【LeetCode: 2369. 检查数组是否存在有效划分 | 暴力递归=>记忆化搜索=>动态规划 | 线性dp】

news2024/11/13 11:24:02

在这里插入图片描述

🚀 算法题 🚀

🌲 算法刷题专栏 | 面试必备算法 | 面试高频算法 🍀
🌲 越难的东西,越要努力坚持,因为它具有很高的价值,算法就是这样✨
🌲 作者简介:硕风和炜,CSDN-Java领域新星创作者🏆,保研|国家奖学金|高中学习JAVA|大学完善JAVA开发技术栈|面试刷题|面经八股文|经验分享|好用的网站工具分享💎💎💎
🌲 恭喜你发现一枚宝藏博主,赶快收入囊中吧🌻
🌲 人生如棋,我愿为卒,行动虽慢,可谁曾见我后退一步?🎯🎯

🚀 算法题 🚀

在这里插入图片描述

🍔 目录

    • 🚗 知识回顾
    • 🚩 题目链接
    • ⛲ 题目描述
    • 🌟 求解思路&实现代码&运行结果
      • ⚡ 暴力递归
        • 🥦 求解思路
        • 🥦 实现代码
            • 实现方式1:
            • 实现方式2:
        • 🥦 运行结果
      • ⚡ 记忆化搜索
        • 🥦 求解思路
        • 🥦 实现代码
            • 实现方式1:
            • 实现方式2:
        • 🥦 运行结果
      • ⚡ 动态规划
        • 🥦 求解思路
        • 🥦 实现代码
        • 🥦 运行结果
    • 💬 共勉

🚗 知识回顾

该题和我们之前的题目在求解的思路上相似之处,感兴趣的同学可以学习一下相关的内容。

  • 【LeetCode: 1043. 分隔数组以得到最大和 | 暴力递归=>记忆化搜索=>动态规划 | 线性dp & 区间dp】

🚩 题目链接

  • 2369. 检查数组是否存在有效划分

⛲ 题目描述

给你一个下标从 0 开始的整数数组 nums ,你必须将数组划分为一个或多个 连续 子数组。

如果获得的这些子数组中每个都能满足下述条件 之一 ,则可以称其为数组的一种 有效 划分:

子数组 恰 由 2 个相等元素组成,例如,子数组 [2,2] 。
子数组 恰 由 3 个相等元素组成,例如,子数组 [4,4,4] 。
子数组 恰 由 3 个连续递增元素组成,并且相邻元素之间的差值为 1 。例如,子数组 [3,4,5] ,但是子数组 [1,3,5] 不符合要求。
如果数组 至少 存在一种有效划分,返回 true ,否则,返回 false 。

示例 1:

输入:nums = [4,4,4,5,6]
输出:true
解释:数组可以划分成子数组 [4,4] 和 [4,5,6] 。
这是一种有效划分,所以返回 true 。
示例 2:

输入:nums = [1,1,1,2]
输出:false
解释:该数组不存在有效划分。

提示:

2 <= nums.length <= 105
1 <= nums[i] <= 106

🌟 求解思路&实现代码&运行结果


⚡ 暴力递归

🥦 求解思路

  1. 想要快速的求解题目,那么读懂理解题目是必须的环节,题目给定我们三种决策方案,看能够存在一种有效划分的方案,如果有,返回true,否则,返回false。
  2. 三种决策方案如下:
  • 子数组 恰 由 2 个相等元素组成,例如,子数组 [2,2] 。
  • 子数组 恰 由 3 个相等元素组成,例如,子数组 [4,4,4] 。
  • 子数组 恰 由 3 个连续递增元素组成,并且相邻元素之间的差值为 1 。例如,子数组 [3,4,5] ,但是子数组 [1,3,5] 不符合要求。
  1. 那我们就设计一个递归函数就可以了,怎么写呢?直接根据题目的意思来就OK。

