宣传型网站功能定位,住房和建设建设局网站,WordPress js报错,seo优化排名教程第一部分#xff1a;移除数字以形成最小数的贪心算法实现
在编程的世界里#xff0c;我们经常遇到需要对字符串表示的数字进行操作的问题。今天#xff0c;我们要深入探讨一个具体的挑战#xff1a;给定一个以字符串形式表示的非负整数 num 和一个整数 k#xff0c;我们的…第一部分移除数字以形成最小数的贪心算法实现
在编程的世界里我们经常遇到需要对字符串表示的数字进行操作的问题。今天我们要深入探讨一个具体的挑战给定一个以字符串形式表示的非负整数 num 和一个整数 k我们的任务是移除 k 位数字以使得剩下的数字尽可能小。最终我们需要返回这个最小的数字仍然以字符串形式。
问题背景
这个问题看似简单实则充满了挑战。我们需要仔细思考如何高效地移除数字以确保剩下的数字最小。为了更好地理解这个问题让我们先来看几个示例 输入num 1432219k 3 输出1219 解释移除数字 4、3 和 2 后我们得到新的最小数字 1219。 输入num 10200k 1 输出200 解释移除首位的 1 后剩下的数字为 200。注意输出不能有任何前导零除非整个数字就是零。 输入num 10k 2 输出0 解释移除所有数字后结果为空因此返回 0。
贪心算法思路
为了解决这个问题我们可以采用贪心算法。贪心算法在每一步选择中都采取最好或最优即最有利的选择从而希望能够导致结果是全局最好或最优的算法。
在这个问题中我们的每一步选择是尽可能让高位数字小。具体思路如下 使用一个栈来维护当前构建的最小数字。栈的特点是后进先出LIFO非常适合用于这种需要“回溯”的场景。 遍历输入字符串的每一个字符 如果栈不为空当前字符比栈顶字符小且还有移除次数 k 大于 0那么我们可以弹出栈顶字符并将 k 减 1。这样做的目的是确保高位数字尽可能小。将当前字符压入栈中。 遍历结束后如果移除次数 k 仍然大于 0说明还需要从栈顶继续移除字符直到 k 为 0。 构建结果字符串并去除前导零。将栈中的字符依次弹出并拼接成字符串。注意要去除前导零除非整个数字就是零。 处理边界情况。如果最终结果为空字符串则返回 0。
Java 实现
下面我们将上述思路转化为 Java 代码
import java.util.Stack;public class RemoveKDigitsBlog {public String removeKDigits(String num, int k) {StackCharacter stack new Stack();// 遍历输入字符串的每一个字符for (char digit : num.toCharArray()) {// 如果栈不为空当前字符比栈顶字符小且还有移除次数 k 大于 0while (!stack.isEmpty() stack.peek() digit k 0) {stack.pop(); // 弹出栈顶字符k--; // 移除次数减 1}stack.push(digit); // 将当前字符压入栈中}// 如果还有剩余的 k 需要移除继续从栈顶移除while (k 0) {stack.pop();k--;}// 构建结果字符串并去除前导零StringBuilder result new StringBuilder();while (!stack.isEmpty()) {char digit stack.pop();if (!(result.length() 0 digit 0)) {result.insert(0, digit);}}// 如果结果为空则返回 0return result.length() 0 ? 0 : result.toString();}// 为了方便测试我们在这里添加了一个 main 方法public static void main(String[] args) {RemoveKDigitsBlog solution new RemoveKDigitsBlog();System.out.println(solution.removeKDigits(1432219, 3)); // 输出 1219System.out.println(solution.removeKDigits(10200, 1)); // 输出 200System.out.println(solution.removeKDigits(10, 2)); // 输出 0// 可以添加更多测试用例来验证算法的正确性}
}
总结
通过贪心算法我们能够高效地解决这个问题。该算法的时间复杂度是 O(n)其中 n 是输入字符串的长度。这个算法不仅简单易懂而且在实际应用中表现良好。
希望这篇博客能够帮助你更好地理解这个问题及其解决方案如果你有任何疑问或建议请随时在评论区留言。编程的世界充满了无限可能让我们一起探索、学习和成长
第二部分最大和的连续子数组--动态规划与分治法的探索
在算法的世界里寻找最大和的连续子数组是一个经典的问题它有多种解法每种解法都有其独特的魅力和应用场景。今天我们将深入探讨两种解法动态规划和分治法并通过Java代码实现它们。
问题背景
给定一个整数数组 nums我们需要找到一个具有最大和的连续子数组子数组至少包含一个元素并返回其最大和。连续子数组是数组中的一个连续部分。
动态规划解法
动态规划是一种通过将问题分解为子问题来求解的方法。在这个问题中我们可以定义一个数组 dp其中 dp[i] 表示以 nums[i] 结尾的连续子数组的最大和。状态转移方程为
dp[i] max(nums[i], dp[i-1] nums[i])
