zoukankan      html  css  js  c++  java
  • leetcode4568

    date: 2015-09-13 16:32:49


    Median of Two Sorted Arrays

    There are two sorted arrays nums1 and nums2 of size m and n respectively. Find the median of the two sorted arrays. The overall run time complexity should be O(log (m+n)).
    大意:求两个有序数组的中位数(中位数:奇数个即为中间数,偶数个为中间2个数均值)

    解法1:(不考虑time complexity)

        public double findMedianSortedArrays2(int[] a, int[] b) {
    		int alen=a.length;
    		int blen=b.length;
    		int[] result=new int[alen+blen];
    		System.arraycopy(a, 0, result, 0, alen);
    		System.arraycopy(b, 0, result, alen, blen);
    		Arrays.sort(result);
    		>>Arrays.parallelSort(result);并行排序在数量大于10K时,将明显体现<<
    		int mid=result.length/2;
    		if ((result.length)%2!=0) {
    			return (double)result[mid];
    		}
    		else {
    			return ((double)result[mid]+(double)result[mid-1])/2;
    		}
    	}
    

    解法2:(考虑time complexity)
    思路:
    扩展为2个有序数组,求第K小的数,median是此情况特例。
    寻找第K小的数(Kth),假如数组均是升序排列,中位数(奇数个即中间的数,偶数个是中间2个数的平均值)
    几个步骤,暂不考虑b[index]的游标index如何更合适:

    1. 将2个数组按长短分为a[0,1,...,m-1],b[0,1,....,n-1],其中n>=m
    2. 分治法,将K/2,比较a[k/2-1]和b[k/2-1],第k小,即合并并后数组ab[k-1]!
    3. 三种情况,

    一: a[k/2-1]b[k/2-1],则a[k/2-1]b[k/2-1]==第k小的数

    二: a[k/2-1]< b[k/2-1],则a[0,...,k/2-1]中Kth必然不在此,因为a[0,...,k/2-1]加上b[0,...,k/2-1]总共才k个数,而a[k/2-1]<b[k/2-1],也就是Kth只可能存在a[k/2,..,m-1]和b[0,...,n-1]中

    三: a[k/2-1]> b[k/2-1],则b[0,...,k/2-1]中Kth必然不在此,因为a[0,...,k/2-1]加上b[0,...,k/2-1]总共才k个数,而a[k/2-1]>b[k/2-1],也就是Kth只可能存在a[0,..,m-1]和b[k/2,...,n-1]中

    Edge case:

    1. m==0;return b[k-1];
    2. k/2>m,此时,A[index]index直接取m-1,使用a[m-1];
    3. 递归过程中,k每次减去从两个数组中剔除数字的个数,所以k在自减,然后k/2分治在2个数组中,终止条件k<=1,Kth等于此时两个数组的首个的最小值
    4. a[min(k/2,m)-1],b[index],index如果取值k/2-1会使分治的区域中无法包含Kth,因为采用k-min(k/2,m),此处代码中有详解
        public double findMedianSortedArrays(int[] nums1, int[] nums2) {
    		int k=nums1.length+nums2.length;
    		int m=nums1.length;
    		int n=nums1.length;
    		if(k%2!=0)
    		{
    			return findKth(nums1, m, nums2, n,k/2+1);
    		}
    		else
    		{	
    			return (findKth(nums1, m, nums2, n, k/2)+findKth(nums1, m, nums2, n, k/2+1));
    		}
    	}
    
        public  double findKth(int[] a,int alen, int[] b,int blen,  int k)
    	{
    		if(alen>blen)
    		{
    			return findKth(b, blen, a, alen, k);
    		}
    		if(alen==0)
    		{
    			return b[k-1];
    		}
    		if(k==1)
    			return Math.min(a[0],b[0]);
    
    		//>>游标pa,pb表示a,b的前pa,pb个数,将k进行分治,舍得pa+pb=k<<
    		int pa=Math.min(k/2, alen);
    		//>>当k为奇数时,若pb=k/2,则pa和pb两个游标不能涵盖kth:(k=3,pa=1,pb=1,pa+pb<k)<<
    		int pb=k-pa;
    		if (a[pa-1]<b[pb-1]) {
    			return findKth(Arrays.copyOfRange(a, pa, alen), alen-pa, b, blen, k-pa);			
    		}
    		else if (a[pa-1]>b[pb-1]) {
    			return findKth(a, alen, Arrays.copyOfRange(b, pb, blen), blen-pb, k-pb);
    		}
    		else {
    			return a[pa-1];
    		}
    	}
    