🥦 实现代码

注意:下面提供俩种不同的代码实现方式,大家选择自己喜欢的就可以,无强制要求。

实现方式1:
class Solution {
    public boolean validPartition(int[] nums) {
        return process(0,nums);
    }

    public boolean process(int index,int[] nums){
        if(index>=nums.length) return true;
        if(index<=nums.length-2&&nums[index]==nums[index+1]&&process(index+2,nums)){
            return true;
        }
        if(index<=nums.length-3&&nums[index]==nums[index+1]&&nums[index+1]==nums[index+2]&&process(index+3,nums)){
            return true;
        }
        if(index<=nums.length-3&&nums[index]+1==nums[index+1]&&nums[index+1]+1==nums[index+2]&&process(index+3,nums)){
            return true;
        }
        return false;
    }
}
实现方式2:
class Solution {
    public boolean validPartition(int[] nums) {
        return process(0,nums);
    }

    public boolean process(int index,int[] nums){
        if(index>=nums.length) return true;
        boolean flag=false;
        if(index<=nums.length-2&&nums[index]==nums[index+1]){
            flag|=process(index+2,nums);
        }
        if(index<=nums.length-3&&nums[index]==nums[index+1]&&nums[index+1]==nums[index+2]){
            flag|=process(index+3,nums);
        }
        if(index<=nums.length-3&&nums[index]+1==nums[index+1]&&nums[index+1]+1==nums[index+2]){
            flag|=process(index+3,nums);
        }
        return flag;
    }
}

🥦 运行结果

时间超限了,不要紧哦,我还有锦囊妙计!

在这里插入图片描述


⚡ 记忆化搜索

🥦 求解思路

  1. 根据我们递归的分析,在递归的过程中会产生重复的子过程,所以我们想到了加一个缓存表,也就是我们的记忆化搜索。

🥦 实现代码

实现方式1:
class Solution {
    int[] dp;
    public boolean validPartition(int[] nums) {
        int n=nums.length;
        dp=new int[n];
        Arrays.fill(dp,-1);
        return process(0,nums);
    }

    public boolean process(int index,int[] nums){
        if(index>=nums.length) return true;
        if(dp[index]!=-1) return dp[index]==1;
        if(index<=nums.length-2&&nums[index]==nums[index+1]&&process(index+2,nums)){
            dp[index]=1;
            return true;
        }
        if(index<=nums.length-3&&nums[index]==nums[index+1]&&nums[index+1]==nums[index+2]&&process(index+3,nums)){
            dp[index]=1;
            return true;
        }
        if(index<=nums.length-3&&nums[index]+1==nums[index+1]&&nums[index+1]+1==nums[index+2]&&process(index+3,nums)){
            dp[index]=1;
            return true;
        }
        dp[index]=0;
        return false;
    }
}
实现方式2:
class Solution {
    int[] dp;
    public boolean validPartition(int[] nums) {
        int n=nums.length;
        dp=new int[n];
        Arrays.fill(dp,-1);
        return process(0,nums);
    }

    public boolean process(int index,int[] nums){
        if(index>=nums.length) return true;
        if(dp[index]!=-1) return dp[index]==1;
        boolean flag=false;
        if(index<=nums.length-2&&nums[index]==nums[index+1]){
            flag|=process(index+2,nums);
        }
        if(index<=nums.length-3&&nums[index]==nums[index+1]&&nums[index+1]==nums[index+2]){
            flag|=process(index+3,nums);
        }
        if(index<=nums.length-3&&nums[index]+1==nums[index+1]&&nums[index+1]+1==nums[index+2]){
            flag|=process(index+3,nums);
        }
        dp[index]=flag?1:0;
        return flag;
    }
}

🥦 运行结果

在这里插入图片描述


⚡ 动态规划

🥦 求解思路

  1. 按照我们之前递归和记忆化搜索的思路,通过动态规划实现出来。

🥦 实现代码

注意:代码可以继续优化,可以省去一些没有用的,或者将所有的条件都放到一个逻辑判断中,这些点也很重要,但是我们更加关注的是状态的转移。

class Solution {
    boolean[] dp;
    public boolean validPartition(int[] nums) {
        int n=nums.length;
        dp=new boolean[n+1];
        dp[n]=true;
        for(int index=n-1;index>=0;index--){
            boolean flag=false;
            if(index<=n-2&&nums[index]==nums[index+1]){
                flag|=dp[index+2];
            }
            if(index<=n-3&&nums[index]==nums[index+1]&&nums[index+1]==nums[index+2]){
                flag|=dp[index+3];
            }
            if(index<=n-3&&nums[index]+1==nums[index+1]&&nums[index+1]+1==nums[index+2]){
                flag|=dp[index+3];
            }
            dp[index]=flag;
        }
        return dp[0];
    }
}

🥦 运行结果

在这里插入图片描述


💬 共勉

最后,我想和大家分享一句一直激励我的座右铭,希望可以与大家共勉!

