LeetCode781. Rabbits in Forest (Hash Table + Math)

好久没刷题了,今天碰巧看见一道很有趣的题,给大家分享分享:

https://leetcode.com/problems/rabbits-in-forest/description/

In a forest, each rabbit has some color. Some subset of rabbits (possibly all of them) tell you how many other rabbits have the same color as them. Those answers are placed in an array.

Return the minimum number of rabbits that could be in the forest.

Examples:
Input: answers = [1, 1, 2]
Output: 5
Explanation:
The two rabbits that answered "1" could both be the same color, say red.
The rabbit than answered "2" can‘t be red or the answers would be inconsistent.
Say the rabbit that answered "2" was blue.
Then there should be 2 other blue rabbits in the forest that didn‘t answer into the array.
The smallest possible number of rabbits in the forest is therefore 5: 3 that answered plus 2 that didn‘t.

Input: answers = [10, 10, 10]
Output: 11

Input: answers = []
Output: 0

题意: 树林中有一些兔子,其中一些兔子告诉你有多少只兔子与它的颜色相同,求树林中最少有多少兔子。

解法:刚看到题目的时候,是不是很蒙蔽呢,感觉类似于脑筋急转弯。

 * 网上看到个超级秒的解法,也是看了半天才看懂 * 首先明白:对于每个兔子,回答颜色数量不同的属于不同的族群,回答颜色一样的属于一样的族群 * 那么可以使用hash table 来统计 * 思路是:贪心法:使用一个hash map 来保存 dict[k]表示具有相同颜色的K只兔子的群落,还能容纳多少只兔子

感觉解法其实也用到了数学原理

详见代码注释:

class Solution {
    public int numRabbits(int[] answers) {
        Map<Integer, Integer> count = new HashMap<>();
        int res = 0;
        for (int i = 0; i < answers.length; i++) {
            count.put(answers[i] + 1, 0);
        }
        for (int i = 0; i < answers.length; i++) {
            int sameColorNum = answers[i] + 1;
            int leftRabbit = answers[i];
            //如果相同颜色的K只兔子的群落还能容纳兔子,那就容纳下一只兔子,容量减一
            if (count.get(sameColorNum) > 0) {
                count.put(sameColorNum, count.get(sameColorNum) - 1);
            } else {
                // 如果相同颜色的K只兔子的群落不能下容纳兔子,则将当前族群有的兔子数加到结果上去
                res += sameColorNum;
                // 目前第i只兔子的回答是leftRabbit,说明与它颜色相同的兔子族群count[sameColorNum]还有leftRabbit只
                // 则count[sameColorNum]的容量可以扩大到leftRabbit
                count.put(sameColorNum, leftRabbit);
            }
        }
        return res;
    }
}

原文地址:https://www.cnblogs.com/shawshawwan/p/9374654.html

时间: 2024-10-14 12:17:38

LeetCode781. Rabbits in Forest (Hash Table + Math)的相关文章

算法导论---------------散列表(hash table)

摘要: 本章介绍了散列表(hash table)的概念.散列函数的设计及散列冲突的处理.散列表类似与字典的目录,查找的元素都有一个key与之对应,在实践当中,散列技术的效率是很高的,合理的设计散函数和冲突处理方法,可以使得在散列表中查找一个元素的期望时间为O(1).散列表是普通数组概念的推广,在散列表中,不是直接把关键字用作数组下标,而是根据关键字通过散列函数计算出来的.书中介绍散列表非常注重推理和证明,看的时候迷迷糊糊的,再次证明了数学真的很重要.在STL中map容器的功能就是散列表的功能,但

链接法(chaining)构建散列表(hash table)(C++实现)

问题 最近项目中遇到了一个分布式系统的并发控制问题.该问题可以抽象为:某分布式系统由一个数据中心D和若干业务处理中心L1,L2 ... Ln组成:D本质上是一个key-value存储,它对外提供基于HTTP协议的CRUD操作接口.L的业务逻辑可以抽象为下面3个步骤: read: 根据keySet {k1, ... kn}从D获取keyValueSet {k1:v1, ... kn:vn} do: 根据keyValueSet进行业务处理,得到需要更新的数据集keyValueSet' {k1':v1

