[解题报告]《算法零基础100讲》(第29讲) 容斥原理

简介: [解题报告]《算法零基础100讲》(第29讲) 容斥原理

目录


零、写在前面


一、主要知识点


  1.容斥原理


二、课后习题


  509. 斐波那契数


  920. 播放列表的数量


  1782. 统计点对的数目


写在最后


零、写在前面


       今天是打卡的第29天,今天好累,不过这题的难度直接给我从困的状态泼醒了,这也太难了点吧,我足足肝了三个小时,太可怕了,知识点在:


《算法零基础100讲》(第29讲) 容斥原理https://blog.csdn.net/WhereIsHeroFrom/article/details/120875965

https://blog.csdn.net/WhereIsHeroFrom/article/details/120875965


一、主要知识点


  1.容斥原理


其实很简单的,就是多减的就加回来,多加的就减下去,就好了。


image.png



二、课后习题


509. 斐波那契数


1201. 丑数 III

https://leetcode-cn.com/problems/ugly-number-iii/


题目描述


给你四个整数:n 、a 、b 、c ,请你设计一个算法来找出第 n 个丑数。


丑数是可以被 a 或 b 或 c 整除的 正整数 。


思路


第n个丑数一定是满足下列式子的值 我们用二分去找到这个值就好了。。


int gcd(int a,int b){   //最大公约数
    if(a == 0)  return b ;
    return gcd(b%a,a);
}
long long gcm(long long a, long long b){    //最好输入就是长整型 不然会溢出哦
    return (a*b)/gcd(a,b);
}
bool check(int n,int a,int b,int c,long long mid){//判断是否满足
    if((mid/a+mid/b+mid/c-mid/gcm(a,b)-mid/gcm(a,c)-mid/gcm(b,c)+mid/gcm(gcm(a,b),c))>=n)   return true;
    return false;
}
int min(int a,int b){return a < b ? a : b;}//返回最小值
int nthUglyNumber(int n, int a, int b, int c){
    long long left = 0,right = n*min(min(a,b),c);
    while(left < right){        //二分查找满足条件的解
        int mid = left +(right - left)/2;
        if(check(n,a,b,c,mid))  right = mid;
        else left = mid+1;
    }
    return right;
}


920. 播放列表的数量


920. 播放列表的数量

https://leetcode-cn.com/problems/number-of-music-playlists/


题目描述


你的音乐播放器里有 N 首不同的歌,在旅途中,你的旅伴想要听 L 首歌(不一定不同,即,允许歌曲重复)。请你为她按如下规则创建一个播放列表:


每首歌至少播放一次。

一首歌只有在其他 K 首歌播放完之后才能再次播放。

返回可以满足要求的播放列表的数量。由于答案可能非常大,请返回它模 10^9 + 7 的结果。


思路


考虑最后一首歌的情况,只有两种


一种是之前播放过  播放过那么就只能是之前的 j-k其中j表示之前的歌曲数目 但是不能小于0


一种是之前没播放过        没播放过的 那么可以选的有 n-j 种 其中j为之前播放过的数目


有递推式


int max(int a,int b){
    return a>b?a:b;
}
int numMusicPlaylists(int n, int goal, int k){
    int mod = 1000000007;
    long long ans[goal+1][n+1];
    memset(ans,0,sizeof(ans));
    ans[0][0] = 1;    //初始值
    for(int i = 1;i<=goal;i++)
        for(int j = 1;j<=n;j++){
            ans[i][j] = ans[i-1][j-1]*(n - j + 1) +ans[i-1][j]*max(j-k,0);//递推
            ans[i][j] %= mod;
        }
    return ans[goal][n]; 
}

1782. 统计点对的数目


1782. 统计点对的数目

https://leetcode-cn.com/problems/count-pairs-of-nodes/


题目描述


给你一个无向图,无向图由整数 n  ,表示图中节点的数目,和 edges 组成,其中 edges[i] = [ui, vi] 表示 ui 和 vi 之间有一条无向边。同时给你一个代表查询的整数数组 queries 。


第 j 个查询的答案是满足如下条件的点对 (a, b) 的数目:


a < b

cnt 是与 a 或者 b 相连的边的数目,且 cnt 严格大于 queries[j] 。

请你返回一个数组 answers ,其中 answers.length == queries.length 且 answers[j] 是第 j 个查询的答案。


请注意,图中可能会有 重复边 。


思路


最容易想到的方式就是记录所有的边信息,搞一个邻接矩阵,然后进行统计。但是 会超时。


为了加速,为了加速,一切都是为了加速。一开始会记录有哪些边,并且记录相应的权重。


接下来统计的时候


1.先统计任意两个顶点的边和大于所给值的 (这里的任意性才有加速的可能)


2.遍历所有边看其两个端点的和是否大于所给值的同时不符合要求 结果数量就要减少


其中为了计算两个顶点和大于给定值 用了双指针,就要预先对数据进行排序。这里复杂度大概就是 n+logn的快排复杂度。不过也同时增加了排序的空间消耗,需要对数据进行备份。排序之后所保存的hash映射就会丢失。


