博客
关于我
CodeForces 1484D Playlist 思维暴力
阅读量:502 次
发布时间:2019-03-07

本文共 971 字,大约阅读时间需要 3 分钟。

今天,我遇到了一个编程题,看起来有点难但不算太难。题目是给定一个数组,从第1个元素开始循环检查,如果两个元素的gcd为1(注意i循环到最后一个元素时,要比较a[n]和a[1]),那么就把右边的那个元素移除。并且不能连续移除两个元素。最后要求输出被移除的元素的数量以及移除的顺序。我觉得这个问题可以通过一些巧妙的方法解决,所以决定好好思考一下。

首先,我想到如果用暴力方法,每次都遍历数组检查,时间复杂度可能会很高,特别是当数组很大时。这样做效率太低了,所以得找有没有更高效的解法。于是,我在想应该利用一个数组记录每个元素的下一个元素,这样在处理完移除操作后,可以通过索引跳转很快找到下一个需要被检查的位置。

于是,我打算如下做:

  • 初始化一个数组li,记录每个元素的右边元素,初始时li[i] = i+1。
  • 创建一个队列或者临时列表t,来记录需要处理的位置。
  • 遍历数组,如果找到满足条件的i(即gcd(a[i], a[li[i]])=1),则记录i到t,并标记li[i]为需要处理的元素,同时更新li[i]为它的下一个元素,这样下次循环时,就能直接跳过过多检查。
  • 重复上述过程,直到队列处理完毕。
  • 最后,处理队列中的i,记录移除的顺序和数量。
  • 在实现的时候,需要注意一些细节:

    • 初始化时li[n]要指向1,避免在循环最后一个元素时比较错误。
    • 在检查的时候,需要避免已被处理的节点重复处理。
    • 每次找到一个i,立即标记li[i]为“处理中”,并跳过后续检查,直接处理下一个i。
    • 在特殊情况下,比如数组只有一个元素(n=1),可能不会发生移除操作。

    关于数据结构的选择,我认为用一个数组存储每个节点右边的下一个节点是比较方便的,这样可以比列表更高效一些,尤其是在大数组中改变节点的位置时。

    总结一下,我的思路就是:

    • 用一个数组记录每个节点的右边元素。
    • 用一个队列记录需要处理的节点。
    • 每次循环,处理队列中的节点,记录移动后的顺序。
    • 避免重复处理节点,提高效率。

    这样的方法应该可以在O(n)的时间复杂度内解决问题,适用于较大的输入规模。如果你觉得这个思路清晰,可以试着写出代码。

    在实际代码中,我也会注意一些细节,比如如何处理第一个节点i=1,以及当节点被多次重新连结时如何处理指针。外加,确保每一步都正确地更新指针,这样才能防止小数组时出现的问题。

    转载地址:http://dpnjz.baihongyu.com/

    你可能感兴趣的文章
    NTP及Chrony时间同步服务设置
    查看>>
    NTP配置
    查看>>
    NUC1077 Humble Numbers【数学计算+打表】
    查看>>
    NuGet Gallery 开源项目快速入门指南
    查看>>
    NuGet(微软.NET开发平台的软件包管理工具)在VisualStudio中的安装的使用
    查看>>
    nuget.org 无法加载源 https://api.nuget.org/v3/index.json 的服务索引
    查看>>
    Nuget~管理自己的包包
    查看>>
    NuGet学习笔记001---了解使用NuGet给net快速获取引用
    查看>>
    nullnullHuge Pages
    查看>>
    NullPointerException Cannot invoke setSkipOutputConversion(boolean) because functionToInvoke is null
    查看>>
    null可以转换成任意非基本类型(int/short/long/float/boolean/byte/double/char以外)
    查看>>
    Numix Core 开源项目教程
    查看>>
    numpy
    查看>>
    NumPy 或 Pandas:将数组类型保持为整数,同时具有 NaN 值
    查看>>
    numpy 或 scipy 有哪些可能的计算可以返回 NaN?
    查看>>
    numpy 数组 dtype 在 Windows 10 64 位机器中默认为 int32
    查看>>
    numpy 数组与矩阵的乘法理解
    查看>>
    NumPy 数组拼接方法-ChatGPT4o作答
    查看>>
    numpy 用法
    查看>>
    Numpy 科学计算库详解
    查看>>