【算法 - 动态规划】力扣 691. 贴纸拼词

2024-02-20 22:04

本文主要是介绍【算法 - 动态规划】力扣 691. 贴纸拼词,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!

上一篇文章中的两道较为简单的题目都是通过 暴力递归 逐步修改成为 动态规划 ,并使用了严格的 dp表依赖 ,相信小伙伴对此有了初步的认识。

本文我们来练习一道 LeetCode 中 Hard 级别,不使用严格的表依赖的题目。

力扣691. 贴纸拼词

我们有 n 种不同的贴纸。每个贴纸上都有一个小写的英文单词。
您想要拼写出给定的字符串 target ,方法是从收集的贴纸中切割单个字母并重新排列它们。如果你愿意,你可以多次使用每个贴纸,每个贴纸的 数量是无限 的。

返回你需要拼出 target 的 最小贴纸数量 。如果任务不可能,则返回 -1 。

示例 1:

输入: stickers = [“with”,“example”,“science”], target = “thehat”

输出: 3

解释:

  • 使用 2 个 “with” 贴纸,和 1 个 “example” 贴纸。

  • 把贴纸上的字母剪下来并重新排列后,形成目标 “thehat“ 了。

  • 这是所需的最小贴纸数量。

示例 2:

输入: stickers = [“notice”,“possible”], target = “basicbasic”

输出: -1

解释: 我们不能通过剪切给定贴纸的字母来形成目标“basicbasic”。

首先我们依然采用最朴素的 暴力递归 来思考这道题目。

递归的准备

定义递归函数的功能: 使用 stickers 拼出 余下目标字符串 所需的最小贴纸数量。

思考递归需要的参数: stickers 数组、target 目标串。

明确递归的边界条件: 目标字符串长度为 0 时,说明不再需要任何贴纸了,返回 0 。

思路

寻找相同类型子问题:

  • 由于贴纸是无限的,因此使用一张贴纸后,剩下的目标字符串仍然可以当做一个新的目标字符串,问题的规模缩小了。而贴纸的类型不会发生改变。

  • 直到目标字符串的长度减为 0 ,即递归到了 base case。

代码

public static int minStickers(String[] stickers, String target) {int ans = process(stickers, target);return ans == Integer.MAX_VALUE ? -1 : ans;
}public static int process(String[] stickers, String target) {// base caseif (target.length() == 0) {return 0;}int min = Integer.MAX_VALUE;// stickers 中的每个单词进行消除for (String first : stickers) {// 在 target 中删除 first 中含有的字母// 剩下的结果存入 rest 中String rest = minus(target, first);// rest 与删除前 target 的长度不等说明 first 中有有效字符// rest只有变化了才能调用递归,否则进入死循环if (rest.length() != target.length()) {// 求出first作为第一张,后续需要的最小贴纸数量min = Math.min(min, process(stickers, rest));}}// 若min变化了,说明此次递归是有效的拼接,贴纸张数+1return min + (min == Integer.MAX_VALUE ? 0 : 1);
}public static String minus(String s1, String s2) {char[] str1 = s1.toCharArray();char[] str2 = s2.toCharArray();int[] count = new int[26];for (char cha : str1) {count[cha - 'a']++;}for (char cha : str2) {count[cha - 'a']--;}StringBuilder builder = new StringBuilder();// 还剩哪些字符,用 builder 全部拼起来for (int i = 0; i < 26; i++) {if (count[i] > 0) {for (int j = 0; j < count[i]; j++) {builder.append((char) (i + 'a'));}}}return builder.toString();
}

思考上面的递归过程发现,我们是 以贴纸为主线 ,去尝试每张贴纸能够 凑出目标字符 的哪些部分。因此,不论贴纸中是否存在可以消除目标字符串的字符,都会把 stickers 中的贴纸全部遍历一遍,而每张贴纸的遍历都需要调用 minus() 函数,再进行递归调用。造成了极大地浪费。

我们换一个思考方向,以目标字符串 target 为主线 ,去看那些贴纸能够满足要求,不满足要求的直接跳过,这样就减少了很多不必要的比较,达到了 剪枝 的目的。

另一方面,为了减少字符统计的调用频率。我们 提前做好字符统计 ,使用数组提前准备好,对于字符的操作转化为了数组的操作,提高效率。

优化代码

public static int minSticker(String[] stickers, String target) {int N = stickers.length;int[][] counts = new int[N][26];// 将贴纸转化为二维数组,每一行存放的是一张贴纸的词频统计for (int i = 0; i < N; i++) {char[] str = stickers[i].toCharArray();for (char cha : str) {counts[i][cha - 'a']++;}}int ans = process(counts, target);return ans == Integer.MAX_VALUE ? -1 : ans;
}public static int process(int[][] arrs, String t) {if (t.length() == 0) {return 0;}// 将目标字符 做字符统计 存入 tcounts[26] 中char[] target = t.toCharArray();int[] tcounts = new int[26];for (char cha : target) {tcounts[cha - 'a']++;}//int N = arrs.length;int min = Integer.MAX_VALUE;for (int i = 0; i < N; i++) {int[] arr = arrs[i];// 谁能够做 target 第一个字符的贴纸// 不能做 target 第一个字符的贴纸直接过滤// 达到了剪枝的目的if (arr[target[0] - 'a'] > 0) {StringBuilder builder = new StringBuilder();// 用了一张次贴纸后,目标串 target 还剩下什么了for (int j = 0; j < 26; j++) {if (tcounts[j] > 0) {// 把这张贴纸上含有目标字符的其他字符也都去掉int nums = tcounts[j] - arr[j];for (int k = 0; k < nums; k++) {builder.append((char) (j + 'a'));}}}String rest = builder.toString();min = Math.min(min, process(arrs, rest));}}return min + (min == Integer.MAX_VALUE ? 0 : 1);
}