然后遍历所有边也就是m的复杂度。这道题卡时间太狠了。导致我一开始不能好好的初始化我的邻接矩阵,那我的思路就是,先遍历边 哪些边有值我再初始化哪些。


整道题的思路都是n^2的复杂度肯定比m的复杂度高,所有的一切全是围绕着遍历边进行复杂度的降低。

int cmp(int *a, int * b){
    return *a > *b;
}
int hash[400000001];    //邻接矩阵
int* countPairs(int n, int** edges, int edgesSize, int* edgesColSize, int* queries, int queriesSize, int* returnSize){
    if(queriesSize == 0)    {*returnSize = 0;return NULL;}
    *returnSize = queriesSize;
    int *ans = malloc(sizeof(int)*queriesSize);
    int stacke[edgesSize],stackesize = 0,hashp[n+1],hashsort[n+1];//边表 节点表
    memset(hashp,0,sizeof(hashp));memset(hashsort,0,sizeof(hashsort));
    for(int i = 0;i < edgesSize;i++){       //hash表的初始化!
        int temp;
        if(edges[i][0] > edges[i][1])   temp = edges[i][1]*n+edges[i][0]-1;
        else temp = edges[i][0]*n+edges[i][1] - 1;
        hash[temp]=0;
    }
    for(int i = 0;i < edgesSize;i++){   //利用hash表统计每条边的权重 加快速度
        int temp,j;
        hashp[edges[i][0]] ++;hashsort[edges[i][0]] ++;
        hashp[edges[i][1]] ++;hashsort[edges[i][1]] ++;
        if(edges[i][0] > edges[i][1])   temp = edges[i][1]*n+edges[i][0]-1;
        else temp = edges[i][0]*n+edges[i][1] - 1;
        if(!hash[temp]) stacke[stackesize++] = temp;
        hash[temp]++;
    }
    qsort(hashsort,sizeof(hashsort)/sizeof(int),sizeof(int),cmp);
    int anssize= 0;
    for(int i = 0;i < queriesSize;i++){
        int temp = 0,low = 1,high = n;//节点数字从1-n
        while(low < n){     //双指针求和为k的元素个数
            while(high > 1 && hashsort[low] + hashsort[high] > queries[i])
                high--;
            temp += (n - (low >high ?low:high));
            low++;
        }
        if(temp == 0)   {ans[anssize++] = 0;continue;}//提前继续 加速
        for(int k = 0;k < stackesize;k++){  //统计边的影响
            int p = stacke[k]/n,q = stacke[k]%n+1;
            if(hashp[p] + hashp[q] > queries[i] && hashp[p] + hashp[q] <= queries[i] + hash[stacke[k]])    temp--;
        }
        ans[anssize++] = temp;      //结果返回
    }
    return ans;
}



放个图庆祝一下过分么?


写在最后


多刷题,多刷题才知道怎么写,万人千题,集万人之势乘万人之事情,这过程中必然有很多人下车,希望在看我文章的各位,可以一起当最强的人!


相关文章
|
4天前
|
算法 数据可视化
【视频】Copula算法原理和R语言股市收益率相依性可视化分析-3
【视频】Copula算法原理和R语言股市收益率相依性可视化分析
|
4天前
|
算法 数据可视化
【视频】Copula算法原理和R语言股市收益率相依性可视化分析(下)
【视频】Copula算法原理和R语言股市收益率相依性可视化分析
|
4天前
|
算法 安全
死锁相关知识点以及银行家算法(解题详细步骤)
死锁相关知识点以及银行家算法(解题详细步骤)
8 2
|
4天前
|
负载均衡 算法 调度
负载均衡原理及算法
负载均衡原理及算法
13 1
|
4天前
|
Arthas 监控 算法
JVM工作原理与实战(二十五):堆的垃圾回收-垃圾回收算法
JVM作为Java程序的运行环境,其负责解释和执行字节码,管理内存,确保安全,支持多线程和提供性能监控工具,以及确保程序的跨平台运行。本文主要介绍了垃圾回收算法评价标准、标记清除算法、复制算法、标记整理算法、分代垃圾回收算法等内容。
22 0
JVM工作原理与实战(二十五):堆的垃圾回收-垃圾回收算法
|
4天前
|
机器学习/深度学习 自然语言处理 算法
机器学习算法原理与应用:深入探索与实战
【5月更文挑战第2天】本文深入探讨机器学习算法原理,包括监督学习(如线性回归、SVM、神经网络)、非监督学习(聚类、PCA)和强化学习。通过案例展示了机器学习在图像识别(CNN)、自然语言处理(RNN/LSTM)和推荐系统(协同过滤)的应用。随着技术发展,机器学习正广泛影响各领域,但也带来隐私和算法偏见问题,需关注解决。
|
4天前
|
机器学习/深度学习 算法 数据挖掘
【Python机器学习专栏】层次聚类算法的原理与应用
【4月更文挑战第30天】层次聚类是数据挖掘中的聚类技术,无需预设簇数量,能生成数据的层次结构。分为凝聚(自下而上)和分裂(自上而下)两类,常用凝聚层次聚类有最短/最长距离、群集平均和Ward方法。优点是自动确定簇数、提供层次结构,适合小到中型数据集;缺点是计算成本高、过程不可逆且对异常值敏感。在Python中可使用`scipy.cluster.hierarchy`进行实现。尽管有局限,层次聚类仍是各领域强大的分析工具。
|
4天前
|
机器学习/深度学习 算法 前端开发
【Python机器学习专栏】集成学习算法的原理与应用
【4月更文挑战第30天】集成学习通过组合多个基学习器提升预测准确性,广泛应用于分类、回归等问题。主要步骤包括生成基学习器、训练和结合预测结果。算法类型有Bagging(如随机森林)、Boosting(如AdaBoost)和Stacking。Python中可使用scikit-learn实现,如示例代码展示的随机森林分类。集成学习能降低模型方差,缓解过拟合,提高预测性能。
|
4天前
|
机器学习/深度学习 算法 数据挖掘
【视频】支持向量机算法原理和Python用户流失数据挖掘SVM实例(下)
【视频】支持向量机算法原理和Python用户流失数据挖掘SVM实例(下)
|
4天前
|
机器学习/深度学习 算法 搜索推荐
【视频】支持向量机算法原理和Python用户流失数据挖掘SVM实例(上)
【视频】支持向量机算法原理和Python用户流失数据挖掘SVM实例