Golang每日一练(leetDay0045) 克隆图、加油站、分发糖果

简介: Golang每日一练(leetDay0045) 克隆图、加油站、分发糖果

133. 克隆图 Clone Graph

给你无向 连通图 中一个节点的引用,请你返回该图的深拷贝(克隆)。

图中的每个节点都包含它的值 valint) 和其邻居的列表(list[Node])。

class Node {
    public int val;
    public List neighbors;
}


测试用例格式:

简单起见,每个节点的值都和它的索引相同。例如,第一个节点值为 1(val = 1),第二个节点值为 2(val = 2),以此类推。该图在测试用例中使用邻接列表表示。

邻接列表 是用于表示有限图的无序列表的集合。每个列表都描述了图中节点的邻居集。

给定节点将始终是图中的第一个节点(值为 1)。你必须将 给定节点的拷贝 作为对克隆图的引用返回。

示例 1:

输入:adjList = [[2,4],[1,3],[2,4],[1,3]]

输出:[[2,4],[1,3],[2,4],[1,3]]

解释:

图中有 4 个节点。

节点 1 的值是 1,它有两个邻居:节点 2 和 4 。

节点 2 的值是 2,它有两个邻居:节点 1 和 3 。

节点 3 的值是 3,它有两个邻居:节点 2 和 4 。

节点 4 的值是 4,它有两个邻居:节点 1 和 3 。


示例 2:

输入:adjList = [[]]

输出:[[]]

解释:输入包含一个空列表。该图仅仅只有一个值为 1 的节点,它没有任何邻居。


示例 3:

输入:adjList = []

输出:[]

解释:这个图是空的,它不含任何节点。


示例 4:

输入:adjList = [[2],[1]]

输出:[[2],[1]]


提示:

  1. 节点数不超过 100 。
  2. 每个节点值 Node.val 都是唯一的,1 <= Node.val <= 100
  3. 无向图是一个简单图,这意味着图中没有重复的边,也没有自环。
  4. 由于图是无向的,如果节点 p 是节点 q 的邻居,那么节点 q 也必须是节点 p 的邻居。
  5. 图是连通图,你可以从给定节点访问到所有节点。

代码:

package main
import "fmt"
type Node struct {
  Val       int
  Neighbors []*Node
}
func cloneGraph(nodes []*Node) []*Node {
  n := len(nodes)
  clone := make([]*Node, n)
  for i := 0; i < n; i++ {
    visited := make(map[*Node]*Node)
    clone[i] = dfs(nodes[i], visited)
  }
  return clone
}
func dfs(node *Node, visited map[*Node]*Node) *Node {
  if node == nil {
    return nil
  }
  // 如果已经访问过,直接返回
  if n, ok := visited[node]; ok {
    return n
  }
  // 深拷贝节点
  copy := &Node{Val: node.Val}
  visited[node] = copy
  // 深拷贝邻居节点
  for _, neighbor := range node.Neighbors {
    copy.Neighbors = append(copy.Neighbors, dfs(neighbor, visited))
  }
  return copy
}
func createGraph(arr [][]int) []*Node {
  n := len(arr)
  nodes := make([]*Node, n)
  for i := 1; i <= n; i++ {
    nodes[i-1] = &Node{Val: i}
  }
  for i := 1; i <= n; i++ {
    for _, j := range arr[i-1] {
      nodes[i-1].Neighbors = append(nodes[i-1].Neighbors, nodes[j-1])
    }
  }
  return nodes
}
func printGraph(nodes []*Node) {
  for _, node := range nodes {
    neighbors := make([]int, len(node.Neighbors))
    for i, neighbor := range node.Neighbors {
      neighbors[i] = neighbor.Val
    }
    fmt.Printf("%d: %v ", node.Val, neighbors)
  }
  fmt.Println()
}
func main() {
  adjList := [][]int{{2, 4}, {1, 3}, {2, 4}, {1, 3}}
  nodes := createGraph(adjList)
  printGraph(nodes)
  clone := cloneGraph(nodes)
  printGraph(clone)
  adjList = [][]int{{2, 3, 4}, {1, 3}, {1, 2, 4}, {1, 3}}
  nodes = createGraph(adjList)
  printGraph(nodes)
  clone = cloneGraph(nodes)
  printGraph(clone)
  adjList = [][]int{{2, 3, 4}, {1, 3, 4}, {1, 2, 4}, {1, 2, 3}}
  nodes = createGraph(adjList)
  printGraph(nodes)
  clone = cloneGraph(nodes)
  printGraph(clone)
  adjList = [][]int{{2}, {1}}
  nodes = createGraph(adjList)
  printGraph(nodes)
  clone = cloneGraph(nodes)
  printGraph(clone)
}

