資訊專(zhuān)欄INFORMATION COLUMN
摘要：題目鏈接的題感覺(jué)思路好難寫(xiě)啊。一直重復(fù)到結(jié)束。第一遍第二遍第三遍每次最前面的減的是最多的，所以考慮倒過(guò)來(lái)做這樣減的時(shí)候就是碰到之后先減，碰到了，之后是減。又由于減到的時(shí)候要倒過(guò)來(lái)到結(jié)果里面，實(shí)際上就是把小的查到前面對(duì)應(yīng)位置的過(guò)程。
Queue Reconstruction by Height
題目鏈接：https://leetcode.com/problems...
greedy的題感覺(jué)思路好難寫(xiě)啊。
首先肯定是要排序，首先想到的思路是先按h再按k排序，h從低到高，k從高到低，原因是第一步想先把是0的yi 個(gè)一個(gè)放進(jìn)結(jié)果里，然后把前面的k都--，第二遍還是找k = 0的。一直重復(fù)到結(jié)束。
es: [[4, 4], [5, 2], [5, 0], [6, 1], [7, 1], [7, 0]]
第一遍：
result: [[5, 0], [7, 0]]
aux: [[4, 2], [5, 0], [6, 0], [7, 0]]
第二遍:
result: [[5, 0], [7, 0], [5, 2], [6, 1]]
aux: [[4, 0], [7, 0]]
第三遍：
result: [[5, 0], [7, 0], [5, 2], [6, 1], [4, 4], [7, 1]]
aux: []
每次最前面的減的是最多的，所以考慮倒過(guò)來(lái)做：
[[7, 0], [7, 1], [6, 1], [5, 0], [5, 2], [4, 4]]
這樣減的時(shí)候就是碰到[7, 0]之后[7, 1], [6, 1]先減1，碰到了[5, 0]，之后[5, 2], [4, 4]是減2。又由于減到0的時(shí)候要倒過(guò)來(lái)append到結(jié)果里面，實(shí)際上就是把h小的查到前面對(duì)應(yīng)位置的過(guò)程。discussion給的解法實(shí)在太厲害了，真想不出來(lái)。
public class Solution {
public int[][] reconstructQueue(int[][] people) {
if(people.length == 0) return people;
Arrays.sort(people, (a, b) -> a[0] == b[0] ? a[1] - b[1] : b[0] - a[0]);
List result = new ArrayList();
for(int[] person : people) {
result.add(person[1], person);
}
return result.toArray(new int[result.size()][2]);
}
}
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/66589.html
摘要：題目要求假設(shè)有一組人站成一堆，每個(gè)人都記錄下了自己的高度，以及在自己前面有多少個(gè)不比自己矮的人。現(xiàn)在請(qǐng)按照這個(gè)信息將這組人放在隊(duì)列中正確的位置上并返回。但是這樣解決其實(shí)復(fù)雜化了問(wèn)題。即越大，則該同等高度的人一定在另一個(gè)同等高度的人后面。 題目要求 Suppose you have a random list of people standing in a queue. Each per...
摘要：題目解答都是用來(lái)解，一個(gè)用一個(gè)用來(lái)實(shí)現(xiàn)深度優(yōu)先搜索，搜索到一個(gè)城市只是的時(shí)候即沒(méi)有出度的時(shí)候，把這個(gè)記入中去，因?yàn)樗隙ㄊ亲詈蟮竭_(dá)的城市，然后依次向前類(lèi)推的要求在存入的時(shí)候就用先存好先進(jìn)去的說(shuō)明是出發(fā)城市，那么最先出發(fā)的城市最后出來(lái) 題目：Given a list of airline tickets represented by pairs of departure and arri...
摘要：作者使用實(shí)現(xiàn)了，并將其開(kāi)源放在了上。在年的兩個(gè)問(wèn)題上分別取得了第一名和第二名。的獲取方式是第層，形狀為，的獲取方式是第層，形狀為。每個(gè)卷積核可以看做是圖形的一種特征抽取。相關(guān)性的描述使用余弦相似性，而余弦相似性又正比于兩種特征的點(diǎn)積。 showImg(https://segmentfault.com/img/bVPmNA?w=1056&h=707); Neural Style是一個(gè)非常...
閱讀 3664·2021-10-12 10:11
閱讀 1026·2021-09-22 15:42
閱讀 3476·2019-08-30 13:06
閱讀 914·2019-08-29 17:05
閱讀 1660·2019-08-29 12:21
閱讀 2388·2019-08-29 11:31
閱讀 1145·2019-08-23 18:37
閱讀 1265·2019-08-23 14:58
