780. 到达终点 : 数论推理分析题

简介: 780. 到达终点 : 数论推理分析题

网络异常,图片无法展示
|


题目描述



这是 LeetCode 上的 780. 到达终点 ,难度为 困难


Tag : 「数学」


给定四个整数 sxsytxty,如果通过一系列的转换可以从起点 (sx, sy)(sx,sy) 到达终点 (tx, ty)(tx,ty),则返回 true,否则返回 false


从点 (x, y)(x,y) 可以转换到 (x, x+y)(x,x+y)  或者 (x+y, y)(x+y,y)


示例 1:


输入: sx = 1, sy = 1, tx = 3, ty = 5
输出: true
解释:
可以通过以下一系列转换从起点转换到终点:
(1, 1) -> (1, 2)
(1, 2) -> (3, 2)
(3, 2) -> (3, 5)
复制代码


示例 2:


输入: sx = 1, sy = 1, tx = 2, ty = 2 
输出: false
复制代码


示例 3:


输入: sx = 1, sy = 1, tx = 1, ty = 1 
输出: true
复制代码


提示:


  • 1 <= sx, sy, tx, ty <= 10^91<=sx,sy,tx,ty<=109


数学



给定的 (sx, sy)(sx,sy) 的数据范围为 [1, 10^9][1,109](即均为正整数),且每次转换,只能将另外一维的数值累加到当前维,因此对于每一维的数值而言,随着转换次数的进行,呈(非严格)递增趋势,再结合起始值为正整数,可知在转换过程中均不会出现负数。


由此得知从 (tx, ty)(tx,ty)(sx, sy)(sx,sy) 的转换过程唯一确定:总是取较大数减去较小数来进行反推(否则会出现负数)。


但即使反向转换唯一确定,数据范围为 10^9109,线性模拟仍会超时。


我们考虑将「相同操作的连续段转换动作」进行合并,在某次反向转换中,如果有 tx < tytx<ty,我们会将 (tx, ty)(tx,ty) 转换为 (tx, ty - tx)(tx,tytx),若相减完仍有 tx < ty - txtx<tytx,该操作会继续进行,得到 (tx, ty - 2 * tx)(tx,ty2tx),直到不满足 tx < ty - k * txtx<tyktx,其中 kk 为转换次数。


即对于一般性的情况而言,(tx, ty)(tx,ty) 中的较大数会一直消减到「与较小数的余数」为止。


因此我们可以先使用 O(\log{max(tx, ty)})O(logmax(tx,ty)) 的复杂度将其消减到不超过 (sx, sy)(sx,sy) 为止。此时如果消减后的结果 (tx, ty)(tx,ty) 任一维度小于 (sx, sy)(sx,sy),必然不能进行转换,返回 False;如果任一维度相等(假定是 xx 维度),则检查另一维度(yy 维度)的差值,能够由当前维度(xx 维度)拼凑而来。


代码:


class Solution {
    public boolean reachingPoints(int sx, int sy, int tx, int ty) {
        while (sx < tx && sy < ty) {
            if (tx < ty) ty %= tx;
            else tx %= ty;
        }
        if (tx < sx || ty < sy) return false;
        return sx == tx ? (ty - sy) % tx == 0 : (tx - sx) % ty == 0;
    }
}
复制代码


  • 时间复杂度:O(\log{\max(tx, ty)})O(logmax(tx,ty))
  • 空间复杂度:O(1)O(1)


最后



这是我们「刷穿 LeetCode」系列文章的第 No.780 篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先把所有不带锁的题目刷完。


在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。


为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:github.com/SharingSour…


在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。

相关文章
|
23小时前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1050 0
|
9天前
|
人工智能 运维 安全
|
23小时前
|
弹性计算 Kubernetes jenkins
如何在 ECS/EKS 集群中有效使用 Jenkins
本文探讨了如何将 Jenkins 与 AWS ECS 和 EKS 集群集成,以构建高效、灵活且具备自动扩缩容能力的 CI/CD 流水线,提升软件交付效率并优化资源成本。
239 0
|
7天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
8天前
|
人工智能 测试技术 API
智能体(AI Agent)搭建全攻略:从概念到实践的终极指南
在人工智能浪潮中,智能体(AI Agent)正成为变革性技术。它们具备自主决策、环境感知、任务执行等能力,广泛应用于日常任务与商业流程。本文详解智能体概念、架构及七步搭建指南,助你打造专属智能体,迎接智能自动化新时代。
|
9天前
|
机器学习/深度学习 人工智能 自然语言处理
B站开源IndexTTS2,用极致表现力颠覆听觉体验
在语音合成技术不断演进的背景下,早期版本的IndexTTS虽然在多场景应用中展现出良好的表现,但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题,并进一步推动零样本语音合成在实际场景中的落地能力,B站语音团队对模型架构与训练策略进行了深度优化,推出了全新一代语音合成模型——IndexTTS2 。
713 23