输出:

1: [2 4] 2: [1 3] 3: [2 4] 4: [1 3]

1: [2 4] 2: [1 3] 3: [2 4] 4: [1 3]

1: [2 3 4] 2: [1 3] 3: [1 2 4] 4: [1 3]

1: [2 3 4] 2: [1 3] 3: [1 2 4] 4: [1 3]

1: [2 3 4] 2: [1 3 4] 3: [1 2 4] 4: [1 2 3]

1: [2 3 4] 2: [1 3 4] 3: [1 2 4] 4: [1 2 3]

1: [2] 2: [1]

1: [2] 2: [1]


134. 加油站 Gas Station

在一条环路上有 n 个加油站,其中第 i 个加油站有汽油 gas[i] 升。

你有一辆油箱容量无限的的汽车,从第 i 个加油站开往第 i+1 个加油站需要消耗汽油 cost[i] 升。你从其中的一个加油站出发,开始时油箱为空。

给定两个整数数组 gascost ,如果你可以绕环路行驶一周,则返回出发时加油站的编号,否则返回 -1 。如果存在解,则 保证 它是 唯一 的。

示例 1:

输入: gas = [1,2,3,4,5], cost = [3,4,5,1,2]

输出: 3

解释:

从 3 号加油站(索引为 3 处)出发,可获得 4 升汽油。此时油箱有 = 0 + 4 = 4 升汽油

开往 4 号加油站,此时油箱有 4 - 1 + 5 = 8 升汽油

开往 0 号加油站,此时油箱有 8 - 2 + 1 = 7 升汽油

开往 1 号加油站,此时油箱有 7 - 3 + 2 = 6 升汽油

开往 2 号加油站,此时油箱有 6 - 4 + 3 = 5 升汽油

开往 3 号加油站,你需要消耗 5 升汽油,正好足够你返回到 3 号加油站。

因此,3 可为起始索引。

示例 2:

输入: gas = [2,3,4], cost = [3,4,3]

输出: -1

解释:

你不能从 0 号或 1 号加油站出发,因为没有足够的汽油可以让你行驶到下一个加油站。

我们从 2 号加油站出发,可以获得 4 升汽油。 此时油箱有 = 0 + 4 = 4 升汽油

开往 0 号加油站,此时油箱有 4 - 3 + 2 = 3 升汽油

开往 1 号加油站,此时油箱有 3 - 3 + 3 = 3 升汽油

你无法返回 2 号加油站,因为返程需要消耗 4 升汽油,但是你的油箱只有 3 升汽油。

因此,无论怎样,你都不可能绕环路行驶一周。


提示:

  • gas.length == n
  • cost.length == n
  • 1 <= n <= 10^5
  • 0 <= gas[i], cost[i] <= 10^4

代码1: 暴力枚举

package main
import (
  "fmt"
)
func canCompleteCircuit(gas []int, cost []int) int {
  n := len(gas)
  for i := 0; i < n; i++ {
    if gas[i] < cost[i] {
      continue
    }
    tank := 0
    for j := 0; j < n; j++ {
      k := (i + j) % n
      tank += gas[k] - cost[k]
      if tank < 0 {
        break
      }
    }
    if tank >= 0 {
      return i
    }
  }
  return -1
}
func main() {
  gas := []int{1, 2, 3, 4, 5}
  cost := []int{3, 4, 5, 1, 2}
  fmt.Println(canCompleteCircuit(gas, cost))
  gas = []int{2, 3, 4}
  cost = []int{3, 4, 3}
  fmt.Println(canCompleteCircuit(gas, cost))
}

