【C++ 前缀和 状态机dp】2826. 将三个组排序

2024-09-04 20:28

本文主要是介绍【C++ 前缀和 状态机dp】2826. 将三个组排序,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!

本文涉及的基础知识点

C++算法:前缀和、前缀乘积、前缀异或的原理、源码及测试用例 包括课程视频
C++动态规划

LeetCode2826. 将三个组排序

给你一个整数数组 nums 。nums 的每个元素是 1,2 或 3。在每次操作中,你可以删除 nums 中的一个元素。返回使 nums 成为 非递减 顺序所需操作数的 最小值。
示例 1:
输入:nums = [2,1,3,2,1]
输出:3
解释:
其中一个最优方案是删除 nums[0],nums[2] 和 nums[3]。
示例 2:
输入:nums = [1,3,2,1,3,3]
输出:2
解释:
其中一个最优方案是删除 nums[1] 和 nums[2]。
示例 3:
输入:nums = [2,2,2,2,3,3]
输出:0
解释:
nums 已是非递减顺序的。
提示:
1 <= nums.length <= 100
1 <= nums[i] <= 3
进阶:你可以使用 O(n) 时间复杂度以内的算法解决吗?

性质

性质一:如果删除后的数组,包含1,令i1是小标最大的1。则i1之前的2和3都删除,之后的1都删除。
性质二:如果删除后的数组,包括3,令i3是小标最小的3。最i3之前的3都删除,i3之后的1和2删除。0
a[i]=a1+a2。a1 = 1的数量 - a[0…i-1]的数量,即需要删除的1的数量。a2即nums[0…i-1]中2的数量。
b[i]=b3+a2。b3是要删除的3的数量。b2是nums[i+1…]中2的数量。
a2+b2等于删除的2的数量。

前缀和

枚举b[i],cur = b[i] + min(a[…i-1])
min(cur)就是答案。
注意:nums[i]不为1时,a[i]是非法,可以用个一大数表示比如:1E6。
时间复杂度:O(n)

代码

class Solution {public:int minimumOperations(vector<int>& nums) {vector<int> preSums[3];for (int i = 0; i < 3; i++) {preSums[i].emplace_back(0);for (const auto& n : nums) {preSums[i].emplace_back((n == (i+1)) + preSums[i].back());}}vector<int> b(nums.size(), 1000'000);for (int i = 0; i < nums.size();i++) {b[i] = preSums[2][i] + (preSums[1].back() - preSums[1][i]);}int a = preSums[0].back(); //1全部删除int ret = nums.size()-preSums[1].back();for (int i = 0; i < nums.size(); i++) {ret = min(ret,a + b[i]);a = min(a, (preSums[0].back() - preSums[0][i + 1] + preSums[1][i + 1]));}ret = min(ret, a + preSums[2].back());return ret;}};

单元测试

	vector<int> nums;TEST_METHOD(TestMethod1){nums = { 1 };auto res = Solution().minimumOperations(nums);AssertEx(0, res);}TEST_METHOD(TestMethod2){nums = { 2 };auto res = Solution().minimumOperations(nums);AssertEx(0, res);}TEST_METHOD(TestMethod3){nums = { 3 };auto res = Solution().minimumOperations(nums);AssertEx(0, res);}TEST_METHOD(TestMethod4){nums = { 2,2,1,3,2,2 };auto res = Solution().minimumOperations(nums);AssertEx(2, res);}TEST_METHOD(TestMethod5){nums = { 1,3,2,2 };auto res = Solution().minimumOperations(nums);AssertEx(1, res);}TEST_METHOD(TestMethod6){nums = { 1,3,2,2 };auto res = Solution().minimumOperations(nums);AssertEx(1, res);}TEST_METHOD(TestMethod7){nums = { 2,2,1,2,3 };auto res = Solution().minimumOperations(nums);AssertEx(1, res);}TEST_METHOD(TestMethod11){nums = { 2, 1, 3, 2, 1 };auto res = Solution().minimumOperations(nums);AssertEx(3, res);}	TEST_METHOD(TestMethod12){nums = { 1,3,2,1,3,3 };auto res = Solution().minimumOperations(nums);AssertEx(2, res);}TEST_METHOD(TestMethod13){nums = { 2,2,2,2,3,3 };auto res = Solution().minimumOperations(nums);AssertEx(0, res);}

状态机动态规划

动态规划的状态表示

dp1[i][j] 是 num[0…i]以j结尾的最长升序子序列。
pre = dp1[i-1],dp = dp[i]
空间复杂度:O(1)

动态规划的转移方程

dp = pre 不选择nums[i]
MaxSelf(dp[j] , max(pre[0…j])+1) 选择nums[j]

动态规划的初始状态

pre = {0,0,0}

动态规划的填表顺序

两层循环,都是从小到大。

动态规划的返回值

num.size() - max(pre)

