【状态压缩】【动态规划】【C++算法】1125.最小的必要团队

简介: 【状态压缩】【动态规划】【C++算法】1125.最小的必要团队

作者推荐

【广度优先搜索】【网格】【割点】【 推荐】1263. 推箱子

本文涉及知识点

动态规划汇总

状态压缩

LeetCode1125. 最小的必要团队

作为项目经理,你规划了一份需求的技能清单 req_skills,并打算从备选人员名单 people 中选出些人组成一个「必要团队」( 编号为 i 的备选人员 people[i] 含有一份该备选人员掌握的技能列表)。

所谓「必要团队」,就是在这个团队中,对于所需求的技能列表 req_skills 中列出的每项技能,团队中至少有一名成员已经掌握。可以用每个人的编号来表示团队中的成员:

例如,团队 team = [0, 1, 3] 表示掌握技能分别为 people[0],people[1],和 people[3] 的备选人员。

请你返回 任一 规模最小的必要团队,团队成员用人员编号表示。你可以按 任意顺序 返回答案,题目数据保证答案存在。

示例 1:

输入:req_skills = [“java”,“nodejs”,“reactjs”], people = [[“java”],[“nodejs”],[“nodejs”,“reactjs”]]

输出:[0,2]

示例 2:

输入:req_skills = [“algorithms”,“math”,“java”,“reactjs”,“csharp”,“aws”], people = [[“algorithms”,“math”,“java”],[“algorithms”,“math”,“reactjs”],[“java”,“csharp”,“aws”],[“reactjs”,“csharp”],[“csharp”,“math”],[“aws”,“java”]]

输出:[1,2]

提示:

1 <= req_skills.length <= 16

1 <= req_skills[i].length <= 16

req_skills[i] 由小写英文字母组成

req_skills 中的所有字符串 互不相同

1 <= people.length <= 60

0 <= people[i].length <= 16

1 <= people[i][j].length <= 16

people[i][j] 由小写英文字母组成

people[i] 中的所有字符串 互不相同

people[i] 中的每个技能是 req_skills 中的技能

题目数据保证「必要团队」一定存在

动态规划

状态压缩

利用哈希map将字符串转成数字。方便状态压缩。mask &(1 <<i ) 表示第i个技能已经具备。

动态规划的状态

pre[mask] 从前i个人员中选择具备mask技能的最少人数。

dp[mask] 从前i+1个人员中选择具备mask技能的最少人数。

动态规划的转移方程

const int iNewMask = preMask | curMask;

人数必定+1。

动态规划的初始状态

pre[0]=0,其它1000,表示此种状态不存在。

动态规划的填表顺序

依次处理各人员。

动态规划的返回值

vResut[mask] 记录: 转移之前的状态和最后选择的人员。

代码

核心代码

class Solution {
public:
  vector<int> smallestSufficientTeam(vector<string>& req_skills, vector<vector<string>>& people) {
    unordered_map<string, int> mStrIndex;
    for (const auto& s : req_skills)
    {
      if (!mStrIndex.count(s))
      {
        mStrIndex[s] = mStrIndex.size();
      }
    }
    const int iMaskCount = 1 << mStrIndex.size();
    vector<int> pre(iMaskCount, 1000);
    vector<pair<int, int>> vResult(iMaskCount);
    pre[0] = 0;
    int cur = -1;
    for (const auto& v : people)
    {
      cur++;
      int curMask = 0;
      for (const string& s : v)
      {
        if (mStrIndex.count(s))
        {
          curMask |= (1 << mStrIndex[s]);
        }
      }
      auto dp = pre;//不选择当前人员
      for (int preMask = 0; preMask < iMaskCount; preMask++)
      {
        const int iNewMask = preMask | curMask;
        if (pre[preMask] + 1 < dp[iNewMask])
        {
          dp[iNewMask] = pre[preMask] + 1;
          vResult[iNewMask] = std::make_pair(preMask, cur);
        }
      }
      pre.swap(dp);
    }
    vector<int> vRet;
    for (int mask = iMaskCount - 1; mask > 0; )
    {
      vRet.emplace_back(vResult[mask].second);
      mask = vResult[mask].first;
    }
    return vRet;
  }
};

