新闻详情

新闻详情

首页 / 资讯中心 / 详情

解决leetcode第4059题字典序最大的答案数组

发布时间:2026/10/30 3:12:26来源:尧图网络
解决leetcode第4059题字典序最大的答案数组
4059.字典序最大的答案数组难度困难问题描述给你一个长度为n的整数数组nums。你可以重新排列其中的元素以形成任意排列perm。定义一个长度为15的数组power。对于每个0i15考查perm的前j个元素的第(14-i)位power[i]是满足这些位全为1的最大整数j其中0jn。二进制位的位置从右向左编号从第0位开始。返回可能得到的字典序最大的power数组。排列是数组中所有元素的一种重新排列。置位指的是数字在二进制表示中对应位的值为1。对于两个长度相同的数组如果在它们不同的第一个下标处数组a包含的元素大于数组b中的元素则称数组a的字典序大于数组b。示例1输入nums[7,5]输出[0,0,0,0,0,0,0,0,0,0,0,0,2,1,2]解释选择perm[7,5]。两个元素的第2位都置位了因此power[12]2。第一个元素的第1位置位了但第二个元素没有因此power[13]1。两个元素的第0位都置位了因此power[14]2。第一个元素的所有更高位都未置位因此其余项都为0。示例2输入nums[3,1,7]输出[0,0,0,0,0,0,0,0,0,0,0,0,1,2,3]解释选择perm[7,3,1]。第一个元素的第2位置位了但第二个元素没有因此power[12]1。前两个元素的第1位都置位了但第三个元素没有因此power[13]2。所有三个元素的第0位都置位了因此power[14]3。第一个元素的所有更高位都未置位因此其余项都为0。提示1nums.length5*10**40nums[i]2**15问题分析这个问题很难读懂必须结合后面的示例反复阅读才能够找到那么一丝丝的感觉因而越发显出它的不凡之处。其实要获得字典序最大的power数组关键在于perm这个看似是原数组nums的任意排列其实只能取nums的降序排列形式才能得到字典序最大的power数组。为此程序设计了三个函数来解决这一问题函数 int_change_to_15_binary(num)将一个num整数转化为15位的二进制字符串并返回函数 get_1_nums_of_index_i(binary_array_15,i)从一个由15位二进制字符串组成的数组中统计出各个二进制字符串的第i位是字符1的个数并返回函数get_power_array_from_perm(perm)则根据传入的经过降序处理的二进制字符串数组perm得到最终结果power数组并返回。主程序则先对输入的nums数组进行降序排序然后转化为15位进制字符串数组最后调用get_power_array_from_perm(perm)得到最终结果问题得以解决。程序如下#将一个整数num转化为15位二进制数并返回 def int_change_to_15_binary(num): numbin(num)[2:] nlen(num) num0*(15-n)num return num #检查一个由15位二进制数字符串所组成的数组第i位上1的个数并返回 def get_1_nums_of_index_i(binary_array_15,i): i_str.join([x[i] for x in binary_array_15]) return i_str.count(1) #从perm数组中统计并得出power数组返回 def get_power_array_from_perm(perm): power[] pr_array[] for i in perm: pr_array.append(int_change_to_15_binary(i)) for i in range(15): power.append(get_1_nums_of_index_i(pr_array,i)) return power #主程序 numseval(input(pls input nums)) nums.sort(reverseTrue) print(get_power_array_from_perm(nums))运行实例一pls input nums[5,10,30][0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 2, 2, 2, 1]运行实例二pls input nums[3,1,7][0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 2, 3]
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/28 16:06:12

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/29 23:30:48

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/29 13:36:24

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/29 19:55:35

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/29 13:36:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/28 16:06:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