Blage's Coding Blage's Coding
Home
算法
  • 手写Spring
  • SSM
  • SpringBoot
  • JavaWeb
  • JAVA基础
  • 容器
  • Netty

    • IO模型
    • Netty初级
    • Netty原理
  • JVM
  • JUC
  • Redis基础
  • 源码分析
  • 实战应用
  • 单机缓存
  • MySQL

    • 基础部分
    • 实战与处理方案
    • 面试
  • ORM框架

    • Mybatis
    • Mybatis_Plus
  • SpringCloudAlibaba
  • MQ消息队列
  • Nginx
  • Elasticsearch
  • Gateway
  • Xxl-job
  • Feign
  • Eureka
  • 面试
  • 工具
  • 项目
  • 关于
🌏本站
🧸GitHub (opens new window)
Home
算法
  • 手写Spring
  • SSM
  • SpringBoot
  • JavaWeb
  • JAVA基础
  • 容器
  • Netty

    • IO模型
    • Netty初级
    • Netty原理
  • JVM
  • JUC
  • Redis基础
  • 源码分析
  • 实战应用
  • 单机缓存
  • MySQL

    • 基础部分
    • 实战与处理方案
    • 面试
  • ORM框架

    • Mybatis
    • Mybatis_Plus
  • SpringCloudAlibaba
  • MQ消息队列
  • Nginx
  • Elasticsearch
  • Gateway
  • Xxl-job
  • Feign
  • Eureka
  • 面试
  • 工具
  • 项目
  • 关于
🌏本站
🧸GitHub (opens new window)
  • 数组

  • 链表

  • 字符串

  • 二叉树

  • 动态规划

    • 5.最长回文子串
    • 72.编辑距离
    • 300.最长递增子序列
    • 1143.最长公共子序列
    • 239.滑动窗口最大值
    • 64.最小路径和
    • 718.最长重复子数组
    • 221.最大正方形
    • 198.打家劫舍
    • 152.乘积最大子数组
    • 1079.活字印刷
      • 1.dfs+回溯
      • 2.动态规划
        • 组合数计算
        • DP序列方案数
        • 边界条件
    • 139. 单词拆分
    • 6394. 字符串中的额外字符
    • 10. 正则表达式匹配
    • 1130. 叶值的最小代价生成树
    • 96. 不同的二叉搜索树
    • 279. 完全平方数
    • 416. 分割等和子集
    • 309. 最佳买卖股票时机含冷冻期
    • 312. 戳气球
    • 53. 最大子数组和
    • 1262. 可被三整除的最大和
    • 1186. 删除一次得到子数组最大和
    • 6912. 构造最长非递减子数组
    • 1911. 最大子序列交替和
    • 834. 树中距离之和
    • 343. 整数拆分
    • 123. 买卖股票的最佳时机 III
    • 115. 不同的子序列
    • 516. 最长回文子序列
    • 132. 分割回文串 II
    • 673. 最长递增子序列的个数
    • 2930. 重新排列后包含指定子字符串的字符串数目
    • 2646. 最小化旅行的价格总和
    • 剑指offer42
    • 剑指offer60
    • 剑指 Offer 49. 丑数
    • 背包问题

  • 深搜回溯

  • 数学贪心

  • 堆栈队列

  • 前缀和

  • 算法设计

  • 位运算

  • WA

  • 算法
  • 动态规划
phan
2023-05-19
目录

1079.活字印刷

# 1079.活字印刷

# 1.dfs+回溯

解题思路:dfs(len,map,set)表示长度为len的所有可能的序列数。输入序列tiles,对应能够生成的序列的长度大小就有titles.length()种可能。

另外在dfs搜索中,根据Set集合确定当前长度为len的序列的首字母,确定当前位置后,再递归确定长度为len-1的序列的首字母。使用的是Set,所以不需要考虑重复字母导致的重复序列问题。

class Solution {
    public int numTilePossibilities(String tiles) {
        Map<Character, Integer> map = new HashMap<>();
        for (int i = 0; i < tiles.length(); i++) {
            map.put(tiles.charAt(i), map.computeIfAbsent(tiles.charAt(i), key -> 0) + 1);
        }
        Set<Character> set = new HashSet<>(map.keySet());
        int res = 0;
        for (int i = 1; i <= tiles.length(); i++) {
            res += dfs(i, map, set);
        }
        return res;
    }

    public int dfs(int len, Map<Character, Integer> map, Set<Character> set) {
        if (len == 0) {
            return 1;
        }
        int sum = 0;
        for (Character character : set) {
            Integer integer = map.get(character);
            if (integer == 0) {
                continue;
            }
            map.put(character, integer - 1);
            sum += dfs(len - 1, map, set);
            //回溯复原
            map.put(character, integer);
        }
        return sum;

