【LeetCode剑指offer49】丑数(小顶堆或DP)

简介: 方法一:小顶堆求前k大经常用到优先级队列,小顶堆,循环将符合要求的丑数加入小顶堆,取k次堆顶元素即可让堆顶为第k个丑数。而逐个加入丑数即加入2 x 2x2x、3 x 3x3x、5 x 5x5x进入集合(去重)即可。注意这里加入小顶堆的元素不能是int类型,否则会报错overflow(因为next = temp * factor后可能会越界):

一、题目

image.png


二、思路

方法一:小顶堆

求前k大经常用到优先级队列,小顶堆,循环将符合要求的丑数加入小顶堆,取k次堆顶元素即可让堆顶为第k个丑数。而逐个加入丑数即加入2 x 2x2x、3 x 3x3x、5 x 5x5x进入集合(去重)即可。注意这里加入小顶堆的元素不能是int类型,否则会报错overflow(因为next = temp * factor后可能会越界):

Line 17: Char 33: runtime error: signed integer overflow: 429981696 * 5 cannot be represented in type 'int' (solution.cpp)

三、方法一:小顶堆

class Solution {
public:
    int nthUglyNumber(int n) {
        vector<int> fac = {2, 3, 5};
        //用int还不够
        unordered_set<long>s;
        //注意小顶堆用greater
        priority_queue<long, vector<long>, greater<long>>min_heap;
        s.insert(1L);
        min_heap.push(1L);
        int ugly = 0;
        for(int i = 0; i < n; i++){
            long temp = min_heap.top();
            min_heap.pop();
            ugly = (int)temp;
            for(int factor: fac){
                long next = temp * factor;
                if(!s.count(next)){
                    s.insert(next);
                    min_heap.push(next);
                }       
            }
        }
        return ugly;
    }
};

四、方法二:动态规划

方法二:动态规划

小顶堆会预存较多丑数,维护小顶堆的时间和空间复杂度较高。

简单说就是把所有丑数列出来,然后从小到大排序。而大的丑数必然是小丑数的2/3/5倍,所以有下面这3个数组。每次就从那数组中取出一个最小的丑数归并到目标数组中。

nums2 = {1*2, 2*2, 3*2, 4*2, 5*2, 6*2, 8*2...}
nums3 = {1*3, 2*3, 3*3, 4*3, 5*3, 6*3, 8*3...}
nums5 = {1*5, 2*5, 3*5, 4*5, 5*5, 6*5, 8*5...}
// 注意 7 不是丑数. 
// 2, 3, 5 这前 3 个丑数一定要乘以其它的丑数, 所得的结果才是新的丑数, 所以上例中没有出现 7*2, 7*3, 7*5

现在问题其实转化为合并3个上面这样的有序序列,常规方法即每个序列各维护一个指针,然后每次将最小的元素加入数组中,并且此时要将对应指针后移一个元素,具体根据动态规划的四部曲分析:


(1)确定状态

定义数组 d p [ i ] dp[i]dp[i],其中 d p [ i ] dp[i]dp[i] 表示第 i 个丑数,第 n 个丑数即为 d p [ n ] dp[n]dp[n]。


(2)状态转移方程:n大于等于2时:

image.png

(3)边界+初始条件:最小的丑数是1,dp[1]=1。

(4)计算顺序:从小到大遍历。

class Solution {
public:
    int nthUglyNumber(int n) {
        vector<int>dp(n + 1, 0);
        dp[1] = 1;
        int p2 = 1, p3 = 1, p5 = 1;
        for(int i = 2; i <= n; i++){
            int num2 = dp[p2] * 2, num3 = dp[p3] * 3, num5 = dp[p5] * 5;
            dp[i] = min(min(num2, num3), num5);
            if(dp[i] == num2){
                p2++;
            }
            if(dp[i] == num3){
                p3++;
            }
            if(dp[i] == num5){
                p5++;
            }
        }
        return dp[n];
    }
};
相关文章
力扣.300(一个比较隐蔽的dp)
力扣.300(一个比较隐蔽的dp)
|
2月前
|
存储
【LeetCode】剑指 Offer 54. 二叉搜索树的第k大节点
【LeetCode】剑指 Offer 54. 二叉搜索树的第k大节点
26 1
|
2月前
力扣337.打家劫舍3(树形dp)
力扣337.打家劫舍3(树形dp)
|
1月前
dp表,哈希表,力扣5.最长回文子串力扣1745.分割回文串IV力扣132.分割回文串II优先级队列(堆)是什么下面是手动实现小根堆力扣1046.最后一块石头的重量
dp表,哈希表,力扣5.最长回文子串力扣1745.分割回文串IV力扣132.分割回文串II优先级队列(堆)是什么下面是手动实现小根堆力扣1046.最后一块石头的重量
|
2月前
力扣 790. 多米诺和托米诺平铺(一维dp)
力扣 790. 多米诺和托米诺平铺(一维dp)
|
2月前
|
算法
力扣123. 买卖股票的最佳时机 III(状态dp)
力扣123. 买卖股票的最佳时机 III(状态dp)
|
2月前
|
算法 DataX
二叉树(中)+Leetcode每日一题——“数据结构与算法”“剑指Offer55-I. 二叉树的深度”“100.相同的树”“965.单值二叉树”
二叉树(中)+Leetcode每日一题——“数据结构与算法”“剑指Offer55-I. 二叉树的深度”“100.相同的树”“965.单值二叉树”
|
2月前
|
算法 定位技术
【leetcode】剑指 Offer II 105. 岛屿的最大面积-【深度优先DFS】
【leetcode】剑指 Offer II 105. 岛屿的最大面积-【深度优先DFS】
27 0
|
2月前
|
Go
golang力扣leetcode 剑指Offer II 114. 外星文字典
golang力扣leetcode 剑指Offer II 114. 外星文字典
32 0
|
2月前
「LeetCode」剑指 Offer 40. 最小的k个数
「LeetCode」剑指 Offer 40. 最小的k个数
36 0