【好书推荐】《剑指Offer》之硬技能（编程题12~16）
本文例子完整源码地址：https://github.com/yu-linfeng/BlogRepositories/tree/master/repositories/sword
《【好书推荐】《剑指Offer》之硬技能（编程题7~11）》
持续更新，敬请关注公众号:coderbuff，回复关键字“sword”获取相关电子书。
12.矩阵中的路径
*回溯法：适合由多个步骤组成的问题，并且每个步骤有多个选项。
/**
* 矩阵中是否存在给定路径
* @author OKevin
* @date 2019/6/4
**/
public class Solution { /**
*
* @param matrix 一位数组表示矩阵
* @param rows 行数
* @param cols 列数
* @param path 路径
* @return true-存在；false-不存在
*/
public boolean findPath(char[] matrix, Integer rows, Integer cols, char[] path) {
if (matrix == null || rows <= 0 || cols <= 0 || path == null) {
return false;
}
boolean[] visited = new boolean[rows * cols];
int pathLength = 0;
for (int row = 0; row < rows; row++) {
for (int col = 0; col < cols; col++) {
if (findPathCore(matrix, rows, cols, row, col, path, pathLength, visited)) {
return true;
}
}
}
return false;
} private boolean findPathCore(char[] matrix, Integer rows, Integer cols, int row, int col, char[] path, int pathLength, boolean[] visited) {
if (pathLength == path.length) {
return true;
}
if (row >= 0 && row < rows && col >= 0 && col < cols && matrix[row * cols + col] == path[pathLength] && !visited[row * cols + col]) {
visited[row * cols + col] = true;
pathLength++;
if (findPathCore(matrix, rows, cols, row, col - 1, path, pathLength, visited)
|| findPathCore(matrix, rows, cols, row - 1, col, path, pathLength, visited)
|| findPathCore(matrix, rows, cols, row, col + 1, path, pathLength, visited)
|| findPathCore(matrix, rows, cols, row + 1, col, path, pathLength, visited)) {
return true;
}
visited[row * cols + col] = false; }
return false;
}
}
13.机器人的运动范围
此题有一个小的点需要靠平时的积累，数位和的计算。
/**
* 计算数位和
* 例如：85的数位和为8+5=13
* 计算过程：
* 85 % 10 = 5（个位）
* 85 / 10 = 8（移除个位）
* 8 % 10 = 8（十位）
* 5 + 8 = 13
* @param number 数字
* @return 数位和
*/
private int getDigitSum(int number) {
int sum = 0;
while (number > 0) {
sum += number % 10;
number /= 10;
}
return sum;
}
另外还需要注意几个临界条件：
访问的行和列一定是大于等于0；
访问的行和列一定是小于总行数和总列数（并不是小于等于，因为是从第0行开始）
行和列的数位和小于阈值
没有被访问过
row >= 0 && row < rows && col >= 0 && col < cols && (getDigitSum(row) + getDigitSum(col) < threshold) && !visited[row * cols + col]
题目中看似提到了m行n列，立马想到了用二维数字来表示。实际上如果用二维数组是增加了复杂性，用一维数组同样能表示出二维数组。例如：m行n列就一共又m*n个元素，visited[m*n]。访问第1行第1列，在一维数组中则为visited[1*m+1]，访问第1行第2列则为visited[1*m+2]，也就是在一位数组中，数据是按照一列一列存放的。如果要访问第2行是2*cols+第几列。
另外既然需要求出达到多少个格子，则是需要访问格子周围即：(i - 1, j)、(i, j - 1)、(i + 1, j)、(i, j + 1)。
/**
* Description:
* 机器人的运动范围
* 2019-06-18
* Created with OKevin.