    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

# 2.动态规划

以titles=AABCC为例寻找子问题,先来思考,如何计算长为5的序列的数目?由于相同字母不作区分,先考虑2个C如何放置。

问题等价于5个位置选2个放置C的组合方案数,一共10种放法。其余位置放 AAB 三个字符,也就是说剩余要解决的问题为,用 AAB构造长为 3 的序列的数目。这是一个与原问题相似,且规模更小的子问题。

# 组合数计算

注:(n,k)表示从n个数中选k个数的方案数。即

组合数计算的状态转移公式:。式子的本质是考虑第n个位置【选与不选】,如果选了第n个位置,那么结果就等于从剩下n-1个位置选k-1个的方案数;而如果第n个位置不选,那么结果就等于从剩下n-1个位置选k个的方案数。两者构成该问题解的空间的全集。

# DP序列方案数

上面DFS算法中,子问题的思考角度是从当前len长度序列的开头位置该由哪个字符填充出发,状态转换通过逐渐缩减len,最终求解。而此处动态规划考虑的是,把当前第i个字符考虑进去后,能够生成的序列方案数,状态转移是第i个字符参与生成和不参与生成的方案数,类比于组合数计算解空间拆分思想。

定义dp[i][j]:表示考虑前i种字符(不代表生成的序列每一种字符都会用上),能够构造长度为j的序列的方案数量。设第i个字符在原字符串中有cnt个,状态转移如下:

  • 第i个字符不参与生成长度为j的序列,那么dp[i][j]=dp[i-1][j]
  • 第i个字符参与生成长度为j的序列,也就是说生成的序列里面一定有第i个字符。如果有k个参与到序列生成,那么需要从j个位置中选k个,放入填充第i种字符。而剩下的j-k个位置,则考虑前i-1种字符来生成。因此。而此处第i个字符使用次数k是不确定的,受到如下约束k<=min(cnt,j),因此需要枚举来计算总的方案数

因此dp[i][j]状态转移公式为。也可以设置C_n^0=1,将上面两个合并。

# 边界条件

序列如果全都由第i个字符参与填充,那么前i-1个字符就不需要参与,组合数为1x字符i组合数。因此dp[i-1][0] = 1,不能置为零,否则向数组前面传递结果时,数组当前统计的组合数无效。

public static final int[][] c = new int[8][8];
static {
    for (int i = 1; i <= 7; i++) {
        for (int j = 1; j <= i; j++) {
            if (j == 1) {
                c[i][1] = i;
                continue;
            }
            if (j == i) {
                c[i][i] = 1;
                continue;
            }
            c[i][j] = c[i - 1][j] + c[i - 1][j - 1];
        }
    }
}
public static int numTilePossibilities(String tiles) {
    Map<Character, Integer> map = new HashMap<>();
    for (char c : tiles.toCharArray()) {
        map.put(c, map.getOrDefault(c, 0) + 1);
    }
    Character[] chars = map.keySet().toArray(new Character[0]);
    int[][] dp = new int[map.keySet().size() + 1][tiles.length() + 1];
    for (int i = 1; i < dp.length; i++) {
        //置为1
        dp[i][0] = 1;
        for (int j = 1; j < dp[0].length; j++) {
            int min = Math.min(j, map.get(chars[i - 1]));
            if (j == 1) {
                dp[i][j] = i;
                continue;
            }
            if (i == 1) {
                if (map.get(chars[0]) < j)
                    dp[i][j] = 0;
                else
                    dp[i][j] = 1;
                continue;
            }
            int temp = 0;
            for (int k = 1; k <= min; k++) {
                temp += dp[i - 1][j - k] * c[j][k];
            }
            dp[i][j] = dp[i - 1][j] + temp;
        }
    }
    int ans = 0;
    for (int i = 1; i <= tiles.length(); i++) {
        ans += dp[dp.length - 1][i];
    }
    return ans;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
编辑 (opens new window)
#Leetcode#动态规划
上次更新: 2023/12/15, 15:49:57
152.乘积最大子数组
139. 单词拆分

← 152.乘积最大子数组 139. 单词拆分→

Theme by Vdoing | Copyright © 2023-2024 blageCoder
  • 跟随系统
  • 浅色模式
  • 深色模式
  • 阅读模式