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> req_skills;
  vector<vector<string>> people;
  {
    Solution sln;
    req_skills = { "java","nodejs","reactjs" }, people = { {"java"},{"nodejs"},{"nodejs","reactjs"} };
    auto res = sln.smallestSufficientTeam(req_skills, people);    
  //  Assert(vector<int>{0, 2}, res);
  }
  {
    Solution sln;
    req_skills = { "algorithms","math","java","reactjs","csharp","aws" }, people = { {"algorithms","math","java"},{"algorithms","math","reactjs"},{"java","csharp","aws"},{"reactjs","csharp"},{"csharp","math"},{"aws","java"} };
    auto res = sln.smallestSufficientTeam(req_skills, people);
    //Assert(vector<int>{1, 2}, res);
  }
}

2023年1月 第一版

class Solution {

public:

vector smallestSufficientTeam(vector& req_skills, vector<vector>& people) {

m_iBitNum = req_skills.size();

m_iMaskNum = (1 << m_iBitNum);

for (const auto& s : req_skills)

{

m_mSkillNameToIndex[s] = m_mSkillNameToIndex.size();

}

std::unordered_map<int,int> pre;

pre[0] = 0;

std::unordered_map<int, vector> preIndex(1);

for (int i = 0; i < people.size();i++ )

{

const auto& v = people[i];

std::unordered_map<int, int> dp = pre;

std::unordered_map<int, vector> dpIndex = preIndex;

for (const auto& pr : pre)

{

int iNewMask = pr.first;

for (const auto& s : v)

{

iNewMask |= (1 << m_mSkillNameToIndex[s]);

}

const int iNewNum = pr.second + 1;

if ((!dp.count(iNewMask)) || (iNewNum < dp[iNewMask]))

{

dp[iNewMask] = iNewNum;

dpIndex[iNewMask] = preIndex[pr.first];

dpIndex[iNewMask].push_back(i);

}

}

pre.swap(dp);

preIndex.swap(dpIndex);

}

return preIndex[m_iMaskNum - 1];

}

int m_iMaskNum;

int m_iBitNum;

std::unordered_map<string, int> m_mSkillNameToIndex;

};

2023年1月第二版

class Solution {

public:

vector smallestSufficientTeam(vector& req_skills, vector<vector>& people) {

m_iBitNum = req_skills.size();

m_iMaskNum = (1 << m_iBitNum);

for (const auto& s : req_skills)

{

m_mSkillNameToIndex[s] = m_mSkillNameToIndex.size();

}

std::vector pre(m_iMaskNum,1000);

pre[0] = 0;

std::vector<vector> preIndex(m_iMaskNum);

for (int i = 0; i < people.size();i++ )

{

const auto& v = people[i];

std::vector dp = pre;

std::vector<vector> dpIndex = preIndex;

for (int iMask = 0; iMask < m_iMaskNum; iMask++ )

{

int iNewMask = iMask;

for (const auto& s : v)

{

iNewMask |= (1 << m_mSkillNameToIndex[s]);

}

const int iNewNum = pre[iMask] + 1;

if (iNewNum < dp[iNewMask])

{

dp[iNewMask] = iNewNum;

dpIndex[iNewMask] = preIndex[iMask];

dpIndex[iNewMask].push_back(i);

}

}

pre.swap(dp);

preIndex.swap(dpIndex);

}

return preIndex[m_iMaskNum - 1];

}

int m_iMaskNum;

int m_iBitNum;

std::unordered_map<string, int> m_mSkillNameToIndex;

};