    补充:关于copyOfRange()方法
    public static long[] copyOfRange(long[] original, int from, int to)
    参数:
    original - 将要从其复制一个范围的数组
    from - 要复制的范围的初始索引(包括)!!!!!!
    to - 要复制的范围的最后索引(不包括)!!!!!!要复制全部的话,必须大于(不能等于最后索引)(此索引可以位于数组范围之外)

    EOF 4

    Longest Palindromic Substring

    Given a string S, find the longest palindromic substring in S. You may assume that the maximum length of S is 1000, and there exists one unique longest palindromic substring.
    最长回文子串

    思路:
    单字符即是回文,有初始条件,可以联想到用DP
    用个boolean flag[i][j]二维数组,表示从i到j是不是回文

    1. i=j,是回文(a)
    2. j=i+1,如果字符相当,是回文(aa)
    3. j>i+1, 判断string[j]=?string[i],相等的话,递归求flag[i+1][j-1]=?true,全部满足,则flag[i][j]=true(abba)

    注意,TLE问题,substring()时间消耗挺大,避免循环中使用

    public String substring(int beginIndex, int endIndex)
    参数:
    beginIndex - 起始索引(包括)
    endIndex - 结束索引(不包括)又是不包括,注意+1

        public String longestPalindrome(String s) {
        if(s == null || s.length() <= 1) {
            return s;
        }
        int len = s.length();
        int start = 0, end = 0;
        boolean[][] flag = new flag[len][len];
        // 间距0
        for(int i=0;i<len;i++) {
            flag[i][i] = true;
        }
        // 间距1
        for(int i=1;i<len;i++) {
            if(s.charAt(i-1) == s.charAt(i)) {
                flag[i-1][i] = true;
                start = i-1; end = i;
            }
        }
    	
        >>间距>=2!用k表示j和i的间距,进行递增。每次从i=0开始寻找i+k后的j,<<
        >>判断flag[i][j]值,最终完成最大间距的flag[i][j],其中j-i is max!<<
    	
        for(int k=2;k<len;k++) {
            for(int i=0;i+k<len;i++) {
                int j = i+k;
                if(s.charAt(i) == s.charAt(j) && flag[i+1][j-1]) {
                    flag[i][j] = true;
                    start = i; end = j;
                }
            }
        }
    	return s.substring(start,end);
        }
    

    EOF 5

    ZigZag Conversion

    ZigZag,直接上个表格,就明了了,以string=“abcdefghij”为例:

    a g
    b f h
    c e i k
    d j

    思路:

    • 题目要求较简单,仅仅是返回一个经过Zigzag转化的字符串,所以考虑用StringBuilder
    • zigzag特点是,斜着的部分的个数是row-2,首行和末行是没有斜位的
    • StringBuilder一定要先初始化再用,否则报错,老是忘....
            public String convert(String s, int nRows) {
    		char[] c=s.toCharArray();
    		int len=c.length;
    		StringBuilder[] StringBuilders=new StringBuilder[nRows];
    		for (int i = 0; i < nRows; i++) {
    			StringBuilders[i]=new StringBuilder();
    		}
    		int i=0;
    		while(i<len)
    		{
    			for (int j = 0; j < nRows&&i<len; j++) {
    				StringBuilders[j].append(c[i++]);
    			}
    			for (int j = nRows-2; j >=1&&i<len; j--) {
    				StringBuilders[j].append(c[i++]);
    			}
    		}
    		for (int j = 1; j < StringBuilders.length; j++) {
    			StringBuilders[0].append(StringBuilders[j]);
    		}
    		return StringBuilders[0].toString();
    	}
    


    I am a slow walker, but I never walk backwards.



  • 相关阅读:
    简单说说sharepoint虚机 金大昊(jindahao)
    SharePoint 自定义UI 金大昊(jindahao)
    学习SharePoint 2010 UI 总结 金大昊(jindahao)
    隐藏sharepoint2010列表的下拉菜单 金大昊(jindahao)
    安装Office Web Apps 2010 金大昊(jindahao)
    corev4.css
    SharePoint 2010的Form认证用户维护页面 金大昊(jindahao)
    今天买了两本中文SharePoint2010书 金大昊(jindahao)
    痛苦的日立移动硬盘 金大昊(jindahao)
    liferay开发环境创建
  • 原文地址:https://www.cnblogs.com/lknny/p/5648473.html
Copyright © 2011-2022 走看看