• LeetCode笔记：Biweekly Contest 110
  • 1. 题目一
    • 1. 解题思路
    • 2. 代码实现
  • 2. 题目二
    • 1. 解题思路
    • 2. 代码实现
  • 3. 题目三
    • 1. 解题思路
    • 2. 代码实现
  • 4. 题目四
    • 1. 解题思路
    • 2. 代码实现

• 比赛链接：https://leetcode.com/contest/biweekly-contest-110

1. 题目一

给出题目一的试题链接如下：

• 2806. Account Balance After Rounded Purchase

1. 解题思路

这一题思路上还是很直接的，就是首先找到给出的数的上下两个10的整倍数，然后找到其中满足题意得那一个，然后求一下和100的差即可。

2. 代码实现

给出python代码实现如下：

class Solution:def accountBalanceAfterPurchase(self, purchaseAmount: int) -> int:a = (purchaseAmount // 10) * 10b = a + 10roundedAmount = a if abs(a-purchaseAmount) < abs(b-purchaseAmount) else breturn 100 - roundedAmount

提交代码评测得到：耗时44ms，占用内存16.2MB。

2. 题目二

给出题目二的试题链接如下：

• 2807. Insert Greatest Common Divisors in Linked List

1. 解题思路

这道题原意肯定是考链表，不过这里我偷了个机，直接先转成了array然后进行在恢复成链表，就省去了很多麻烦。

而剩下的就是求一下最大公约数，就不是啥大事了，用python自带的函数即可，当然自己实现也不复杂，就不赘述了。

2. 代码实现

给出python代码实现如下：

class Solution:def insertGreatestCommonDivisors(self, head: Optional[ListNode]) -> Optional[ListNode]:nodes = []while head:nodes.append(head.val)head = head.nextn = len(nodes)for i in range(n-1):a = nodes[2*i]b = nodes[2*i+1]nodes.insert(2*i+1, gcd(a,b))nodes = [ListNode(val) for val in nodes]n = len(nodes)for i in range(n-1):nodes[i].next = nodes[i+1]return nodes[0]

提交代码评测得到：耗时123ms，占用内存21.5MB。

3. 题目三

给出题目三的试题链接如下：

• 2808. Minimum Seconds to Equalize a Circular Array

1. 解题思路

这一题其实想清楚之后还是挺简单的，因为其实最终肯定是要全部变成某一个具体的元素，因此，而要变成某一个元素，其所需的时间事实上就是其他元素到其最近的距离的最大值。

而要求这个值，事实上也就是任意两个相邻的相同同元素之间距离的一半。

因此，我们只需要记录一下每一个元素出现的所有位置，然后对每一个元素计算一下全部变成该元素所需的时间，然后取出最小值即可。

2. 代码实现

给出python代码实现如下：

class Solution:def minimumSeconds(self, nums: List[int]) -> int:n = len(nums)locs = defaultdict(list)for i, x in enumerate(nums):locs[x].append(i)def get_seconds(indexs):m = len(indexs)if m == 1:return n // 2dis = [(indexs[i] - indexs[i-1] + n) % n // 2 for i in range(m)]return max(dis)seconds = [get_seconds(indexs) for indexs in locs.values()]return min(seconds)

提交代码评测得到：耗时640ms，占用内存49.1MB。

4. 题目四

给出题目四的试题链接如下：

• 2809. Minimum Time to Make Array Sum At Most x

1. 解题思路

这一题很可惜没能搞定，只是抄了大佬的答案……

思路来说倒是不难理解，或者说多少我也想到了，但是关键部分这样实现为什么可以work就多少有点不太理解了，这里就只是把大佬的思路先写下来，后来有空再回来看看吧……

整体的思路上来说其实还是挺简单的，显然，假设两个数组的和分别为$s_1,s_2$，那么如果经过$k$次操作，其最终的答案一定是：

$$f(k)=s_1+k\cdot s_2-\sum _{i=1}^k(a_{n_i}+k\cdot b_{n_i})$$

然后，这里的变量其实就是后面的$\sum _{i=1}^k(a_{n_i}+k\cdot b_{n_i})$部分，要使得整体的$f(k)$最小，就是令$\sum _{i=1}^k(a_{n_i}+k\cdot b_{n_i})$取最大。其中，$n_i$是一组坐标的下标选择。

但是，我自己的话就是卡在这里做不下去了，不知道怎么去做这个问题，然后看大佬们的答案倒是思路也简单，就是在这里用了动态规划，定义$f_n(k)$表示经过$k$次操作之后能够获得的$\sum _{i=1}^k(a_{n_i}+k\cdot b_{n_i})$的最大值，然后动态规划的求取这个$f_n(k)$。

但是，就是关于这里为什么大佬们给出的动态规划方式可以work多少有点感觉奇怪，其实现上很简单：

1. 首先对于位置关于$(b_i,a_i)$的大小进行排序；

2. 然后从小到大分别取出每一组$(b_i,a_i)$，依次更新所有的$f_n(k)$为：

   $$f_n(k)=\max (f_n(k),f_n(k-1)+a_i+k\cdot b_i)$$

这个递推表达式本身也不难理解，就是对每一个元素，考察是否要取用这个元素作为第$k$个被取用的元素，但是数学上为什么这样就一定能够获得最终的最优答案，多少还是有点想不太清楚，唉……

2. 代码实现

给出python代码实现如下：

class Solution:def minimumTime(self, nums1: List[int], nums2: List[int], x: int) -> int:n = len(nums1)nums = sorted([(b, a) for a, b in zip(nums1, nums2)])fn = [0 for _ in range(n+1)]for b, a in nums:for i in range(n, 0, -1):fn[i] = max(fn[i], fn[i-1] + a+i*b)s1 = sum(nums1)s2 = sum(nums2)for i in range(n+1):if s1 + s2*i - fn[i] <= x:return ireturn -1

提交代码评测得到：耗时1812ms，占用内存16.8MB。