2023年1月 第3版

class Solution {

public:

vector smallestSufficientTeam(vector& req_skills, vector<vector>& people) {

m_iBitNum = req_skills.size();

m_iMaskNum = (1 << m_iBitNum);

for (const auto& s : req_skills)

{

m_mSkillNameToIndex[s] = m_mSkillNameToIndex.size();

}

vector vPeoMask;

for (const auto& v : people)

{

int iMask = 0;

for (const auto& s : v)

{

iMask |= (1 << m_mSkillNameToIndex[s]);

}

vPeoMask.push_back(iMask);

}

std::vector pre(m_iMaskNum,1000);

pre[0] = 0;

std::vector preIndex(m_iMaskNum);

for (int i = 0; i < people.size();i++ )

{

const auto& v = people[i];

std::vector dp = pre;

std::vector dpIndex = preIndex;

for (int iMask = 0; iMask < m_iMaskNum; iMask++ )

{

if (1000 == pre[iMask])

{

continue;

}

const int iNewMask = iMask | vPeoMask[i];

if (iNewMask == iMask)

{

continue;

}

const int iNewNum = pre[iMask] + 1;

if (iNewNum < dp[iNewMask])

{

dp[iNewMask] = iNewNum;

auto llNewPeoMask = (1LL) << i;

dpIndex[iNewMask] = preIndex[iMask] | llNewPeoMask;

}

}

pre.swap(dp);

preIndex.swap(dpIndex);

}

vector ret;

for (int i = 0; i < people.size(); i++)

{

const auto llNewPeoMask = (1LL) << i;

if (llNewPeoMask & preIndex[m_iMaskNum - 1])

{

ret.push_back(i);

}

}

return ret;

}

int m_iMaskNum;

int m_iBitNum;

std::unordered_map<string, int> m_mSkillNameToIndex;

};