代码2: 贪心算法

package main
import (
  "fmt"
)
func canCompleteCircuit(gas []int, cost []int) int {
  n := len(gas)
  start, total, tank := 0, 0, 0
  for i := 0; i < n; i++ {
    total += gas[i] - cost[i]
    tank += gas[i] - cost[i]
    if tank < 0 {
      start = i + 1
      tank = 0
    }
  }
  if total < 0 {
    return -1
  } else {
    return start
  }
}
func main() {
  gas := []int{1, 2, 3, 4, 5}
  cost := []int{3, 4, 5, 1, 2}
  fmt.Println(canCompleteCircuit(gas, cost))
  gas = []int{2, 3, 4}
  cost = []int{3, 4, 3}
  fmt.Println(canCompleteCircuit(gas, cost))
}

输出:

3

-1


135. 分发糖果 Candy

n 个孩子站成一排。给你一个整数数组 ratings 表示每个孩子的评分。

你需要按照以下要求,给这些孩子分发糖果:

  • 每个孩子至少分配到 1 个糖果。
  • 相邻两个孩子评分更高的孩子会获得更多的糖果。

请你给每个孩子分发糖果,计算并返回需要准备的 最少糖果数目

示例 1:

输入:ratings = [1,0,2]

输出:5

解释:你可以分别给第一个、第二个、第三个孩子分发 2、1、2 颗糖果。


示例 2:

输入:ratings = [1,2,2]

输出:4

解释:你可以分别给第一个、第二个、第三个孩子分发 1、2、1 颗糖果。

    第三个孩子只得到 1 颗糖果,这满足题面中的两个条件。


提示:

  • n == ratings.length
  • 1 <= n <= 2 * 10^4
  • 0 <= ratings[i] <= 2 * 10^4

代码1:

package main
import "fmt"
func candy(ratings []int) int {
  n := len(ratings)
  if n == 0 {
    return 0
  }
  candies := make([]int, n)
  for i := 0; i < n; i++ {
    candies[i] = 1
  }
  for i := 1; i < n; i++ {
    if ratings[i] > ratings[i-1] {
      candies[i] = candies[i-1] + 1
    }
  }
  for i := n - 2; i >= 0; i-- {
    if ratings[i] > ratings[i+1] && candies[i] <= candies[i+1] {
      candies[i] = candies[i+1] + 1
    }
  }
  sum := 0
  for i := 0; i < n; i++ {
    sum += candies[i]
  }
  return sum
}
func main() {
  ratings := []int{1, 0, 2}
  fmt.Println(candy(ratings))
  ratings = []int{1, 2, 2}
  fmt.Println(candy(ratings))
}

代码2:

package main
import "fmt"
func candy(ratings []int) int {
  n := len(ratings)
  if n == 0 {
    return 0
  }
  left := make([]int, n)
  for i := 0; i < n; i++ {
    left[i] = 1
    if i > 0 && ratings[i] > ratings[i-1] {
      left[i] = left[i-1] + 1
    }
  }
  right := make([]int, n)
  for i := n - 1; i >= 0; i-- {
    right[i] = 1
    if i < n-1 && ratings[i] > ratings[i+1] {
      right[i] = right[i+1] + 1
    }
  }
  sum := 0
  for i := 0; i < n; i++ {
    sum += max(left[i], right[i])
  }
  return sum
}
func max(a, b int) int {
  if a > b {
    return a
  }
  return b
}
func main() {
  ratings := []int{1, 0, 2}
  fmt.Println(candy(ratings))
  ratings = []int{1, 2, 2}
  fmt.Println(candy(ratings))
}

输出:

5

4


🌟 每日一练刷题专栏 🌟

持续,努力奋斗做强刷题搬运工!