代码

class Solution {public:int minimumOperations(vector<int>& nums) {vector<int> pre(3, 0);for (auto n : nums) {auto dp = pre;n--;dp[n] = max(dp[n], 1+*max_element(pre.begin(), pre.begin() + n + 1));		pre.swap(dp);}return nums.size() - *max_element(pre.begin(),pre.end());}int minimumOperations2(vector<int>& nums) {vector<int> preSums[3];for (int i = 0; i < 3; i++) {preSums[i].emplace_back(0);for (const auto& n : nums) {preSums[i].emplace_back((n == (i + 1)) + preSums[i].back());}}vector<int> b(nums.size(), 1000'000);for (int i = 0; i < nums.size(); i++) {b[i] = preSums[2][i] + (preSums[1].back() - preSums[1][i]);}int a = preSums[0].back(); //1全部删除int ret = nums.size() - preSums[1].back();for (int i = 0; i < nums.size(); i++) {ret = min(ret, a + b[i]);a = min(a, (preSums[0].back() - preSums[0][i + 1] + preSums[1][i + 1]));}ret = min(ret, a + preSums[2].back());return ret;}};

扩展阅读

我想对大家说的话
工作中遇到的问题,可以按类别查阅鄙人的算法文章,请点击《算法与数据汇总》。
学习算法:按章节学习《喜缺全书算法册》,大量的题目和测试用例,打包下载。重视操作
有效学习:明确的目标 及时的反馈 拉伸区(难度合适) 专注
闻缺陷则喜(喜缺)是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。
子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙,那算法就是他的是睛
失败+反思=成功 成功+反思=成功

视频课程

先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。
https://edu.csdn.net/course/detail/38771
如何你想快速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程
https://edu.csdn.net/lecturer/6176

测试环境

操作系统:win7 开发环境: VS2019 C++17
或者 操作系统:win10 开发环境: VS2022 C++17
如无特殊说明,本算法用**C++**实现。

这篇关于【C++ 前缀和 状态机dp】2826. 将三个组排序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/1136947

相关文章

【C++ Primer Plus习题】13.4

大家好,这里是国中之林! ❥前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。有兴趣的可以点点进去看看← 问题: 解答: main.cpp #include <iostream>#include "port.h"int main() {Port p1;Port p2("Abc", "Bcc", 30);std::cout <<

hdu4826(三维DP)

这是一个百度之星的资格赛第四题 题目链接:http://acm.hdu.edu.cn/contests/contest_showproblem.php?pid=1004&cid=500 题意:从左上角的点到右上角的点,每个点只能走一遍,走的方向有三个:向上,向下,向右,求最大值。 咋一看像搜索题,先暴搜,TLE,然后剪枝,还是TLE.然后我就改方法,用DP来做,这题和普通dp相比,多个个向上

C++包装器

包装器 在 C++ 中,“包装器”通常指的是一种设计模式或编程技巧,用于封装其他代码或对象,使其更易于使用、管理或扩展。包装器的概念在编程中非常普遍,可以用于函数、类、库等多个方面。下面是几个常见的 “包装器” 类型: 1. 函数包装器 函数包装器用于封装一个或多个函数,使其接口更统一或更便于调用。例如,std::function 是一个通用的函数包装器,它可以存储任意可调用对象(函数、函数

hdu1011(背包树形DP)

没有完全理解这题, m个人,攻打一个map,map的入口是1,在攻打某个结点之前要先攻打其他一个结点 dp[i][j]表示m个人攻打以第i个结点为根节点的子树得到的最优解 状态转移dp[i][ j ] = max(dp[i][j], dp[i][k]+dp[t][j-k]),其中t是i结点的子节点 代码如下: #include<iostream>#include<algorithm

C++11第三弹:lambda表达式 | 新的类功能 | 模板的可变参数

🌈个人主页: 南桥几晴秋 🌈C++专栏: 南桥谈C++ 🌈C语言专栏: C语言学习系列 🌈Linux学习专栏: 南桥谈Linux 🌈数据结构学习专栏: 数据结构杂谈 🌈数据库学习专栏: 南桥谈MySQL 🌈Qt学习专栏: 南桥谈Qt 🌈菜鸡代码练习: 练习随想记录 🌈git学习: 南桥谈Git 🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈�

【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

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

hdu4865(概率DP)

题意:已知前一天和今天的天气概率,某天的天气概率和叶子的潮湿程度的概率,n天叶子的湿度,求n天最有可能的天气情况。 思路:概率DP,dp[i][j]表示第i天天气为j的概率,状态转移如下:dp[i][j] = max(dp[i][j, dp[i-1][k]*table2[k][j]*table1[j][col] )  代码如下: #include <stdio.h>#include

06 C++Lambda表达式

lambda表达式的定义 没有显式模版形参的lambda表达式 [捕获] 前属性 (形参列表) 说明符 异常 后属性 尾随类型 约束 {函数体} 有显式模版形参的lambda表达式 [捕获] <模版形参> 模版约束 前属性 (形参列表) 说明符 异常 后属性 尾随类型 约束 {函数体} 含义 捕获:包含零个或者多个捕获符的逗号分隔列表 模板形参:用于泛型lambda提供个模板形参的名

usaco 1.3 Mixing Milk (结构体排序 qsort) and hdu 2020(sort)

到了这题学会了结构体排序 于是回去修改了 1.2 milking cows 的算法~ 结构体排序核心: 1.结构体定义 struct Milk{int price;int milks;}milk[5000]; 2.自定义的比较函数,若返回值为正,qsort 函数判定a>b ;为负,a<b;为0,a==b; int milkcmp(const void *va,c