相关文章
|
4月前
|
存储 监控 算法
基于 C++ 哈希表算法实现局域网监控电脑屏幕的数据加速机制研究
企业网络安全与办公管理需求日益复杂的学术语境下,局域网监控电脑屏幕作为保障信息安全、规范员工操作的重要手段,已然成为网络安全领域的关键研究对象。其作用类似网络空间中的 “电子眼”,实时捕获每台电脑屏幕上的操作动态。然而,面对海量监控数据,实现高效数据存储与快速检索,已成为提升监控系统性能的核心挑战。本文聚焦于 C++ 语言中的哈希表算法,深入探究其如何成为局域网监控电脑屏幕数据处理的 “加速引擎”,并通过详尽的代码示例,展现其强大功能与应用价值。
106 2
|
5月前
|
存储 算法 C++
Windows共享文件:探秘C++实现的B树索引算法奇境
在数字化时代,Windows共享文件的高效管理至关重要。B树算法以其自平衡多路搜索特性,在文件索引与存储优化中表现出色。本文探讨B树在Windows共享文件中的应用,通过C++实现具体代码,展示其构建文件索引、优化数据存储的能力,提升文件检索效率。B树通过减少磁盘I/O操作,确保查询高效,为企业和个人提供流畅的文件共享体验。
|
6月前
|
存储 负载均衡 算法
基于 C++ 语言的迪杰斯特拉算法在局域网计算机管理中的应用剖析
在局域网计算机管理中,迪杰斯特拉算法用于优化网络路径、分配资源和定位故障节点,确保高效稳定的网络环境。该算法通过计算最短路径,提升数据传输速率与稳定性,实现负载均衡并快速排除故障。C++代码示例展示了其在网络模拟中的应用,为企业信息化建设提供有力支持。
175 15
|
6月前
|
运维 监控 算法
解读 C++ 助力的局域网监控电脑网络连接算法
本文探讨了使用C++语言实现局域网监控电脑中网络连接监控的算法。通过将局域网的拓扑结构建模为图(Graph)数据结构,每台电脑作为顶点,网络连接作为边,可高效管理与监控动态变化的网络连接。文章展示了基于深度优先搜索(DFS)的连通性检测算法,用于判断两节点间是否存在路径,助力故障排查与流量优化。C++的高效性能结合图算法,为保障网络秩序与信息安全提供了坚实基础,未来可进一步优化以应对无线网络等新挑战。
|
6月前
|
存储 算法 数据处理
公司局域网管理中的哈希表查找优化 C++ 算法探究
在数字化办公环境中,公司局域网管理至关重要。哈希表作为一种高效的数据结构,通过哈希函数将关键值(如IP地址、账号)映射到数组索引,实现快速的插入、删除与查找操作。例如,在员工登录验证和设备信息管理中,哈希表能显著提升效率,避免传统线性查找的低效问题。本文以C++为例,展示了哈希表在局域网管理中的具体应用,包括设备MAC地址与IP分配的存储与查询,并探讨了优化哈希函数和扩容策略,确保网络管理高效准确。
|
2月前
|
存储 监控 算法
基于跳表数据结构的企业局域网监控异常连接实时检测 C++ 算法研究
跳表(Skip List)是一种基于概率的数据结构,适用于企业局域网监控中海量连接记录的高效处理。其通过多层索引机制实现快速查找、插入和删除操作,时间复杂度为 $O(\log n)$,优于链表和平衡树。跳表在异常连接识别、黑名单管理和历史记录溯源等场景中表现出色,具备实现简单、支持范围查询等优势,是企业网络监控中动态数据管理的理想选择。
82 0
|
3月前
|
存储 机器学习/深度学习 算法
基于 C++ 的局域网访问控制列表(ACL)实现及局域网限制上网软件算法研究
本文探讨局域网限制上网软件中访问控制列表(ACL)的应用,分析其通过规则匹配管理网络资源访问的核心机制。基于C++实现ACL算法原型,展示其灵活性与安全性。文中强调ACL在企业与教育场景下的重要作用,并提出性能优化及结合机器学习等未来研究方向。
99 4
|
4月前
|
监控 算法 数据处理
基于 C++ 的 KD 树算法在监控局域网屏幕中的理论剖析与工程实践研究
本文探讨了KD树在局域网屏幕监控中的应用,通过C++实现其构建与查询功能,显著提升多维数据处理效率。KD树作为一种二叉空间划分结构,适用于屏幕图像特征匹配、异常画面检测及数据压缩传输优化等场景。相比传统方法,基于KD树的方案检索效率提升2-3个数量级,但高维数据退化和动态更新等问题仍需进一步研究。未来可通过融合其他数据结构、引入深度学习及开发增量式更新算法等方式优化性能。
142 17
|
3月前
|
机器学习/深度学习 存储 算法
基于 C++ 布隆过滤器算法的局域网上网行为控制:URL 访问过滤的高效实现研究
本文探讨了一种基于布隆过滤器的局域网上网行为控制方法,旨在解决传统黑白名单机制在处理海量URL数据时存储与查询效率低的问题。通过C++实现URL访问过滤功能,实验表明该方法可将内存占用降至传统方案的八分之一,查询速度提升约40%,假阳性率可控。研究为优化企业网络管理提供了新思路,并提出结合机器学习、改进哈希函数及分布式协同等未来优化方向。
90 0
|
5月前
|
存储 监控 算法
基于 C++ 哈希表算法的局域网如何监控电脑技术解析
当代数字化办公与生活环境中,局域网的广泛应用极大地提升了信息交互的效率与便捷性。然而,出于网络安全管理、资源合理分配以及合规性要求等多方面的考量,对局域网内计算机进行有效监控成为一项至关重要的任务。实现局域网内计算机监控,涉及多种数据结构与算法的运用。本文聚焦于 C++ 编程语言中的哈希表算法,深入探讨其在局域网计算机监控场景中的应用,并通过详尽的代码示例进行阐释。
116 4