👍 点赞,你的认可是我坚持的动力!

🌟 收藏,你的青睐是我努力的方向!

评论,你的意见是我进步的财富!  

主页:https://hannyang.blog.csdn.net/


目录
相关文章
|
2月前
|
缓存 供应链 监控
1688item_search_factory - 按关键字搜索工厂数据接口深度分析及 Python 实现
item_search_factory接口专为B2B电商供应链优化设计,支持通过关键词精准检索工厂信息,涵盖资质、产能、地理位置等核心数据,助力企业高效开发货源、分析产业集群与评估供应商。
|
2月前
|
JSON 监控 数据格式
1688 item_search_app 关键字搜索商品接口深度分析及 Python 实现
1688开放平台item_search_app接口专为移动端优化,支持关键词搜索、多维度筛选与排序,可获取商品详情及供应商信息,适用于货源采集、价格监控与竞品分析,助力采购决策。
|
3月前
|
缓存 API 网络架构
淘宝item_search_similar - 搜索相似的商品API接口,用python返回数据
淘宝联盟开放平台中,可通过“物料优选接口”(taobao.tbk.dg.optimus.material)实现“搜索相似商品”功能。该接口支持根据商品 ID 获取相似推荐商品,并返回商品信息、价格、优惠等数据,适用于商品推荐、比价等场景。本文提供基于 Python 的实现示例,包含接口调用、数据解析及结果展示。使用时需配置淘宝联盟的 appkey、appsecret 和 adzone_id,并注意接口调用频率限制和使用规范。
|
2月前
|
缓存 供应链 监控
VVIC seller_search 排行榜搜索接口深度分析及 Python 实现
VVIC搜款网seller_search接口提供服装批发市场的商品及商家排行榜数据,涵盖热销榜、销量排名、类目趋势等,支持多维度筛选与数据分析,助力选品决策、竞品分析与市场预测,为服装供应链提供有力数据支撑。
|
2月前
|
缓存 监控 算法
唯品会item_search - 按关键字搜索 VIP 商品接口深度分析及 Python 实现
唯品会item_search接口支持通过关键词、分类、价格等条件检索商品,广泛应用于电商数据分析、竞品监控与市场调研。结合Python可实现搜索、分析、可视化及数据导出,助力精准决策。
|
3月前
|
机器学习/深度学习 算法 文件存储
神经架构搜索NAS详解:三种核心算法原理与Python实战代码
神经架构搜索(NAS)正被广泛应用于大模型及语言/视觉模型设计,如LangVision-LoRA-NAS、Jet-Nemotron等。本文回顾NAS核心技术,解析其自动化设计原理,探讨强化学习、进化算法与梯度方法的应用与差异,揭示NAS在大模型时代的潜力与挑战。
743 6
神经架构搜索NAS详解:三种核心算法原理与Python实战代码
|
2月前
|
Web App开发 缓存 监控
微店店铺商品搜索(item_search_shop)接口深度分析及 Python 实现
item_search_shop接口用于获取特定店铺的全部商品数据,支持批量获取商品列表、基础信息、价格、销量等,适用于竞品监控、商品归类及店铺分析等场景,助力全面了解店铺经营状况。
|
2月前
|
JSON 缓存 供应链
电子元件 item_search - 按关键字搜索商品接口深度分析及 Python 实现
本文深入解析电子元件item_search接口的设计逻辑与Python实现,涵盖参数化筛选、技术指标匹配、供应链属性过滤及替代型号推荐等核心功能,助力高效精准的电子元器件搜索与采购决策。
|
2月前
|
缓存 自然语言处理 算法
item_search - Lazada 按关键字搜索商品接口深度分析及 Python 实现
Lazada的item_search接口是关键词搜索商品的核心工具,支持多语言、多站点,可获取商品价格、销量、评分等数据,适用于市场调研与竞品分析。