【动态规划】【记忆化搜索】【C++算法】664. 奇怪的打印机

简介: 【动态规划】【记忆化搜索】【C++算法】664. 奇怪的打印机

LeetCode:664 奇怪的打印机

有台奇怪的打印机有以下两个特殊要求:

打印机每次只能打印由 同一个字符 组成的序列。

每次可以在从起始到结束的任意位置打印新字符,并且会覆盖掉原来已有的字符。

给你一个字符串 s ,你的任务是计算这个打印机打印它需要的最少打印次数。

示例 1:

输入:s = “aaabbb”

输出:2

解释:首先打印 “aaa” 然后打印 “bbb”。

示例 2:

输入:s = “aba”

输出:2

解释:首先打印 “aaa” 然后在第二个位置打印 “b” 覆盖掉原来的字符 ‘a’。

提示:

1 <= s.length <= 100

s 由小写英文字母组成

动态规划

空间复杂度😮(n2)

时间复杂度: O(n3)

小技巧: 两个挨着的字符相同可以删除一个,不影响结果。因为打印的次数不限。 此技巧使用可以稍稍提速,不使用也没问题。

动态规范的状态表示:dp[left][r]表示 让s[left,r]符合要求的最少次数。

动态规划的转移方程:必定有一次覆盖s[left],此次覆盖可以分以下两种情况:

  • 除s[i]外,没有盖其它字符或其它字符被新的印章覆盖。dp[left][r]=1 + dp[left+1][r]
  • 除s[left]外,还有字符没覆盖,假定其下标最小的为s[i],则没印章跨越s[i],故s(l,r)可以独立出来。dp[left][r] = dp[left+1,i-1]+dp[i][r]
    动态规划的初始状态: 全部为0,表示未处理。
    动态规划的填表顺序:枚举left。
    动态规划的返回值:dp[0][n-1]

代码

核心代码

class Solution {
public:
  int strangePrinter(string s) {    
    for (int i = 0; i < s.length(); i++)
    {
      if ((0 == i) || (s[i] != s[i - 1]))
      {
        m_s += s[i];
      }
    } 
    m_c = m_s.length();
    m_dp.assign(m_c, vector<int>(m_c));
    return Cal(0, m_c - 1);
  }
  int Cal(int left,int r)
  {
    if (left > r)
    {
      return 0;
    }
    if (0 != m_dp[left][r])
    {
      return m_dp[left][r];
    }
    int iRet = 1 + Cal(left + 1,r);
    for (int i = left+1 ; i <= r; i++)
    {
      if (m_s[i] == m_s[left])
      {
        iRet = min(iRet,  Cal(left + 1, i - 1) + Cal(i, r));
      }
    }
    return m_dp[left][r] = iRet;
  }
  int m_c;
  string m_s;
  vector<vector<int>> m_dp;
};

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()
{
  string s;
  {
    Solution sln;
    s = "a";
    auto res = sln.strangePrinter(s);
    Assert(1, res);
  }
  {
    Solution sln;
    s = "aaaa";
    auto res = sln.strangePrinter(s);
    Assert(1, res);
  }
  {
    Solution sln;
    s = "aaabbb";
    auto res = sln.strangePrinter(s);
    Assert(2, res);
  }
  {
    Solution sln;
    s = "aba";
    auto res = sln.strangePrinter(s);
    Assert(2, res);
  }
  {
    Solution sln;
    s = "aabab";
    auto res = sln.strangePrinter(s);
    Assert(3, res);
  }
  {
    Solution sln;
    s = "aabacdaa";
    auto res = sln.strangePrinter(s);
    Assert(4, res);
  }
  {
    Solution sln;
    s = "acdddda";
    auto res = sln.strangePrinter(s);
    Assert(3, res);
  }
}

2023年一月版

class Solution {
public:
int strangePrinter(string s) {
m_c = s.length();
m_dp.assign(m_c + 1, vector(m_c,INT_MAX));
{
int len = 1;
for (int c = 0; c + len - 1 < m_c; c++)
{
m_dp[len][c] = 1;
}
}
for (int len = 2; len <= m_c; len++)
{
for (int c = 0; c + len - 1 < m_c; c++)
{
const int iEnd = c + len - 1;
if ((s[c] == s[iEnd]) || (s[iEnd] == s[iEnd - 1]))
{
m_dp[len][c] = m_dp[len - 1][c];
continue;
}
for (int iPreLen = 1; iPreLen < len; iPreLen++)
{
m_dp[len][c] = min(m_dp[len][c],m_dp[iPreLen][c] + m_dp[len - iPreLen][c + iPreLen]);
}
}
}
return m_dp[m_c][0];
}
vector m_dp;
int m_c;
};

