【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

作者推荐

视频算法专题

本文涉及知识点

动态规划汇总

记忆化搜索 字符串

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<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<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<vector> m_vLeftRight;

};


相关文章
|
1月前
|
算法
【算法】二分算法——搜索插入位置
【算法】二分算法——搜索插入位置
|
1天前
|
大数据 UED 开发者
实战演练:利用Python的Trie树优化搜索算法,性能飙升不是梦!
在数据密集型应用中,高效搜索算法至关重要。Trie树(前缀树/字典树)通过优化字符串处理和搜索效率成为理想选择。本文通过Python实战演示Trie树构建与应用,显著提升搜索性能。Trie树利用公共前缀减少查询时间,支持快速插入、删除和搜索。以下为简单示例代码,展示如何构建及使用Trie树进行搜索与前缀匹配,适用于自动补全、拼写检查等场景,助力提升应用性能与用户体验。
11 2
|
1月前
|
机器学习/深度学习 算法 文件存储
【博士每天一篇文献-算法】 PNN网络启发的神经网络结构搜索算法Progressive neural architecture search
本文提出了一种名为渐进式神经架构搜索(Progressive Neural Architecture Search, PNAS)的方法,它使用顺序模型优化策略和替代模型来逐步搜索并优化卷积神经网络结构,从而提高了搜索效率并减少了训练成本。
36 9
|
1月前
|
算法
【算法】递归、搜索与回溯——汉诺塔
【算法】递归、搜索与回溯——汉诺塔
|
1月前
|
算法 C++ 容器
C++标准库中copy算法的使用
C++标准库中copy算法的使用
17 1
|
1月前
|
存储 算法 调度
基于和声搜索算法(Harmony Search,HS)的机器设备工作最优调度方案求解matlab仿真
通过和声搜索算法(HS)实现多机器并行工作调度,以最小化任务完成时间。在MATLAB2022a环境下,不仅输出了工作调度甘特图,还展示了算法适应度值的收敛曲线。HS算法模拟音乐家即兴创作过程,随机生成初始解(和声库),并通过选择、微调生成新解,不断迭代直至获得最优调度方案。参数包括和声库大小、记忆考虑率、音调微调率及带宽。编码策略将任务与设备分配映射为和声,目标是最小化完成时间,同时确保满足各种约束条件。
|
1月前
|
算法 搜索推荐 C++
c++常见算法
C++中几种常见算法的示例代码,包括查找数组中的最大值、数组倒置以及冒泡排序算法。
17 0
|
1月前
|
算法
【算法】递归、搜索与回溯——简介
【算法】递归、搜索与回溯——简介
|
1月前
|
算法 C++ 容器
【C++算法】双指针
【C++算法】双指针
|
2月前
|
大数据 UED 开发者
实战演练:利用Python的Trie树优化搜索算法,性能飙升不是梦!
【7月更文挑战第19天】Trie树,又称前缀树,是优化字符串搜索的高效数据结构。通过利用公共前缀,Trie树能快速插入、删除和查找字符串。
78 2