数字小镇 Digitville 中,存在一个数字列表 nums
,其中包含从 0
到 n - 1
的整数。每个数字本应 只出现一次,然而,有 两个 顽皮的数字额外多出现了一次,使得列表变得比正常情况下更长。
为了恢复 Digitville 的和平,作为小镇中的名侦探,请你找出这两个顽皮的数字。
返回一个长度为 2 的数组,包含这两个数字(顺序任意)。
示例 1:
输入: nums = [0,1,1,0]
输出: [0,1]
解释:
数字 0 和 1 分别在数组中出现了两次。
示例 2:
输入: nums = [0,3,2,1,3,2]
输出: [2,3]
解释:
数字 2 和 3 分别在数组中出现了两次。
示例 3:
输入: nums = [7,1,5,4,3,4,6,0,9,5,8,2]
输出: [4,5]
解释:
数字 4 和 5 分别在数组中出现了两次。
提示:
2 <= n <= 100
nums.length == n + 2
0 <= nums[i] < n
- 输入保证
nums
中 恰好 包含两个重复的元素。
class Solution:
def getSneakyNumbers(self, nums: List[int]) -> List[int]:
dict1 = Counter(nums)
l = []
for i in dict1:
if dict1[i] > 1:
l.append(i)
return l
时间复杂度:o(n),空间复杂度:o(n)
给你一个大小为 4 的整数数组 a
和一个大小 至少为 4 的整数数组 b
。
你需要从数组 b
中选择四个下标 i0
, i1
, i2
, 和 i3
,并满足 i0 < i1 < i2 < i3
。你的得分将是 a[0] * b[i0] + a[1] * b[i1] + a[2] * b[i2] + a[3] * b[i3]
的值。
返回你能够获得的 最大 得分。
示例 1:
输入: a = [3,2,5,6], b = [2,-6,4,-5,-3,2,-7]
输出: 26
解释:
选择下标 0, 1, 2 和 5。得分为 3 * 2 + 2 * (-6) + 5 * 4 + 6 * 2 = 26
。
示例 2:
输入: a = [-1,4,5,-2], b = [-5,-1,-3,-2,-4]
输出: -1
解释:
选择下标 0, 1, 3 和 4。得分为 (-1) * (-5) + 4 * (-1) + 5 * (-2) + (-2) * (-4) = -1
。
提示:
a.length == 4
4 <= b.length <= 10**5
-105 <= a[i], b[i] <= 10**5
一开始想的是记忆化搜索,但是爆了:
#内存爆了
class Solution:
def maxScore(self, a: List[int], b: List[int]) -> int:
n = len(b)
@cache
def dfs(i : int, ans : int, step : int) -> int:
if step == 4:
return ans
elif i >= n or step > 4:
return -inf
return max(dfs(i + 1,ans + a[step] * b[i],step + 1),dfs(i + 1,ans,step))
return dfs(0,0,0)
#时间爆了
class Solution:
def maxScore(self, a: List[int], b: List[int]) -> int:
n = len(b)
@cache
def dfs(i : int, ans : int, step : int) -> int:
if step == 4:
return ans
elif i >= n or step > 4:
return -inf
return max(dfs(i + 1,ans + a[step] * b[i],step + 1),dfs(i + 1,ans,step))
ans = dfs(0,0,0)
dfs.cache_clear()
return ans
最后改了动态规划才好
class Solution:
def maxScore(self, a: List[int], b: List[int]) -> int:
n = len(b)
dp = [[float('-inf')] * 5 for _ in range(n + 1)]
dp[0][0] = 0
for i in range(n):
for step in range(4, -1, -1):
if step > 0:
dp[i + 1][step] = max(dp[i + 1][step], dp[i][step - 1] + a[step - 1] * b[i])
dp[i + 1][step] = max(dp[i + 1][step], dp[i][step])
return dp[n][4]