【动态规划】【C++算法】2518. 好分区的数目

简介: 【动态规划】【C++算法】2518. 好分区的数目

作者推荐

动态规划】【前缀和】【C++算法】LCP 57. 打地鼠

本文涉及知识点

动态规划汇总

LeetCode:2518. 好分区的数目

给你一个正整数数组 nums 和一个整数 k 。

分区 的定义是:将数组划分成两个有序的 组 ,并满足每个元素 恰好 存在于 某一个 组中。如果分区中每个组的元素和都大于等于 k ,则认为分区是一个好分区。

返回 不同 的好分区的数目。由于答案可能很大,请返回对 109 + 7 取余 后的结果。

如果在两个分区中,存在某个元素 nums[i] 被分在不同的组中,则认为这两个分区不同。

示例 1:

输入:nums = [1,2,3,4], k = 4

输出:6

解释:好分区的情况是 ([1,2,3], [4]), ([1,3], [2,4]), ([1,4], [2,3]), ([2,3], [1,4]), ([2,4], [1,3]) 和 ([4], [1,2,3]) 。

示例 2:

输入:nums = [3,3,3], k = 4

输出:0

解释:数组中不存在好分区。

示例 3:

输入:nums = [6,6], k = 2

输出:2

解释:可以将 nums[0] 放入第一个分区或第二个分区中。

好分区的情况是 ([6], [6]) 和 ([6], [6]) 。

参数范围

1 <= nums.length, k <= 1000

1 <= nums[i] <= 109

动态规划

动态规划的状态表示

暴力做法:dp[i][j][m] 记录前i个 数子,第一个分区和为j,第二个分区和为m。这样时间复杂度O(109)超时。

状态优化

j+m 显然等于y= ∑ x : 0 i − 1 \Large\sum_{x:0}^{i-1}x:0i1nums[x]

{ 第一个分区和为 p r e , 第二个分区和为 j − p r e p r e < k 第一个分区和大于等于 k ,第二个分区和 p r e − k p r e ∈ [ k , 2 k ] \begin{cases} 第一个分区和为pre,第二个分区和为j-pre & pre<k \\ 第一个分区和大于等于k,第二个分区和pre-k & pre\in[k,2k] \end{cases}{第一个分区和为pre,第二个分区和为jpre第一个分区和大于等于k,第二个分区和prekpre<kpre[k,2k]

pre[j]表示前i个数的形成的分区数量,dp[j]表示前i+1个数。

动态规划的转移方程

分两种情况:nums[i] 属于分区一,属于分区二。

动态规划的初始值

pre[0]=1,其它等于0。

动态规划的填表顺序

i从0到大,前者状态更新后置状态。

动态规划的返回值

pre.back()。

代码

核心代码

template<int MOD = 1000000007>
class C1097Int
{
public:
  C1097Int(long long llData = 0) :m_iData(llData% MOD)
  {
  }
  C1097Int  operator+(const C1097Int& o)const
  {
    return C1097Int(((long long)m_iData + o.m_iData) % MOD);
  }
  C1097Int& operator+=(const C1097Int& o)
  {
    m_iData = ((long long)m_iData + o.m_iData) % MOD;
    return *this;
  }
  C1097Int& operator-=(const C1097Int& o)
  {
    m_iData = (m_iData + MOD - o.m_iData) % MOD;
    return *this;
  }
  C1097Int  operator-(const C1097Int& o)
  {
    return C1097Int((m_iData + MOD - o.m_iData) % MOD);
  }
  C1097Int  operator*(const C1097Int& o)const
  {
    return((long long)m_iData * o.m_iData) % MOD;
  }
  C1097Int& operator*=(const C1097Int& o)
  {
    m_iData = ((long long)m_iData * o.m_iData) % MOD;
    return *this;
  }
  bool operator<(const C1097Int& o)const
  {
    return m_iData < o.m_iData;
  }
  C1097Int pow(long long n)const
  {
    C1097Int iRet = 1, iCur = *this;
    while (n)
    {
      if (n & 1)
      {
        iRet *= iCur;
      }
      iCur *= iCur;
      n >>= 1;
    }
    return iRet;
  }
  C1097Int PowNegative1()const
  {
    return pow(MOD - 2);
  }
  int ToInt()const
  {
    return m_iData;
  }
private:
  int m_iData = 0;;
};
class Solution {
public:
  int countPartitions(vector<int>& nums, int k) {
    vector<C1097Int<>> vPre(2 * k + 1);
    vPre[0] = 1;
    long long llSum = 0;
    for (const auto& n : nums)
    {     
      vector<C1097Int<>> dp(2 * k + 1);
      for (int pre = 0; pre <= 2 * k; pre++)
      {
        const long long sum1 = (pre < k) ? pre : k;
        const long long sum2 = min((long long)k,((pre < k) ? (llSum - pre) : (pre - k)));
        //分区一
        const long long sum11 = min((long long)k, sum1 + n);
        const long long sum22 = min((long long)k, sum2 + n);
        auto Updata = [&dp,&vPre, &pre,&k] (long long sum1, long long sum2)
        {
          if (sum1 < k)
          {
            dp[sum1] += vPre[pre];
          }
          else
          {
            dp[k+sum2] += vPre[pre];
          }
        };
        Updata(sum11, sum2);
        Updata(sum1, sum22);
      }
      vPre.swap(dp);
      llSum += n;
    }
    return vPre.back().ToInt();
  }
};

