【动态规划】【逆向思考】【C++算法】960. 删列造序 III

简介: 【动态规划】【逆向思考】【C++算法】960. 删列造序 III

作者推荐

【动态规划】【map】【C++算法】1289. 下降路径最小和 II

本文涉及知识点

动态规划汇总

LeetCode960. 删列造序 III

给定由 n 个小写字母字符串组成的数组 strs ,其中每个字符串长度相等。

选取一个删除索引序列,对于 strs 中的每个字符串,删除对应每个索引处的字符。

比如,有 strs = [“abcdef”,“uvwxyz”] ,删除索引序列 {0, 2, 3} ,删除后为 [“bef”, “vyz”] 。

假设,我们选择了一组删除索引 answer ,那么在执行删除操作之后,最终得到的数组的行中的 每个元素 都是按字典序排列的(即 (strs[0][0] <= strs[0][1] <= … <= strs[0][strs[0].length - 1]) 和 (strs[1][0] <= strs[1][1] <= … <= strs[1][strs[1].length - 1]) ,依此类推)。

请返回 answer.length 的最小可能值 。

示例 1:

输入:strs = [“babca”,“bbazb”]

输出:3

解释:

删除 0、1 和 4 这三列后,最终得到的数组是 strs = [“bc”, “az”]。

这两行是分别按字典序排列的(即,strs[0][0] <= strs[0][1] 且 strs[1][0] <= strs[1][1])。

注意,strs[0] > strs[1] —— 数组 strs 不一定是按字典序排列的。

示例 2:

输入:strs = [“edcba”]

输出:4

解释:如果删除的列少于 4 列,则剩下的行都不会按字典序排列。

示例 3:

输入:strs = [“ghi”,“def”,“abc”]

输出:0

解释:所有行都已按字典序排列。

提示:

n == strs.length

1 <= n <= 100

1 <= strs[i].length <= 100

strs[i] 由小写英文字母组成

动态规划

逆向思考:最少删除就是最多保留。

动态规划的状态表示

dp[i]表示,以第i列结尾的最长序列的最长长度。

## 动态规划的的转移方程

dp[i] =Maxj = 0 : i − 1 全部第 i 列大于等于第 j 列 \Large_{j=0:i-1}^{全部第i列大于等于第j列}j=0:i1全部第i列大于等于第j(pre[j+1)

代码

核心代码

class Solution {
public:
  int minDeletionSize(vector<string>& strs) {
    m_c = strs.front().size();
    vector<int> dp(m_c,1);
    for (int i = 1; i < m_c; i++)
    {
      for (int j = 0; j < i; j++)
      {
        if (GreateEqual(strs, i, j))
        {
          dp[i] = max(dp[i], dp[j] + 1);
        }
      }
    }
    return strs[0].length()- *max_element(dp.begin(),dp.end());
  }
  bool GreateEqual(const vector<string>& strs, int i,int j)
  {
    for (const auto& s : strs)
    {
      if (s[i] < s[j])
      {
        return false;
      }
    }
    return true;
  }
  int m_c;
};

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<string> strs;
  {
    Solution sln;
    strs = { "abbba" };
    auto res = sln.minDeletionSize(strs);
    Assert(res, 1);
  }
  {
    Solution sln;
    strs = { "babca", "bbazb" };
    auto res = sln.minDeletionSize(strs);
    Assert(res,3);
  }
  {
    Solution sln;
    strs = { "edcba" };
    auto res = sln.minDeletionSize(strs);
    Assert(res, 4);
  }
  {
    Solution sln;
    strs = { "ghi","def","abc" };
    auto res = sln.minDeletionSize(strs);
    Assert(res, 0);
  }
  
}

2023年1月版

class Solution {

public:

int minDeletionSize(vector& strs) {

m_r = strs.size();

m_c = strs[0].length();

vector dp(m_c, 1);

for (int i = 0; i < m_c; i++)

{

for (int j = i + 1; j < m_c; j++)

{

bool bVilid = true;

for (int k = 0; k < m_r; k++)

{

if (strs[k][i] > strs[k][j])

{

bVilid = false;

}

}

if (bVilid)

{

dp[j] = max(dp[j], dp[i] + 1);

}

}

}

return m_c - *std::max_element(dp.begin(), dp.end());

}

int m_r;

int m_c;

};

2023年7月

class Solution {

public:

int minDeletionSize(vector& strs) {

m_r = strs.size();

m_c = strs[0].size();

//换过解法: 保留最多列 pre[i]表示以i结尾能保留多少列

vector pre;

for (int i = 0; i < m_c; i++)

{

int iMaxHas = 1;

for (int j = 0; j < pre.size(); j++)

{

bool bCan = true;

for (int r = 0; r < m_r; r++)

{

if (strs[r][i] < strs[r][j])

{

bCan = false;

}

}

if (bCan)

{

iMaxHas = max(iMaxHas, pre[j] + 1);

}

}

pre.emplace_back(iMaxHas);

}

return m_c - *std::max_element(pre.begin(), pre.end());

}

int m_r, m_c;

};


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。
103 2
动态规划算法学习三:0-1背包问题
|
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。
175 0
动态规划算法学习二:最长公共子序列
|
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)
685 0
高精度算法(加、减、乘、除,使用c++实现)
|
2月前
|
算法 数据处理 C++
c++ STL划分算法;partition()、partition_copy()、stable_partition()、partition_point()详解
这些算法是C++ STL中处理和组织数据的强大工具,能够高效地实现复杂的数据处理逻辑。理解它们的差异和应用场景,将有助于编写更加高效和清晰的C++代码。
47 0
|
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。
166 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++)
|
2月前
|
机器学习/深度学习 人工智能 算法
【算法】最长公共子序列(C/C++)
【算法】最长公共子序列(C/C++)