分类精度。在MATLAB2022a中实现,WOA负责优化特征子集,通过模拟鲸鱼捕食行为的螺旋式和包围策略搜索最佳特征。KNN则用于评估特征子集的性能。算法流程包括WOA参数初始化、特征二进制编码、适应度函数定义(以分类准确率为基准)、WOA迭代搜索及最优解输出。该方法有效地结合了启发式搜索与机器学习,优化特征选择,提高分类性能。