【动态规划】【位运算】1787. 使所有区间的异或结果为零

这篇具有很好参考价值的文章主要介绍了【动态规划】【位运算】1787. 使所有区间的异或结果为零。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

作者推荐

【数位dp】【动态规划】【状态压缩】【推荐】1012. 至少有 1 位重复的数字

本文涉及知识点

动态规划汇总
位运算

LeetCode 1787. 使所有区间的异或结果为零

给你一个整数数组 nums​​​ 和一个整数 k​​​​​ 。区间 [left, right](left <= right)的 异或结果 是对下标位于 left 和 right(包括 left 和 right )之间所有元素进行 XOR 运算的结果:nums[left] XOR nums[left+1] XOR … XOR nums[right] 。
返回数组中 要更改的最小元素数 ,以使所有长度为 k 的区间异或结果等于零。
示例 1:
输入:nums = [1,2,0,3,0], k = 1
输出:3
解释:将数组 [1,2,0,3,0] 修改为 [0,0,0,0,0]
示例 2:
输入:nums = [3,4,5,2,1,7,3,4,7], k = 3
输出:3
解释:将数组 [3,4,5,2,1,7,3,4,7] 修改为 [3,4,7,3,4,7,3,4,7]
示例 3:
输入:nums = [1,2,4,1,2,5,1,2,6], k = 3
输出:3
解释:将数组[1,2,4,1,2,5,1,2,6] 修改为 [1,2,3,1,2,3,1,2,3]
提示:
1 <= k <= nums.length <= 2000
​​​​​​0 <= nums[i] < 210

动态规划

异或

异或 ⊕ \oplus 的逆运算是其本身。所以nums[i]和nums[i+k] 都等于0和nums(i,i+k)的 ⊕ \oplus

动态规划的状态表示

pre[mask] 表示nums[0,i)的结果为mask最小更改次数。修nums[j],必须同时修改nums[j+k]…nums[j*+k*x]
dp[mask]表示nums[0,i+1)的结果为mask最小更改次数。
由于nums[i] 中只有0到9位有1,所有不需要处理第10位及更高位。
mask的取值范围210,空间复杂度为:*O(210)

动态规划的转移方程

mCnt 记录nums[i] ,nums[i+k] nums[i+k * 2]…nums[i+k * 3]… 各数值出现的次数。所有数值出现的次数之和为cnt。
令x在mCnt中出现。
dp[mask] =min { p r e [ m a s k ⊕ x ] + c n t − m C n t [ x ] 部分数字没改 情况一 ‾ 除 p r e [ m a s k ⊕ x ] 外的最小值 + c n t 改成数字 情况二 ‾ \begin{cases} pre[mask \oplus x]+cnt-mCnt[x] & 部分数字没改& \underline{情况一} \\ 除 pre[mask \oplus x]外的最小值+cnt & 改成数字& \underline{情况二} \\ \end{cases} {pre[maskx]+cntmCnt[x]pre[maskx]外的最小值+cnt部分数字没改改成数字情况一情况二
情况二,可以不排除 m a s k ⊕ x mask \oplus x maskx ,假定它是最小值,它一定被情况一淘汰,比情况一多mCnt[x]。
故:每个状态的转移的时间复杂度是:O(1)。

动态规划的初始状态

pre[0]=0 其它等于10000,表示非法状态。

动态规划的填表顺序

i从0到k-1。枚举nums,时间复杂度O(n)。状态数,O(210)。古总时间复杂度:O(n210)。

动态规划的返回值

pre.front();

代码

核心代码

class Solution {
public:
	int minChanges(vector<int>& nums, int k) {
		int n = nums.size();
		vector<int> pre(m_iMaskCount, 10000);
		pre[0] = 0;
		for (int i = 0; i < k; i++)
		{
			int cnt = 0,j;
			unordered_map<int, int> mCnt;
			for (; (j= cnt*k+i) < n; cnt++)
			{
				mCnt[nums[j]]++;
			}
			vector<int> dp(m_iMaskCount, 10000);
			int iMinPre = *std::min_element(pre.begin(), pre.end());
			for (int mask = 0; mask < m_iMaskCount; mask++)
			{
				dp[mask] = iMinPre + cnt;
				for (const auto& [x, cnt1] : mCnt)
				{
					dp[mask] = min(dp[mask], pre[mask ^ x] + cnt - cnt1);
				}
			}
			pre.swap(dp);
		}
		return pre.front();
	}
	int m_iMaskCount = 1 << 10;
};