这意味着对于每个元素 nums[i]我们要么选择它作为一个新的子数组的起点即 nums[i] 本身要么将它加到之前的子数组上即 dp[i-1] nums[i]。我们取这两种选择中的较大值作为 dp[i] 的值。
最终我们遍历 dp 数组找到其中的最大值即为所求的最大和的连续子数组的和。
Java 实现动态规划
public class MaxSubArraySum {public int maxSubArray(int[] nums) {int n nums.length;int[] dp new int[n];dp[0] nums[0];int maxSum dp[0];for (int i 1; i n; i) {dp[i] Math.max(nums[i], dp[i - 1] nums[i]);maxSum Math.max(maxSum, dp[i]);}return maxSum;}public static void main(String[] args) {MaxSubArraySum solution new MaxSubArraySum();int[] nums1 {-2, 1, -3, 4, -1, 2, 1, -5, 4};System.out.println(solution.maxSubArray(nums1)); // 输出 6int[] nums2 {1};System.out.println(solution.maxSubArray(nums2)); // 输出 1int[] nums3 {5, 4, -1, 7, 8};System.out.println(solution.maxSubArray(nums3)); // 输出 23}
} 分治法解法 分治法是一种将问题递归地分解为更小的问题然后合并这些更小的问题的解决方案来得到原问题的解决方案的方法。在这个问题中我们可以将数组 nums 分为左右两部分然后分别求解左右两部分的最大和的连续子数组。同时我们还需要考虑跨越左右两部分的子数组即最大和的连续子数组可能从左边开始穿过中间点然后结束在右边。
对于跨越左右两部分的子数组我们可以通过在左边部分找到从右往左的最大和的子数组在右边部分找到从左往右的最大和的子数组然后将它们相加得到跨越部分的最大和。最后我们将左右两部分的最大和以及跨越部分的最大和进行比较取其中的最大值作为当前问题的解。
Java 实现分治法
public class MaxSubArraySumDivideAndConquer {public int maxSubArray(int[] nums) {return maxSubArrayHelper(nums, 0, nums.length - 1);}private int maxSubArrayHelper(int[] nums, int left, int right) {if (left right) {return nums[left];}int mid left (right - left) / 2;int leftSum maxSubArrayHelper(nums, left, mid);int rightSum maxSubArrayHelper(nums, mid 1, right);int crossSum findMaxCrossingSubarray(nums, left, mid, right);return Math.max(Math.max(leftSum, rightSum), crossSum);}private int findMaxCrossingSubarray(int[] nums, int left, int mid, int right) {int leftSum Integer.MIN_VALUE;int sum 0;for (int i mid; i left; i--) {sum nums[i];leftSum Math.max(leftSum, sum);}int rightSum Integer.MIN_VALUE;sum 0;for (int i mid 1; i right; i) {sum nums[i];rightSum Math.max(rightSum, sum);}return leftSum rightSum;}public static void main(String[] args) {MaxSubArraySumDivideAndConquer solution new MaxSubArraySumDivideAndConquer();int[] nums1 {-2, 1, -3, 4, -1, 2, 1, -5, 4};System.out.println(solution.maxSubArray(nums1)); // 输出 6int[] nums2 {1};System.out.println(solution.maxSubArray(nums2)); // 输出 1int[] nums3 {5, 4, -1, 7, 8};System.out.println(solution.maxSubArray(nums3)); // 输出 23}
} 总结 通过动态规划和分治法我们能够高效地解决寻找最大和的连续子数组的问题。动态规划通过记录以当前元素结尾的子数组的最大和来逐步构建解决方案而分治法则通过递归地将问题分解为更小的问题来求解。这两种方法都有其独特的优势和适用场景我们可以根据具体问题的规模和特点来选择合适的方法。
希望这篇博客能够帮助你更好地理解这个问题及其两种解法如果你有任何疑问或建议请随时在评论区留言。