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<int> nums;
  int k;
  {
    Solution sln;
    nums = { 1, 2, 3, 4 }, k = 4;
    auto res = sln.countPartitions(nums, k);
    Assert(res,6);
  }
  {
    Solution sln;
    nums = { 3, 3, 3 }, k = 4;
    auto res = sln.countPartitions(nums, k);
    Assert(res, 0);
  }
  {
    Solution sln;
    nums = { 6,6 }, k = 2;
    auto res = sln.countPartitions(nums, k);
    Assert(res, 2);
  }
    
}


2023年2月

class C1097Int

{

public:

C1097Int(int iData = 0) :m_iData(iData)

{

}
 C1097Int  operator+(const C1097Int& o)const
 {
   return C1097Int(((long long)m_iData + o.m_iData) % s_iMod);
 }
 C1097Int&  operator+=(const C1097Int& o)
 {
   m_iData = ((long long)m_iData + o.m_iData) % s_iMod;
   return *this;
 }
 C1097Int&  operator-=(const C1097Int& o)
 {
   m_iData = (m_iData + s_iMod  - o.m_iData) % s_iMod;
   return *this;
 }
 C1097Int  operator*(const C1097Int& o)const
 {
   return((long long)m_iData *o.m_iData) % s_iMod;
 }
 C1097Int&  operator*=(const C1097Int& o)
 {
  m_iData =((long long)m_iData *o.m_iData) % s_iMod;
   return *this;
 }
 bool operator<(const C1097Int& o)const
 {
   return m_iData < o.m_iData;
 }
 C1097Int& pow( int n)const
 {
   C1097Int iRet = 1, iCur = *this;
  while (n)
  {
    if (n & 1)
    {
      iRet *= iCur;
    }
    iCur *= iCur;
    n >>= 1;
  }
  return iRet;
 }
 C1097Int PowNegative1()
 {
   return pow(s_iMod - 2);
 }
 int ToInt()const
 {
   return m_iData;
 }

private:

int m_iData = 0;;

static const int s_iMod = 1000000007;

};

int operator+(int iData, const C1097Int& int1097)

{

int iRet = int1097.operator+(C1097Int(iData)).ToInt();

return iRet;

}

int& operator+=(int& iData, const C1097Int& int1097)

{

iData = int1097.operator+(C1097Int(iData)).ToInt();

return iData;

}

int operator*(int iData, const C1097Int& int1097)

{

int iRet = int1097.operator*(C1097Int(iData)).ToInt();

return iRet;

}

int& operator*=(int& iData, const C1097Int& int1097)

{

iData = int1097.operator*(C1097Int(iData)).ToInt();

return iData;

}

class Solution {

public:

int countPartitions(vector& nums, int K) {

//pre0 记录选取的数组和低于k,pre1 记录选取的数组和超过k,未选取的数组和低于k

vector pre0(K), pre1(K);

pre0[0] = 1;

C1097Int iRet;

long long llSum = 0;

for (const auto& n : nums)

{

llSum += n;

vector dp0 = pre0, dp1 = pre1;

iRet += iRet;//已经符合要求的,选取不选取都符合

//选取

for (int pr = 0; pr < K; pr++)

{

const int iSelSum = pr + n;

const auto& preValue = pre0[pr];

if (0 == preValue.ToInt())

{

continue;

}

if (iSelSum< K)

{

dp0[iSelSum] += preValue;

}

else

{

const long long llNoSelSum = llSum - iSelSum;

if (llNoSelSum >= K)

{

iRet += preValue;

}

else

{

dp1[llNoSelSum] += preValue;

}

}

}

//不选取

for (int pr = 0; pr < K; pr++)

{

const int iNoSelSum = pr + n;

const auto& preValue = pre1[pr];

if (0 == preValue.ToInt())

{

continue;

}

if (iNoSelSum < K)

{

dp1[iNoSelSum] += preValue;

}

else

{

iRet += preValue;

}

}

pre0.swap(dp0);

pre1.swap(dp1);

}

return iRet.ToInt();

}

};

相关文章
|
8天前
|
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。
25 2
|
1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。
62 2
动态规划算法学习三:0-1背包问题
|
1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。
65 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
|
1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。
118 0
动态规划算法学习二:最长公共子序列
|
1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)
406 0
高精度算法(加、减、乘、除,使用c++实现)
|
1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。
22 0
|
1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。
98 0
|
1月前
|
存储 算法 决策智能
【算法】博弈论(C/C++)
【算法】博弈论(C/C++)
|
1月前
|
存储 算法 C++
【算法】哈希映射(C/C++)
【算法】哈希映射(C/C++)
|
1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++)