【代码随想录算法训练Day28】LeetCode 93. 复原 IP 地址、LeetCode 78.子集、LeetCode 90.子集II

本文主要是介绍【代码随想录算法训练Day28】LeetCode 93. 复原 IP 地址、LeetCode 78.子集、LeetCode 90.子集II,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

93.复原IP地址

使用和分割回文串同样的思路,以 ' . ' 分割字符串,以 start 作为截取的子串的开始位置,i 作为子串的结束位置,单层递归的逻辑就是判断这个子串是否符合ip地址的要求。

正常应采取检验,排除所有非法情况,比如下面这段代码。

// 判断字符串s在左闭又闭区间[start, end]所组成的数字是否合法
bool isValid(const string& s, int start, int end) {if (start > end) {return false;}if (s[start] == '0' && start != end) { // 0开头的数字不合法return false;}int num = 0;for (int i = start; i <= end; i++) {if (s[i] > '9' || s[i] < '0') { // 遇到非数字字符不合法return false;}num = num * 10 + (s[i] - '0');if (num > 255) { // 如果大于255了不合法return false;}}return true;
}

但我这里碰巧了,题目说了是纯数字,但我确实没有考虑到异常输入;并且力扣的测试样例里应该是没有负数的情况,我默认是大于等于0的值,所以这里判断只要小于256就是符合条件的。

对于前导0,我是通过先将字符串转换成整型,这样就得到一个没有前导0的子串对应的值了,再将整型转换回字符串,如果字符串转换前后不一致,则说明有前导0,这种情况要去除。

比较繁琐,正常操作应该是将我这思路用上面的判断是否合法的函数替换掉。

class Solution {
public:vector<string> result;string path;void backtracking(string s, int start, int dot){if(dot == 4 && start >= s.size()){result.push_back(path.substr(0, path.size()-1));return;}if(dot >= 4){return;}for(int i = start; i < s.size(); i++){//采用和分割回文串相同的思路,截取两个'.'之间的字符串进行判断//start是上一个'.'的位置,i是下一个'.'的位置,随着i向后移动,改变当前子串的选择string str = s.substr(start, i-start+1);string tmpstr = path;int tmp = atoi(str.c_str());//先转成数字string copy = to_string(tmp);//再转回字符串,如果转换前后相等则说明没有前导0if(tmp <= 255 && !str.compare(copy)){path = path + to_string(tmp) + ".";dot++;}else continue;backtracking(s, i+1, dot);dot--;path = tmpstr;}}vector<string> restoreIpAddresses(string s) {backtracking(s, 0, 0);return result;}
};

78.子集

这题我想记录的思路是从当前输入的元素角度出发的,即选还是不选将当前输入元素加入结果集中。

这种思路的写法如下所示。

首先是进入递归函数种,先将当前元素加入到结果集中,表示选择了当前元素,再进行递归,进到下一层递归,走下一个元素选和不选的分支。有点像二叉树的左右孩子,左是选,右是不选,这种写法就更像是二叉树的遍历了。先一直走选的分支,再回溯到上一层,这时选的元素在结果集中,我们将它pop出来,这样就是不选了,然后再进一次backtracking,走不选这个元素的分支。

class Solution {
public:vector<vector<int>> result;vector<int> path;void backtracking(vector<int>& nums, int start) {if(start >= nums.size()){result.push_back(path);return;}path.push_back(nums[start]);backtracking(nums, start+1);path.pop_back();backtracking(nums, start+1);}vector<vector<int>> subsets(vector<int>& nums) {backtracking(nums, 0);return result;}
};

上面写法比较便于理解,但和模板不一致,不方便记忆。

按照模板的写法,模板将一部分的递归使用 for 循环迭代实现了,所以看着其实不直观,感受不到这其实像是二叉树的搜索,但思路也是一样的。先选,放进path结果集,走选的分支,然后回溯回来,pop出去当前的元素,走 for 循环,进到下一个元素,这时也是没选当前元素,走到下一个元素了。

class Solution {
private:vector<vector<int>> result;vector<int> path;void backtracking(vector<int>& nums, int startIndex) {result.push_back(path); // 收集子集,要放在终止添加的上面,否则会漏掉自己if (startIndex >= nums.size()) { // 终止条件可以不加return;}for (int i = startIndex; i < nums.size(); i++) {path.push_back(nums[i]);backtracking(nums, i + 1);path.pop_back();}}
public:vector<vector<int>> subsets(vector<int>& nums) {result.clear();path.clear();backtracking(nums, 0);return result;}
};

90.子集II

这题其实就没什么好记录的了,和 组合总和Ⅱ 这题的思路是一样的,都是在有重复元素的数据中,找出不重复的组合。思路就是对树层的去重。详细可以回顾 组合总和Ⅱ 的博客。

class Solution {
public:vector<vector<int>> result;vector<int> path;void backtracking(vector<int>& nums, int start) {result.push_back(path);if(start >= nums.size()){return;}for(int i = start; i < nums.size(); i++){if(i > start && nums[i-1] == nums[i])continue;path.push_back(nums[i]);backtracking(nums, i+1);path.pop_back();}}vector<vector<int>> subsetsWithDup(vector<int>& nums) {sort(nums.begin(), nums.end());backtracking(nums, 0);return result;}
};

这篇关于【代码随想录算法训练Day28】LeetCode 93. 复原 IP 地址、LeetCode 78.子集、LeetCode 90.子集II的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1031390

相关文章

哈希leetcode-1

目录 1前言 2.例题  2.1两数之和 2.2判断是否互为字符重排 2.3存在重复元素1 2.4存在重复元素2 2.5字母异位词分组 1前言 哈希表主要是适合于快速查找某个元素(O(1)) 当我们要频繁的查找某个元素,第一哈希表O(1),第二,二分O(log n) 一般可以分为语言自带的容器哈希和用数组模拟的简易哈希。 最简单的比如数组模拟字符存储,只要开26个c

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

常用的jdk下载地址

jdk下载地址 安装方式可以看之前的博客: mac安装jdk oracle 版本:https://www.oracle.com/java/technologies/downloads/ Eclipse Temurin版本:https://adoptium.net/zh-CN/temurin/releases/ 阿里版本: github:https://github.com/

活用c4d官方开发文档查询代码

当你问AI助手比如豆包,如何用python禁止掉xpresso标签时候,它会提示到 这时候要用到两个东西。https://developers.maxon.net/论坛搜索和开发文档 比如这里我就在官方找到正确的id描述 然后我就把参数标签换过来

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO

poj 1258 Agri-Net(最小生成树模板代码)

感觉用这题来当模板更适合。 题意就是给你邻接矩阵求最小生成树啦。~ prim代码:效率很高。172k...0ms。 #include<stdio.h>#include<algorithm>using namespace std;const int MaxN = 101;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int n