哈希表(hash table)基础概念

哈希是什么 引入:我们在学习数组的时候,使用数组元素的下标值即可访问到该元素,所花费的时间是O(1),与数组元素的个数n没有关系,这就是哈希方法的核心思想. 哈希方法:以关键值K为自变量,通过一定的函数关系h(K)(哈希函数)计算出对应的函数值,把这个值解释为结点的存储地址,将结点的关键码(key)和属性数据(value)一起存入此存储单元中.检索时,用同样的函数计算出地址,找到对应的数据. 哈希表:按哈希存储方式构造的存储结构称为哈希表(hash table) 举例:已知线性表关键码值集合为S

C语言-简单哈希表(hash table)

腾讯三面的时候,叫我写了个哈希表,当时紧张没写好···结果跪了··· 回来后粪发涂墙,赶紧写了一个! 什么都不说了···先让我到厕所里面哭一会··· %>_<% 果然现场发挥,以及基础扎实才是important的! 用链地址法解决冲突的哈希表(C语言,VS2008编写.测试): 1 #include <stdio.h> 2 #include <stdlib.h> 3 #include <math.h> 4 #include <string.h>

开地址哈希表(Hash Table)的原理描述与冲突解决

在开地址哈希表中,元素存放在表本身中.这对于某些依赖固定大小表的应用来说非常有用.因为不像链式哈希表在每个槽位上有一个"桶"来存储冲突的元素,所以开地址哈希表需要通过另一种方法来解决冲突. 解决冲突的方法 在开地址哈希表中,解决冲突的方法就是探查这个表,直到找到一个可以放置元素的槽. 例如,插入一个元素时,我们探查槽位直到找到一个空槽,然后将元素插入此槽中.删除或查找一个元素时,我们探查槽位直到定位到该元素或找到一个空槽.如果在找到元素之前找到一个空槽或遍历完所有槽位,那么说明此元素在

Max Points on a Line (HASH TABLE

QUESTIONGiven n points on a 2D plane, find the maximum number of points that lie on the same straight line. 1ST TRY /** * Definition for a point. * struct Point { * int x; * int y; * Point() : x(0), y(0) {} * Point(int a, int b) : x(a), y(b) {} * };

哈希表(hash)详解

 哈希表结构讲解: 哈希表(Hash table,也叫散列表),是根据关键码值(Key value)而直接进行访问的数据结构.也就是说,它通过把关键码值映射到表中一个位置来访问记录,以加快查找的速度.这个映射函数叫做散列函数,存放记录的数组叫做散列表. 记录的存储位置 = function(关键字) 这里的对应关系function称为散列函数,又称为哈希(Hash函数),采用散列技术将记录存储在一块连续的存储空间中,这块连续存储空间称为散列表或哈希表(Hash table). 哈希表hashta

散列表(hash table)&mdash;&mdash;算法导论(13)

1. 引言     许多应用都需要动态集合结构,它至少需要支持Insert,search和delete字典操作.散列表(hash table)是实现字典操作的一种有效的数据结构. 2. 直接寻址表     在介绍散列表之前,我们前介绍直接寻址表.     当关键字的全域U(关键字的范围)比较小时,直接寻址是一种简单而有效的技术.我们假设某应用要用到一个动态集合,其中每个元素的关键字都是取自于全域U={0,1,-,m-1},其中m不是一个很大的数.另外,假设每个元素的关键字都不同.    为表示动

哈希表 hash table

散列表(Hash table,也叫哈希表),是根据关键码值(Key value)而直接进行访问的数据结构.也就是说,它通过把关键码值映射到表中一个位置来访问记录,以加快查找的速度.这个映射函数叫做散列函数,存放记录的数组叫做散列表. 给定表M,存在函数f(key),对任意给定的关键字值key,代入函数后若能得到包含该关键字的记录在表中的地址,则称表M为哈希(Hash)表,函数f(key)为哈希(Hash) 函数. 首先问题规模确定,例如5台服务器怎么把数据散落在5台上面呢,就用到了hash算法