在这里插入图片描述

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/448821.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

OpenCV(14)-OpenCV4.0中文文档学习2(补充)

相机校准和3D重建 相机校准 标定 findChessboardCorners() 它返回角点和阈值&#xff0c;如果成功找到所有角点&#xff0c;则返回 True。这些角落将按顺序放置&#xff08;从左到右&#xff0c;从上到下&#xff09;cornerSubPix()用以寻找图案&#xff0c;找到角点后也可以…

PHREEQC实践建模技术方法

PHREEQC软件为美国地质调查局基于C和C语言开发&#xff0c;面向一般地球化学、水文地球化学模拟的专业软件。该软件历经近30年迭代&#xff0c;功能不断完善&#xff0c;目前已发展成为-以PHREEQC为计算核心&#xff08;更新至3.7版本&#xff09;&#xff0c;辅以具备二次开发…

【无标题】docker安装jenkins安装流程(二)

配置Publish Over SSH JENKINS_URL/job/goods/build?tokenTOKEN_NAME http://xxxxx:8001/job/goods/job/goods/build?tokenxql1232.提交合并代码触发自动构建 http://xxxxx:8001/buildByToken/build?jobgoods&tokenxql123http://xxxxx:8001/buildByToken/build?jobgood…

Javaee 基于注解的AOP开发

基于注解的 aop 开发步骤&#xff1a; 1. 创建目标接口和目标类&#xff08;内部有切点&#xff09; 2. 创建切面类&#xff08;内部有增强方法&#xff09; 3. 将目标类和切面类的对象创建权交给 spring 4. 在切面类中使用注解配置织入关系 5. 在配置文件中开启组件…

gpt写文章批量写文章-gpt3中文生成教程

怎么用gpt写文章批量写文章 批量写作文章是很多网站、营销人员、编辑等需要的重要任务&#xff0c;GPT可以帮助您快速生成大量自然、通顺的文章。下面是一个简单的步骤介绍&#xff0c;告诉您如何使用GPT批量写作文章。 步骤1&#xff1a;选择好训练模型 首先&#xff0c;选…

14、RPC与gRPC

目录 一、rpc基础1 - rpc入门2 - 基础的rpc通信3 - 基于接口的RPC服务 二、rpc编码1 - gob编码2 - json on tcp3 - json on http&#xff08;待补充&#xff09; 三、prtotobuf编码1 - prtotobuf概述2 - protobuf编译器3 - 序列化和反序列化4 - 基于protobuf的RPC&#xff08;待…

TiDB实战篇-TiCDC

目录 简介 原理 使用场景 使用限制 硬件配置 部署 在安装TiDB的时候部署 扩容部署 操作 管理CDC 管理工具 查看状态 创建同步任务 公共参数 CDC任务同步到MySQL实战 同步命令 查看所有的同步任务 同步任务的状态 管理同步任务 查看一个同步信息的具体情况 …

腾讯云COS+ElmentUI+SpringBoot视频上传功能实现

文章目录 第一步&#xff1a;选择合适的组件并整合到项目中第二步&#xff1a;前端校验第三步&#xff1a;绑定上传成功方法第四步&#xff1a;腾讯云cos后端接口配置 今天在做项目的时候需要完成一个视频上传的功能&#xff0c;这里做一个记录&#xff01; 第一步&#xff1a;…

春秋云境:CVE-2022-25411(Maxsite CMS文件上传漏洞)

目录 一、题目 二、官方POC 一、题目 介绍&#xff1a; MaxSite CMS是俄国MaxSite CMS开源项目的一款网站内容管理系统 Maxsite CMS存在文件上传漏洞&#xff0c;攻击者可利用该漏洞通过精心制作的PHP文件执行任意代码。 进入题目&#xff1a; 发现是俄文 乌拉~~ 不过没…