*/
public class Solution {
public int movingCount(int threshold, int rows, int cols) {
if (threshold < 0 || rows <= 0 || cols <= 0) {
return 0;
}
boolean[] visited = new boolean[rows * cols];
int count = movingCountCore(threshold, rows, cols, 0, 0, visited);
return count;
} private int movingCountCore(int threshold, int rows, int cols, int row, int col, boolean[] visited) {
int count = 0;
if (check(threshold, rows, cols, row, col, visited)) {
visited[row * cols + col] = true;
/**
* 当前访问到了(i, j)坐标，此时则继续访问(i - 1, j)、(i, j - 1)、(i + 1, j)、(i, j + 1)
*/
count = 1 + movingCountCore(threshold, rows, cols, row - 1, col, visited) + movingCountCore(threshold, rows, cols, row, col-1, visited) + movingCountCore(threshold, rows, cols, row + 1, col, visited) + movingCountCore(threshold, rows, cols, row + 1, col, visited);
}
return count;
} private boolean check(int threshold, int rows, int cols, int row, int col, boolean[] visited) {
//横坐标与纵坐标的数位和相加小于阈值，且没有访问过
if (row >= 0 && row < rows && col >= 0 && col < cols && (getDigitSum(row) + getDigitSum(col) <= threshold) && !visited[row * cols + col]) {
return true;
}
return false;
} /**
* 计算数位和
* 例如：85的数位和为8+5=13
* 计算过程：
* 85 % 10 = 5（个位）
* 85 / 10 = 8（移除个位）
* 8 % 10 = 8（十位）
* 5 + 8 = 13
* @param number 数字
* @return 数位和
*/
private int getDigitSum(int number) {
int sum = 0;
while (number > 0) {
sum += number % 10;
number /= 10;
} return sum;
}
}
14.剪绳子
这道题是求解最优化问题。理论上讲，在题目中出现最大、最小、一共有多少种解法都可以用动态规划求解。
解法一：动态规划
拿到这道题，习惯性的可能会先从由上往下的解题思路去想，比如：长度为9，可以分为几段：1，1，7；1，2，6等等。会去思考这个长度会分成几个段，再将每个段的乘积求出来，取最大的那个段。
但实际上，对于求解最优化问题，可以转换为一系列子问题。对于本题一段绳子来讲，它无论如何都至少被切为2段。例如长度为8时，可能被切为：1,7；2,6；3,5；4,4。当然还有5,3，这实际上又和前面重复了，所以一段绳子如果被切为2段，就只有n/2种可能性。
切为2段并不是最终的最大乘积长度，例如8切为了以上4种可能性的两段，并不意味着8的切成m段的最大乘积长度为15（3*5）。它当然还能切为2*3*3=18。那为什么说只需要切为2段呢？
这是因为我们需要把这个问题不断地划分为小的问题。
例如8被切为了1和7，这两段不能再继续切分，它就是最小的问题；同理，8被切为了2和6，但是6仍然可以继续被切为1和5，2和4，3和3，所以2和6并不是最小的问题，以此类推，最终推出长度为6的绳子切成m段的最大乘积是9（3*3），那么8被切为2和6时，2*9就等于18。同理继续推3和5，4和4。
上面的分析得出了什么样的结论呢？结论就是，只需要想象成2段，再各自继续切2段。也就是说假设长度为n的绳子，f(n)是它的各段最大乘积长度，它在被切第一刀时，第一段长度为（1,2,...n-1），第二段的长度为(n-1,n-2,...,1)。推出f(n)=max(f(i)*f(n-1))的关联关系。这里一定需要好好理解，切成2段后，并不是直接将两段相乘，而是再继续将各段切分直至不能再切且取最大乘积长度。
在《算法笔记》（刁瑞 谢妍著）一书中对动态规划做了求解步骤的总结：
定义子问题
定义状态转换规则，即递推关系
定义初始状态
套用到这套题上，我认为就是需要明确以下3点：
该问题的核心在于求出每段的最大乘积长度，这是子问题，也就是上文所述，再被切为两段时，需要明确是否能继续切直至不能再切且取最大乘积长度。
递推关系，也已明确(n)=max(f(i)*f(n-1))
初始状态，长度为1不能切，长度为2最长为1，长度为3最长为2。
/**
* Description:
* 剪绳子——动态规划
* 2019-06-19
* Created with OKevin.
*/
public class Solution1 { public int maxProductAfterCutting(int length) {
if (length < 2) {
return 0;
}
if (length == 2) {
return 1;
}
if (length == 3) {
return 2;
}
int[] products = new int[length + 1]; //数组中存储的是每段的最优解
//大于长度3的绳子，当然可以划分出1,2,3长度的绳子
products[0] = 0;
products[1] = 1;
products[2] = 2;
products[3] = 3;
int max = 0;
for (int i = 4; i <= length; i++) {
max = 0;
for (int j = 1; j <= i / 2; j++) { //除以2的原因在上文中也以提到，将一段绳子划分为2段时，实际上中间后的切分和前面是重复的
int product = products[j] * products[i - j]; //递推关系f(i)*f(n-1)
if (max < product) {
max = product;
}
products[i] = max;
}
}
max = products[length];
return max;
}
}
优点：动态规划类似于分治算法，将大的问题逐步划分为小的问题求解。
缺点：此题采用动态规划的时间复杂度为O(n^2)，且空间复杂度为O(n)
解法二：贪婪算法
贪婪算法的核心是，先挑最大的，再挑比较大的，再挑小的（贪婪嘛）。
本题对于长度为n（n>=5）的绳子应尽量多划分为长度3的段。对于长度为4的段，应划分为长度为2的段。
也即是，如果长度为10，那么10/3=3个长度为3的段，划分结果为3*3*3*1，最后一个段为1，划分为3*3*4。
/**
* Description:
* 剪绳子——贪婪算法
* 2019-06-20
* Created with OKevin.
