国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

Queue Reconstruction by Height

melody_lql / 1192人閱讀

摘要:題目鏈接的題感覺思路好難寫啊。一直重復到結束。第一遍第二遍第三遍每次最前面的減的是最多的,所以考慮倒過來做這樣減的時候就是碰到之后先減,碰到了,之后是減。又由于減到的時候要倒過來到結果里面,實際上就是把小的查到前面對應位置的過程。

Queue Reconstruction by Height

題目鏈接:https://leetcode.com/problems...

greedy的題感覺思路好難寫啊。
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 個一個放進結果里,然后把前面的k都--,第二遍還是找k = 0的。一直重復到結束。

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,所以考慮倒過來做:
[[7, 0], [7, 1], [6, 1], [5, 0], [5, 2], [4, 4]]
這樣減的時候就是碰到[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的時候要倒過來append到結果里面,實際上就是把h小的查到前面對應位置的過程。discussion給的解法實在太厲害了,真想不出來。

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]);
    }
}

文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。

轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/66589.html

相關文章

  • leetcode406. Queue Reconstruction by Height

    摘要:題目要求假設有一組人站成一堆,每個人都記錄下了自己的高度,以及在自己前面有多少個不比自己矮的人?,F在請按照這個信息將這組人放在隊列中正確的位置上并返回。但是這樣解決其實復雜化了問題。即越大,則該同等高度的人一定在另一個同等高度的人后面。 題目要求 Suppose you have a random list of people standing in a queue. Each per...

    morgan 評論0 收藏0
  • 332. Reconstruct Itinerary

    摘要:題目解答都是用來解,一個用一個用來實現深度優先搜索,搜索到一個城市只是的時候即沒有出度的時候,把這個記入中去,因為它肯定是最后到達的城市,然后依次向前類推的要求在存入的時候就用先存好先進去的說明是出發城市,那么最先出發的城市最后出來 題目:Given a list of airline tickets represented by pairs of departure and arri...

    greatwhole 評論0 收藏0
  • TensorFlow實戰:Neural Style

    摘要:作者使用實現了,并將其開源放在了上。在年的兩個問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。每個卷積核可以看做是圖形的一種特征抽取。相關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積。 showImg(https://segmentfault.com/img/bVPmNA?w=1056&h=707); Neural Style是一個非常...

    stackfing 評論0 收藏0

發表評論

0條評論

最新活動
閱讀需要支付1元查看
<