Leetcode第383场周赛

本文涉及的产品
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
实时计算 Flink 版,5000CU*H 3个月
实时数仓Hologres,5000CU*H 100GB 3个月
简介: 在LeetCode第383场周赛中,选手完成了3道题目。第一题是关于边界上的蚂蚁,蚂蚁根据非零整数数组nums的值移动,返回蚂蚁返回边界上的次数。解题方法是计算数组累加和为0的次数。第二题涉及计算网格的区域平均强度,给定一个灰度图像和阈值,返回每个像素所属区域的平均强度。解题关键在于理解相邻像素和区域定义,并计算平均强度。第三题是恢复单词初始状态的最短时间问题,通过移除前k个字符并添加k个字符,求恢复原词所需的最短时间。解题策略是检查去除前k个字符后的子串是否能作为原词的前缀。

Leetcode第383场周赛

本人水平有限,只做前3道。

一、边界上的蚂蚁

边界上有一只蚂蚁,它有时向 左 走,有时向 右 走。

给你一个 非零 整数数组 nums 。蚂蚁会按顺序读取 nums 中的元素,从第一个元素开始直到结束。每一步,蚂蚁会根据当前元素的值移动:

如果 nums[i] < 0 ,向 左 移动 -nums[i]单位。
如果 nums[i] > 0 ,向 右 移动 nums[i]单位。
返回蚂蚁 返回 到边界上的次数。

注意:

边界两侧有无限的空间。
只有在蚂蚁移动了 |nums[i]| 单位后才检查它是否位于边界上。换句话说,如果蚂蚁只是在移动过程中穿过了边界,则不会计算在内。

解题思路

找到数组累加和=0的次数

代码

class Solution {
   
   
    public int returnToBoundaryCount(int[] nums) {
   
   
        int rec = 0,cnt = 0;
        for(int num:nums){
   
   
            rec += num;
            if(rec==0){
   
   
                cnt++;
            }
        }
        return cnt;
    }
}

二、找出网格的区域平均强度

给你一个下标从 0 开始、大小为 m x n 的网格 image ,表示一个灰度图像,其中 image[i][j] 表示在范围 [0..255] 内的某个像素强度。另给你一个 非负 整数 threshold 。

如果 image[a][b] 和 image[c][d] 满足 |a - c| + |b - d| == 1 ,则称这两个像素是 相邻像素 。

区域 是一个 3 x 3 的子网格,且满足区域中任意两个 相邻 像素之间,像素强度的 绝对差 小于或等于 threshold 。

区域 内的所有像素都认为属于该区域,而一个像素 可以 属于 多个 区域。

你需要计算一个下标从 0 开始、大小为 m x n 的网格 result ,其中 result[i][j] 是 image[i][j] 所属区域的 平均 强度,向下取整 到最接近的整数。如果 image[i][j] 属于多个区域,result[i][j] 是这些区域的 “取整后的平均强度” 的 平均值,也 向下取整 到最接近的整数。如果 image[i][j] 不属于任何区域,则 result[i][j] 等于 image[i][j] 。

返回网格 result 。

在这里插入图片描述
在这里插入图片描述

解题思路

这道题考阅读理解。

  1. 相邻像素:如果两个像素在网格中水平或垂直相邻(即它们的位置之差的和为1),它们被认为是相邻像素。
  2. 区域定义:一个区域是一个 3x3 的子网格,其中任意两个相邻像素的强度之差的绝对值都不超过给定的阈值(threshold)。这意味着,在一个区域内,所有相邻像素的强度都相似。
  3. 区域的平均强度:计算一个区域内所有像素强度的平均值。如果一个像素属于多个区域,则需要计算这些区域的平均强度的平均值。在这个计算过程中,所有的平均值都需要向下取整到最接近的整数。
  4. result网格:对于image中的每个像素,result中的对应像素应该是该像素所属区域的平均强度。如果一个像素属于多个区域,则取这些区域的平均强度的平均值(都进行向下取整)如果一个像素不属于任何区域,则result中的对应像素的值等于image中的原始像素值。
    从本质上讲,这个任务是在对图像进行一种特定的平滑处理,其中“平滑”的程度由阈值threshold控制,只有当一个区域内的像素强度变化在threshold定义的范围内时,这些像素的强度才会被平均。