测试用例


template<class T>
void Assert(const T& t1, const T& t2)
{
	assert(t1 == t2);
}

template<class T>
void Assert(const vector<T>& v1, const vector<T>& v2)
{
	if (v1.size() != v2.size())
	{
		assert(false);
		return;
	}
	for (int i = 0; i < v1.size(); i++)
	{
		Assert(v1[i], v2[i]);
	}

}

int main()
{	
	vector<int> nums;
	int k;
	{
		Solution sln;
		nums = { 1, 2, 0, 3, 0 }, k = 1;
		auto res = sln.minChanges(nums, k);
		Assert(res, 3);
	}
	
	{
		Solution sln;
		nums = { 3,4,5,2,1,7,3,4,7 }, k = 3;
		auto res = sln.minChanges(nums, k);
		Assert(res, 3);
	}

	{
		Solution sln;
		nums = { 1,2,4,1,2,5,1,2,6 }, k = 3;
		auto res = sln.minChanges(nums, k);
		Assert(res, 3);
	}
}

2023年2月

class Solution {
public:
int minChanges(vector& nums, int k) {
vector pre(1024, m_iNotMay);
pre[0] = 0;
for (int i = 0; i < k; i++ )
{
const auto& n = nums[i];
int iSize = 0;
std::unordered_map<int, int> mValueNums;
for (int ii = i; ii < nums.size(); ii+=k)
{
iSize++;
mValueNums[nums[ii]]++;
}
int t2min = *std::min_element(pre.begin(), pre.end());
vector dp(1024, t2min);
for (int mask = 0; mask < 1024; mask++)
{
for (auto it : mValueNums)
{
dp[mask] = min(dp[mask], pre[mask^it.first] - it.second);
}
}
for (auto& na : dp)
{
na += iSize;
}
pre.swap(dp);
}
return pre[0];
}
int m_iNotMay = 1000 * 1000;
};

2023年7月

class Solution {
public:
int minChanges(vector& nums, int k) {
m_c = nums.size();
vector pre(m_iMaskNum, m_iNotMay);
pre[0] = 0;
for (int iK = 0; iK < k; iK++)
{
std::unordered_map<int, int> count;
int iGroupNumNum = 0;
for (int i = iK; i < m_c; i += k)
{
count[nums[i]]++;
iGroupNumNum++;
}
const int iMinPre = *std::min_element(pre.begin(), pre.end());
vector dp(m_iMaskNum, iMinPre + iGroupNumNum);
for (const auto& it : count)
{
for (int iPre = 0; iPre < m_iMaskNum; iPre++)
{
const int iNewMask = it.first ^ iPre;
dp[iNewMask] = min(dp[iNewMask],pre[iPre]+ iGroupNumNum - it.second);
}
}
pre.swap(dp);
}
return pre[0];
}
int m_iMaskNum = 1 << 10;
const int m_iNotMay = 10000;
int m_c;
};

【动态规划】【位运算】1787. 使所有区间的异或结果为零,# 算法题,动态规划,算法,c++,LeetCode,位运算,区间,异或

扩展阅读

视频课程

有效学习:明确的目标 及时的反馈 拉伸区(难度合适),可以先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。
https://edu.csdn.net/course/detail/38771

如何你想快

速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程
https://edu.csdn.net/lecturer/6176

相关

下载

想高屋建瓴的学习算法,请下载《喜缺全书算法册》doc版
https://download.csdn.net/download/he_zhidan/88348653

我想对大家说的话
闻缺陷则喜是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。
子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙,那算法就是他的是睛

测试环境

操作系统:win7 开发环境: VS2019 C++17
或者 操作系统:win10 开发环境: VS2022 C++17
如无特殊说明,本算法用**C++**实现。

【动态规划】【位运算】1787. 使所有区间的异或结果为零,# 算法题,动态规划,算法,c++,LeetCode,位运算,区间,异或文章来源地址https://www.toymoban.com/news/detail-841003.html

到了这里,关于【动态规划】【位运算】1787. 使所有区间的异或结果为零的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 区间dp(动态规划)

    动态规划(dp)是一种通过将问题分解为子问题,并利用已解决的子问题的解来求解原问题的方法。适用于具有重叠子问题和最优子结构性质的优化问题。通过定义状态和状态转移方程,动态规划可以在避免重复计算的同时找到问题的最优解,是一种高效的求解方法,常用于