MongoDB副本集

一、介绍 MongoDB副本集(Replica set)是一组MongoDB实例,它们都维护着相同的数据集合。MongoDB副本集是有自动故障恢复功能的主从集群,有一个Primary节点和一个或多个Secondary节点组成。副本集没有固定的主节点,当主节点发生故障时整个集群会选举一个主节点为系统提供服务…

6.S081——Lab3——page table

0.briefly speaking 这是6.S081 Fall 2021的第三个实验&#xff0c;是页表和虚拟内存相关的实验&#xff0c;在之前我们已经详细地阅读了Xv6内核中有关虚拟内存管理的源代码&#xff0c;现在就可以深入一下这个实验了。本实验分为如下三个小任务&#xff1a; Speed up system…

【Mac-m2芯片docker安装AWVS及问题解决】

【Mac-m2芯片docker安装AWVS及问题解决】 docker安装AWVS安装报错问题解决 docker安装 docker安装命令&#xff1a; brew install --cask --appdir/Applications docker 查看是否安装成功&#xff1a; docker --version docker info 换源&#xff1a; “https://hub-mirror.c.…

在Python中使用牛顿法

牛顿法简介 牛顿法&#xff08;Newton’s method&#xff09;是一种常用的优化算法&#xff0c;在机器学习中被广泛应用于求解函数的最小值。其基本思想是利用二次泰勒展开将目标函数近似为一个二次函数&#xff0c;并用该二次函数来指导搜索方向和步长的选择。 牛顿法需要计…

从零开始学架构——FMEA故障模式与影响分析

1 FMEA介绍 FMEA&#xff08;Failure mode and effects analysis&#xff0c;故障模式与影响分析&#xff09;又称为失效模式与后果分析、失效模式与效应分析、故障模式与后果分析等&#xff0c;专栏采用“故障模式与影响分析”&#xff0c;因为这个中文翻译更加符合可用性的语…

高并发的程序设计-系统设计层面

高并发的程序设计-系统设计层面 目录概述需求&#xff1a; 设计思路实现思路分析1.主要指标二、处理高并发的方案 参考资料和推荐阅读 Survive by day and develop by night. talk for import biz , show your perfect code,full busy&#xff0c;skip hardness,make a better …

ChatGPT写文章效果-ChatGPT写文章原创

ChatGPT写作程序&#xff1a;让文案创作更轻松 在当前数字化的时代&#xff0c;营销推广离不开文案创作。然而&#xff0c;写作对许多人来说可能是一项耗时而枯燥的任务。如果您曾经为写出较高质量的文案而苦恼过&#xff0c;那么ChatGPT写作程序正是为您而设计的。 ChatGPT是…

gitlab安装与使用(图文详解超详细)

一 找最新的安装镜像 推荐用清华源 目前最新版本是15.95 二 在/opt 下创建gitlab文件夹 [rootlocalhost ~]# mkdir /opt/gitlab [rootlocalhost ~]# 三 在gitlab目录下写一个 shell脚本 vim int.sh给它加上执行权限 chmod ux int.sh运行这个脚本 ./ins.sh出现这个截图 安…

three.js之摄像机

本节将在上一节的基础上进一步介绍一下摄像机功能。 three.js的摄像机主要包括两类&#xff1a;正交投影摄像机和透视投影摄像机。 透视投影摄像机&#xff1a;THREE.PerspectiveCamera&#xff0c;最自然的视图&#xff0c;距离摄像机越远&#xff0c;它们就会被渲染得越小。…

【编程问题】解决 mapper.xml 文件的 resultType 爆红问题:Cannot resolve symbol ‘xxx‘

解决mapper.xml文件的resultType爆红问题&#xff1a;Cannot resolve symbol xxx 1.问题描述2.问题分析3.问题解决3.1 配置注解&#xff08;推荐&#xff09;3.2 配置全类名3.3 删除插件 4.事件感悟 系统&#xff1a;Win10 JDK&#xff1a;1.8.0_333 IDEA&#xff1a;2022.2.4 …

HCIP之MPLS中的VPN

目录 HCIP之MPLS中的VPN 定义 例图 解读 流程 双层标签技术 控制层面 数据层面 配置 HCIP之MPLS中的VPN 定义 VPN --- 虚拟网专用 --- 是一种运营商提供的&#xff0c;专门解决虚拟专线安全及宽带问题的综合解决方案 例图 解读 站点 --- 可以理…