解题思路如下:

  1. 遍历所有3x3的子网格。
  2. 遍历网格中所有相邻像素(即左右相邻或上下相邻),如果存在差值大于threshold的情况,则遍历下一个子网格。
  3. 如果合法,计算子网格中的平均值avg,等于子网格中的像素值和/9。
  4. 更新子网格内的result[i][j],我们先将avg加到result[i][j]中,同时,我们还需要一个矩阵cnt[i][j]记录image[i][j]在几个子网格中。
  5. 如果cnt[i][j]=0,那么result[i][j]=avg。否则,result[i][j]=result[i][j]/cnt[i][j](每次result[i][j]+avg,cnt[i][j]+1)。

代码

class Solution {
   
   
    public int[][] resultGrid(int[][] image, int threshold) {
   
   
        int m = image.length;
        int n = image[0].length;
        int[][] result = new int[m][n];// 结果数组
        int[][] cnt = new int[m][n];// 存储image[i][j]在子网格中出现的次数
        for (int i = 2; i < m; i++) {
   
   
            next:
            for (int j = 2; j < n; j++) {
   
   
                // 检查左右相邻格子
                for (int x = i-2; x <= i; x++) {
   
   
                    if(Math.abs(image[x][j-2] - image[x][j-1]) > threshold || Math.abs(image[x][j-1] - image[x][j]) > threshold){
   
   
                        continue next;   
                    }
                }

                // 检查上下相邻格子
                for (int y = j-2; y <= j; y++) {
   
   
                    if(Math.abs(image[i-2][y] - image[i-1][y]) > threshold || Math.abs(image[i-1][y] - image[i][y]) > threshold){
   
   
                        continue next;
                    }
                }

                // 合法,计算3x3子网格的平均值
                int avg = 0;
                for (int x = i-2; x <= i; x++) {
   
   
                    for (int y = j-2; y <= j; y++) {
   
   
                        avg += image[x][y];
                    }
                }

                avg /= 9;

                // 更新3x3子网格内的result
                for (int x = i-2; x <= i; x++) {
   
   
                    for (int y = j-2; y <= j; y++) {
   
   
                        result[x][y] += avg;
                        cnt[x][y] ++;
                    }
                }
            }
        }

        for (int i = 0; i < m; i++) {
   
   
            for (int j = 0; j < n; j++) {
   
   
                if(cnt[i][j] == 0){
   
   
                    result[i][j] = image[i][j];
                }else{
   
   
                    result[i][j] /= cnt[i][j];
                }
            }
        }

        return result;
    }
}

三、将单词恢复初始状态所需的最短时间I

给你一个下标从 0 开始的字符串 word 和一个整数 k 。

在每一秒,你必须执行以下操作:

移除 word 的前 k 个字符。
在 word 的末尾添加 k 个任意字符。
注意 添加的字符不必和移除的字符相同。但是,必须在每一秒钟都执行 两种 操作。

返回将 word 恢复到其 初始 状态所需的 最短 时间(该时间必须大于零)。

示例 1:

输入:word = "abacaba", k = 3
输出:2
解释:
第 1 秒,移除 word 的前缀 "aba",并在末尾添加 "bac" 。因此,word 变为 "cababac"。
第 2 秒,移除 word 的前缀 "cab",并在末尾添加 "aba" 。因此,word 变为 "abacaba" 并恢复到始状态。
可以证明,2 秒是 word 恢复到其初始状态所需的最短时间。
示例 2:

输入:word = "abacaba", k = 4
输出:1
解释:
第 1 秒,移除 word 的前缀 "abac",并在末尾添加 "caba" 。因此,word 变为 "abacaba" 并恢复到初始状态。
可以证明,1 秒是 word 恢复到其初始状态所需的最短时间。
示例 3:

输入:word = "abcbabcd", k = 2
输出:4
解释:
每一秒,我们都移除 word 的前 2 个字符,并在 word 末尾添加相同的字符。
4 秒后,word 变为 "abcbabcd" 并恢复到初始状态。
可以证明,4 秒是 word 恢复到其初始状态所需的最短时间。

解题思路

在每次循环中,从 k 的位置开始提取字符串,直到字符串的末尾存储到cWord中,cWord表示原始word去除前k个字符后的结果。
然后,检查cWord是否可以做原始word的前缀。(即cWord与原始word中长度相等的前缀相同)
如果在任何时刻,cWord可以做原始word前缀,这意味着你可以通过在下一次操作中添加相应的字符来恢复 word 到其初始状态。因此,增加time计数器并退出循环。如果cWord不可以做原始word前缀,则增加time计数器并继续循环,如果同时发现cWord的长度小于k,则说明下一次操作后必定可以使word恢复到原始状态(因为等同于所有字符都进行替换,所以必定有一种可能使其恢复到原始状态),则增加time计数器并继续循环。

代码

class Solution {
   
   
    public int minimumTimeToInitialState(String word, int k) {
   
   
        int time = 0;
        String cWord = word;
        while (true) {
   
   
            cWord = cWord.substring(k);
            if(word.substring(0,cWord.length()).equals(cWord)){
   
   
                time++;
                break;
            }else{
   
   
                time++;
                if(cWord.length()<k){
   
   
                    time++;
                    break;
                }
            }
        }
        return time;
    }
}
目录
相关文章
|
7月前
|
Go
golang力扣leetcode 第 291 场周赛
golang力扣leetcode 第 291 场周赛
71 0
|
7月前
|
Go vr&ar
golang力扣leetcode 第 288 场周赛
golang力扣leetcode 第 288 场周赛
56 0
|
7月前
|
Go
golang力扣leetcode 第 286 场周赛
golang力扣leetcode 第 286 场周赛
65 0
|
算法 Android开发
LeetCode 周赛上分之旅 #48 一道简单的树上动态规划问题
学习数据结构与算法的关键在于掌握问题背后的算法思维框架,你的思考越抽象,它能覆盖的问题域就越广,理解难度也更复杂。在这个专栏里,小彭与你分享每场 LeetCode 周赛的解题报告,一起体会上分之旅。
70 1
|
7月前
|
Go
golang力扣leetcode第 294 场周赛
golang力扣leetcode第 294 场周赛
59 0
|
7月前
|
算法 Java Go
golang力扣leetcode 第 293 场周赛
golang力扣leetcode 第 293 场周赛
87 0
|
7月前
|
Go
golang力扣leetcode 第 290 场周赛
golang力扣leetcode 第 290 场周赛
54 0
|
7月前
|
Go C++
golang力扣leetcode 第 284 场周赛
golang力扣leetcode 第 284 场周赛
61 0
|
7月前
|
Go
golang力扣leetcode 第 292 场周赛
golang力扣leetcode 第 292 场周赛
72 0
|
7月前
|
存储
Leetcode第382场周赛
```markdown 给定字符串`s`,计算按键变更次数,即使用不同键的次数,不考虑大小写差异。例如,`&quot;aAbBcC&quot;`变更了2次。函数`countKeyChanges`实现此功能。另外,求满足特定模式子集最大元素数,`maximumLength`函数使用`TreeMap`统计次数,枚举并构建子集,返回最大长度。最后,Alice和Bob玩鲜花游戏,Alice要赢需满足鲜花总数奇数、顺时针在[1,n]、逆时针在[1,m],返回满足条件的(x, y)对数,可通过奇偶性分类讨论求解。 ```
38 1

热门文章

最新文章