    2024年02月15日
    浏览(41)
  • 动态规划——区间DP 学习笔记

    不含四边形不等式优化。 线性动态规划的局限性在于,它只能顺推或倒退,而不能有子区间依赖的问题。 区间动态规划是线性动态规划的扩展,它将问题划分为若干个子区间,并通过定义状态和状态转移方程来求解每个子区间的最优解,最终得到整个区间的最优解。 区间动

    2024年02月08日
    浏览(42)
  • 动态规划——区间dp [石子合并]

    动态规划(dp)是一种通过将问题分解为子问题,并利用已解决的子问题的解来求解原问题的方法。适用于具有重叠子问题和最优子结构性质的优化问题。通过定义状态和状态转移方程,动态规划可以在避免重复计算的同时找到问题的最优解,是一种高效的求解方法,常用于

    2024年02月12日
    浏览(45)
  • 动态规划系列 | 一文搞定区间DP

    区间 DP 可以用于解决一些涉及到区间合并或分割的问题。区间 DP 通常有以下三个特点: 合并(分割) :将两个或多个部分进行整合,或者反过来将一个区间分解成多个部分。 特征 :能将问题分解为能两两合并的形式。 求解 :对整个问题设最优解,枚举合并点,将问题分

    2024年02月02日
    浏览(46)
  • 石子合并(动态规划 区间DP)+详细注释

    原题链接   活动 - AcWing 题目 设有 N 堆石子排成一排,其编号为 1,2,3,…,N。 每堆石子有一定的质量,可以用一个整数来描述,现在要将这 N 堆石子合并成为一堆。 每次只能合并相邻的两堆,合并的代价为这两堆石子的质量之和,合并后与这两堆石子相邻的石子将和新堆相

    2024年02月16日
    浏览(38)
  • 【动态规划】LeetCode 312. 戳气球 --区间DP问题

      Halo,这里是Ppeua。平时主要更新C语言,C++,数据结构算法......感兴趣就关注我吧!你定不会失望。 🌈个人主页:主页链接 🌈算法专栏:专栏链接       我会一直往里填充内容哒! 🌈LeetCode专栏:专栏链接       目前在刷初级算法的LeetBook 。若每日一题当中有力所能

    2023年04月16日
    浏览(39)
  • acwing算法基础之动态规划--线性DP和区间DP

    线性DP:状态转移表达式存在明显的线性关系。 区间DP:与顺序有关,状态与区间有关。 题目1 :数字三角形。 解题思路:直接DP即可, f[i][j] 可以来自 f[i-1][j] + a[i][j] 和 f[i-1][j-1] + a[i][j] ,注意 f[i-1][j] 不存在的情况(最后一个点)和 f[i-1][j-1] 不存在的情况(第一个点)。

    2024年02月04日
    浏览(51)
  • 蓝桥杯备赛之动态规划篇——涂色问题(区间DP)

    2023第十四届蓝桥杯模拟赛第二期个人题解(Java实现) 2023第十四届蓝桥杯模拟赛第三期个人题解(Java实现) 蓝桥杯备赛之动态规划篇——背包问题 蓝桥杯真题——单词分析(Java实现) 😘😘 哈喽,大家好!这里是蓝桥杯系列文章的动态规划章节🔥🔥,今天要讲解的是区

    2024年01月23日
    浏览(48)
  • 算法基础复盘笔记Day11【动态规划】—— 区间DP、计数类DP、树形DP、记忆化搜索

    ❤ 作者主页:欢迎来到我的技术博客😎 ❀ 个人介绍:大家好,本人热衷于 Java后端开发 ,欢迎来交流学习哦!( ̄▽ ̄)~* 🍊 如果文章对您有帮助,记得 关注 、 点赞 、 收藏 、 评论 ⭐️⭐️⭐️ 📣 您的支持将是我创作的动力,让我们一起加油进步吧!!!🎉🎉 1. 题目

    2024年02月01日
    浏览(41)
  • 【leetcode刷题之路】面试经典150题(8)——位运算+数学+一维动态规划+多维动态规划

    20 位运算 20.1 【位运算】二进制求和 题目地址:https://leetcode.cn/problems/add-binary/description/?envType=study-plan-v2envId=top-interview-150   按位逆序运算。 20.2 【位运算】颠倒二进制位 题目地址:https://leetcode.cn/problems/reverse-bits/description/?envType=study-plan-v2envId=top-interview-150   详见代码

    2024年04月16日
    浏览(74)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包