*/
public class Solution2 {
public int maxProductAfterCutting(int length) {
if (length < 2) {
return 0;
}
if (length == 2) {
return 1;
}
if (length == 3) {
return 2;
}
int timesOf3 = length / 3;
if (length - timesOf3 * 3 == 1) {
timesOf3 -= 1;
}
int timesOf2 = (length - timesOf3*3) / 2;
return (int) (Math.pow(3, timesOf3) * Math.pow(2, timesOf2));
}
}
15.二进制中1的个数
此题可采用移位运算+与运算求解
/**
* Description:
* 移位运算+与运算
* 2019-06-20
* Created with OKevin.
*/
public class Solution {
public int NumberOf1(int num) {
int count = 0;
while (num != 0) {
if ((num & 1) == 1) {
count++;
}
num = num >>> 1; //因为运算>>>表示无符号右移，意味着如果是负数，仍然会向右移，同时用0补齐。如果使用>>有符号右移，那么符号位1永远会存在，也就是会产生死循环
}
return count;
}
}
16.数值的整数次方
循环暴力法
/**
* Description:
* 循环暴力法
* 2019-06-20
* Created with OKevin.
*/
public class Solution1 {
public int pow(int m, int n) {
int result = 1;
for (int i = 0; i < n; i++) {
result *= m;
}
return result;
}
}
很遗憾，这种解法连校招级都算不上，顶多算是刚学习编程时的水平。
其实这道题，并没有考查过多的算法，更多的是考查对细节的把握。一个数的整数次方，不光是整数，还有可能是负数，也有可能是0。如果数值为0，则0的幂是没有意义的。
/**
* Description:
* 考虑指数为0，负数，整数；数值为0的情况;0^0在数学上没有意义
* 2019-06-21
* Created with OKevin.
*/
public class Solution2 { public double pow(int m, int n) {
double result = 0;
if (m == 0 && n < 0) {
return -1;
}
int absN = Math.abs(n); //取绝对值
result = calc(m, absN);
if (n < 0) {
result = 1 / result;
}
return result;
} private int calc(int m, int n) {
int result = 1;
for (int i = 0; i < n; i++) {
result *= m;
}
return result;
}
}
改进后的代码考虑到了指数是负数的情况。但实际上这仍然有优化的空间。如果指数是32，意味着calc方法需要循环31次。然而实际上循环到一半的时候就可以求它本身。也就是说a^n/2 * a^n/2，n为偶数；a^(n-1)/2 * a^(n-1)/2 * a，n为奇数。
改进后的calc方法：
private int calc(int m, int n) {
if (n == 0) {
return 1;
}
if (n == 1) {
return m;
}
int result = calc(m, n >> 1); //右移1位表示除以2
result *= result;
if ((m & 1) == 1) { //位运算判断是会否为奇数，奇数的二进制第一位一定是1与1做与运算即可判断是否为奇数，代替m%2是否等于0
result *= m;
}
return result;
}
本文例子完整源码地址：https://github.com/yu-linfeng/BlogRepositories/tree/master/repositories/sword
《【好书推荐】《剑指Offer》之硬技能（编程题7~11）》
持续更新，敬请关注公众号:coderbuff，回复关键字“sword”获取相关电子书。
这是一个能给程序员加buff的公众号 （CoderBuff）
最新文章
- 机器学习之sklearn——SVM
- Struts2之开山篇
- 给UIWebView调整UserAgent字段
- 【BZOJ-1576】安全路径Travel Dijkstra + 并查集
- 解决Jenkins打不开浏览器问题
- 实现手机扫描二维码页面登录，类似web微信-第二篇，关于二维码的自动生成
- sqlserver允许远程连接的配置
- oracle utf8字符集转gbk(转)
- php+mysql分页类的入门实例
- 传感器 -UIAccelerometer
- 定制jackson的自定义序列化(null值的处理)
- 带金属光泽的模型shader的实现
- ASP.NET Core的身份认证框架IdentityServer4（3）-术语的解释
- UNIX网络编程——select函数的并发限制和 poll 函数应用举例
- JS 关于 bind ,call,apply 和arguments p8
- Web前端知识点记录
- 20175320 2018-2019-2 《Java程序设计》第7周学习总结
- BZOJ3638[Codeforces280D]k-Maximum Subsequence Sum&BZOJ3272Zgg吃东西&BZOJ3267KC采花——模拟费用流+线段树
- 解决System.Runtime.CompilerServices.ExtensionAttribute..ctor 与 ‘ExtensionAttribute’ is ambiguous in the namespace ‘System.Runtime.CompilerServices’ 问题
- MYSQL之MHA集群