【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
|
29天前
|
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
14 1
|
2月前
|
算法 开发者 Python
惊呆了!Python算法设计与分析,分治法、贪心、动态规划...这些你都会了吗?不会?那还不快来学!
【7月更文挑战第10天】探索编程巅峰,算法至关重要。Python以其易读性成为学习算法的首选。分治法,如归并排序,将大问题拆解;贪心算法,如找零问题,每步求局部最优;动态规划,如斐波那契数列,利用子问题解。通过示例代码,理解并掌握这些算法,提升编程技能,面对挑战更加从容。动手实践,体验算法的神奇力量吧!
60 8
|
28天前
|
机器学习/深度学习 算法 Java
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
这篇文章介绍了基于贪婪技术思想的Prim算法和Dijkstra算法,包括它们的伪代码描述、Java源代码实现、时间效率分析,并展示了算法的测试用例结果,使读者对贪婪技术及其应用有了更深入的理解。
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
|
28天前
|
算法 Java 测试技术
算法设计(动态规划实验报告) 基于动态规划的背包问题、Warshall算法和Floyd算法
这篇文章介绍了基于动态规划法的三种算法:解决背包问题的递归和自底向上实现、Warshall算法和Floyd算法,并提供了它们的伪代码、Java源代码实现以及时间效率分析。
算法设计(动态规划实验报告) 基于动态规划的背包问题、Warshall算法和Floyd算法
|
22天前
|
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。
14 0
|
29天前
|
算法 C++ 容器
【C++算法】双指针
【C++算法】双指针
|
2月前
|
算法 Python
Python算法高手进阶指南:分治法、贪心算法、动态规划,掌握它们,算法难题迎刃而解!
【7月更文挑战第10天】探索Python算法的精华:分治法(如归并排序)、贪心策略(如找零钱问题)和动态规划(解复杂问题)。通过示例代码揭示它们如何优化问题解决,提升编程技能。掌握这些策略,攀登技术巅峰。
58 2
|
2月前
|
算法 程序员 Python
算法小白到大神的蜕变之路:Python分治法、贪心、动态规划,一步步带你走向算法巅峰!
【7月更文挑战第9天】探索算法之旅,以Python解锁编程高手之路。分治法如二分查找,将复杂问题拆解;贪心算法解决活动选择,每次选取局部最优;动态规划求斐波那契数列,避免重复计算,实现全局最优。每一步学习,都是编程能力的升华,助你应对复杂挑战,迈向算法大师!
34 1
|
2月前
|
存储 算法 Python
Python算法界的秘密武器:分治法巧解难题,贪心算法快速决策,动态规划优化未来!
【7月更文挑战第9天】Python中的分治、贪心和动态规划是三大关键算法。分治法将大问题分解为小问题求解,如归并排序;贪心算法每步选局部最优解,不保证全局最优,如找零钱;动态规划存储子问题解求全局最优,如斐波那契数列。选择合适算法能提升编程效率。
48 1
|
2月前
|
存储 算法 Python
震撼!Python算法设计与分析,分治法、贪心、动态规划...这些经典算法如何改变你的编程世界!
【7月更文挑战第9天】在Python的算法天地,分治、贪心、动态规划三巨头揭示了解题的智慧。分治如归并排序,将大问题拆解为小部分解决;贪心算法以局部最优求全局,如Prim的最小生成树;动态规划通过存储子问题解避免重复计算,如斐波那契数列。掌握这些,将重塑你的编程思维,点亮技术之路。
48 1