2023年6月版

class Solution {
public:
int strangePrinter(string s) {
m_c = s.length();
memset(m_LenBegin, 0, sizeof(m_LenBegin));
for (int begin = 0; begin < m_c; begin++)
{
m_LenBegin[1][begin] = 1;
}
for (int len = 2; len <= m_c; len++)
  {
    for (int begin = 0; begin + len - 1 < m_c; begin++)
    {
      const int end = begin + len - 1;
      if (s[begin] == s[end])
      {
        m_LenBegin[len][begin] = m_LenBegin[len - 1][begin];
        continue;
      }
      int iNum = INT_MAX;
      for (int leftLen = 1; leftLen < len; leftLen++)
      {
        iNum = min(iNum, m_LenBegin[leftLen][begin] + m_LenBegin[len - leftLen][begin + leftLen]);
      }
      m_LenBegin[len][begin] = iNum;
    }
  }
  return m_LenBegin[m_c][0];
}
int m_c;
int m_LenBegin[100+1][100];

};

2023年7月版

class Solution {
public:
int strangePrinter(string s) {
m_c = s.length();
vector vLenBegin(m_c + 1, vector(m_c+1,1));
for (int len = 2; len <= m_c; len++)
{
for (int begin = 0; begin < m_c; begin++)
{
const int end = begin + len - 1;
if (end >= m_c)
{
continue;
}
if (s[begin] == s[end])
{
vLenBegin[len][begin] = vLenBegin[len-1][begin];
continue;
}
int iNum = INT_MAX;
for (int leftLen=1 ;leftLen < len ; leftLen++ )
{
iNum = min(vLenBegin[leftLen][begin] + vLenBegin[len - leftLen][begin + leftLen], iNum);
}
vLenBegin[len][begin] = iNum;
}
}
return vLenBegin[m_c][0];
}
int m_c;
};

2023年8月版

class Solution {
public:
int strangePrinter(string s) {
m_c = s.length();
m_vLeftRight.assign(m_c, vector(m_c,INT_MAX));
//任何印章方式都可以转成,第一次处理最右端元素
for (int len = 1; len <= m_c; len++)
{
#define END (left + len - 1)
for (int left = 0; END < m_c; left++)
{
if (1 == len)
{
m_vLeftRight[left][END] = 1;
continue;
}
for (int mid = left; mid < END; mid++)
{
m_vLeftRight[left][END] = min(m_vLeftRight[left][END], m_vLeftRight[left][mid] + m_vLeftRight[mid + 1][END] - (s[mid] == s[END]));
}
}
}
return m_vLeftRight.front().back();
}
int m_c;
vector m_vLeftRight;
};


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,本算法用**C++**实现。

相关文章
|
1月前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
53 2
|
2月前
|
算法
动态规划算法学习三:0-1背包问题
这篇文章是关于0-1背包问题的动态规划算法详解,包括问题描述、解决步骤、最优子结构性质、状态表示和递推方程、算法设计与分析、计算最优值、算法实现以及对算法缺点的思考。
104 2
动态规划算法学习三:0-1背包问题
|
1月前
|
算法 搜索推荐 数据库
二分搜索:高效的查找算法
【10月更文挑战第29天】通过对二分搜索的深入研究和应用,我们可以不断挖掘其潜力,为各种复杂问题提供高效的解决方案。相信在未来的科技发展中,二分搜索将继续发挥着重要的作用,为我们的生活和工作带来更多的便利和创新。
51 1
|
2月前
|
算法
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
这篇文章介绍了动态规划算法中解决最大上升子序列问题(LIS)的方法,包括问题的描述、动态规划的步骤、状态表示、递推方程、计算最优值以及优化方法,如非动态规划的二分法。
80 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
|
2月前
|
算法
动态规划算法学习二:最长公共子序列
这篇文章介绍了如何使用动态规划算法解决最长公共子序列(LCS)问题,包括问题描述、最优子结构性质、状态表示、状态递归方程、计算最优值的方法,以及具体的代码实现。
178 0
动态规划算法学习二:最长公共子序列
|
2月前
|
算法 决策智能
基于禁忌搜索算法的VRP问题求解matlab仿真,带GUI界面,可设置参数
该程序基于禁忌搜索算法求解车辆路径问题(VRP),使用MATLAB2022a版本实现,并带有GUI界面。用户可通过界面设置参数并查看结果。禁忌搜索算法通过迭代改进当前解,并利用记忆机制避免陷入局部最优。程序包含初始化、定义邻域结构、设置禁忌列表等步骤,最终输出最优路径和相关数据图表。
|
2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)
686 0
高精度算法(加、减、乘、除,使用c++实现)
|
2月前
|
存储 算法
动态规划算法学习一:DP的重要知识点、矩阵连乘算法
这篇文章是关于动态规划算法中矩阵连乘问题的详解,包括问题描述、最优子结构、重叠子问题、递归方法、备忘录方法和动态规划算法设计的步骤。
169 0
|
2月前
|
存储 算法 决策智能
【算法】博弈论(C/C++)
【算法】博弈论(C/C++)
|
2月前
|
存储 算法 C++
【算法】哈希映射(C/C++)
【算法】哈希映射(C/C++)