上面优化后的代码已经进行了大量的剪枝操作,那思考一下能否进一步优化呢?答案是 肯定的 。—— 加 缓存!

前面的题目我们都是用了 数组 作为 dp 表,那这道题目是否也能够用数组作为缓存表呢?好像不太行 ~

因为递归中 变化的量字符串 ,而字符串的长度显然不容易确定范围。因此,我们这次采用 集合 的形式进行 记忆化搜索HashMap 显然 最合适

最终代码

public static int minSticker(String[] stickers, String target) {int N = stickers.length;int[][] counts = new int[N][26];for (int i = 0; i < N; i++) {char[] str = stickers[i].toCharArray();for (char cha : str) {counts[i][cha - 'a']++;}}HashMap<String, Integer> dp = new HashMap<>();dp.put("", 0);int ans = process(counts, target, dp);return ans == Integer.MAX_VALUE ? -1 : ans;
}public static int process(int[][] arrs, String t, HashMap<String, Integer> dp) {if (dp.containsKey(t)) {return dp.get(t);}// 将目标字符 做字符统计 存入 tcounts[26] 中char[] target = t.toCharArray();int[] tcounts = new int[26];for (char cha : target) {tcounts[cha - 'a']++;}int N = arrs.length;int min = Integer.MAX_VALUE;for (int i = 0; i < N; i++) {int[] arr = arrs[i];// 谁能够做 target 第一个字符的贴纸// 不能做 target 第一个字符的贴纸直接过滤// 达到了剪枝的目的if (arr[target[0] - 'a'] > 0) {StringBuilder builder = new StringBuilder();// 用了一张次贴纸后,目标串 target 还剩下什么了for (int j = 0; j < 26; j++) {if (tcounts[j] > 0) {// 把这张贴纸上含有目标字符的其他字符也都去掉int nums = tcounts[j] - arr[j];for (int k = 0; k < nums; k++) {builder.append((char) (j + 'a'));}}}String rest = builder.toString();min = Math.min(min, process(arrs, rest, dp));}}int ans = min + (min == Integer.MAX_VALUE ? 0 : 1);dp.put(t, ans);return ans;
}

使用 HashMap 记录已经找到过的剩余字符需要的最少贴纸数,若再次出现相同剩余字符序列后直接获取答案,达到了 记忆化搜索 的效果。


本文和上篇文章都从 暴力递归 入手,逐步进行优化,修改出了 动态规划 版本的最终代码。不同的是,本文题目并没有严格的表依赖结构,而是采用了 记忆化搜索(备忘录)进行替代,小伙伴们要加以区分哦 ~

~ 点赞 ~ 关注 ~ 不迷路 ~!!!

------------- 往期回顾 -------------
【算法 - 动态规划】原来写出动态规划如此简单!
【堆 - 专题】“加强堆” 解决 TopK 问题!
AC 此题,链表无敌!!!

这篇关于【算法 - 动态规划】力扣 691. 贴纸拼词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/729665

相关文章

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

第10章 中断和动态时钟显示

第10章 中断和动态时钟显示 从本章开始,按照书籍的划分,第10章开始就进入保护模式(Protected Mode)部分了,感觉从这里开始难度突然就增加了。 书中介绍了为什么有中断(Interrupt)的设计,中断的几种方式:外部硬件中断、内部中断和软中断。通过中断做了一个会走的时钟和屏幕上输入字符的程序。 我自己理解中断的一些作用: 为了更好的利用处理器的性能。协同快速和慢速设备一起工作

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

动态规划---打家劫舍

题目: 你是一个专业的小偷,计划偷窃沿街的房屋。每间房内都藏有一定的现金,影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警。 给定一个代表每个房屋存放金额的非负整数数组,计算你 不触动警报装置的情况下 ,一夜之内能够偷窃到的最高金额。 思路: 动态规划五部曲: 1.确定dp数组及含义 dp数组是一维数组,dp[i]代表

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

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

软考系统规划与管理师考试证书含金量高吗?

2024年软考系统规划与管理师考试报名时间节点: 报名时间:2024年上半年软考将于3月中旬陆续开始报名 考试时间:上半年5月25日到28日,下半年11月9日到12日 分数线:所有科目成绩均须达到45分以上(包括45分)方可通过考试 成绩查询:可在“中国计算机技术职业资格网”上查询软考成绩 出成绩时间:预计在11月左右 证书领取时间:一般在考试成绩公布后3~4个月,各地领取时间有所不同