力扣第157场双周赛

news2025/12/15 1:56:14

1. 最大质数子字符串之和

给定一个字符串 s,找出可以由其 子字符串 组成的 3个最大的不同质数 的和。

返回这些质数的 总和 ,如果少于 3 个不同的质数,则返回 所有 不同质数的和。

质数是大于 1 且只有两个因数的自然数:1和它本身。

子字符串 是字符串中的一个连续字符序列。 

注意:每个质数即使出现在 多个 子字符串中,也只能计算 一次 。此外,将子字符串转换为整数时,忽略任何前导零。

示例 1:

输入: s = "12234"

输出: 1469

解释:

由 "12234" 的子字符串形成的不同质数为 2 ,3 ,23 ,223 和 1223。
最大的 3 个质数是 1223、223 和 23。它们的和是 1469。
示例 2:

输入: s = "111"

输出: 11

解释:

由 "111" 的子字符串形成的不同质数是 11。
由于只有一个质数,所以结果是 11。
 

提示:

1 <= s.length <= 10
s 仅由数字组成。 

解题思路:字符串的长度只有10,注意字符串转 int -> [-10^9,10^9]时会超, 其他就是简单模拟即可

class Solution {
public:
    bool solve(long long num){
        if(num<2) return false;
        for(long long i=2;i*i<=num;i++){
            if(num%i==0) return false;
        }
        return true;
    }
    long long sumOfLargestPrimes(string s) {
        set<long long> a;
        int n=s.size();
        for(int i=0;i<n;i++){
            string tmp="";
            for(int j=i;j<n;j++){
                tmp+=s[j];         
                long long v=stoll(tmp);
                if(solve(v)){
                    a.insert(v);
                }
            }
        }
        vector<long long> b(a.begin(),a.end()); sort(b.begin(),b.end()); int n_b=b.size(); long long sum=0;
        if(n_b>=3) return b[n_b-1]+b[n_b-2]+b[n_b-3];
        else{
            sum=accumulate(b.begin(),b.end(),0LL);
        }
        return sum;
    }
};

 2. 不相交子字符串的最大数量

给你一个字符串 word。

返回以 首尾字母相同 且 长度至少为 4 的 不相交子字符串 的最大数量。

子字符串 是字符串中连续的 非空 字符序列。

 

示例 1:

输入: word = "abcdeafdef"

输出: 2

解释:

两个子字符串是 "abcdea" 和 "fdef"。

示例 2:

输入: word = "bcdaaaab"

输出: 1

解释:

唯一的子字符串是 "aaaa"。注意我们 不能 同时选择 "bcdaaaab",因为它和另一个子字符串有重叠。

 

提示:

1 <= word.length <= 2 * 10^5
word 仅由小写英文字母组成。

解题思路:

f[i]=max(f[i-1],f[j-1]+1)
f(i): 从前i个字符中最多能选出多少个符合条件的子串 

class Solution {
public:
    int maxSubstrings(string word) {
        int n=word.size();
        vector<int> pre(26),a(n+1);
        for(int i=1;i<=n;i++){
            a[i]=pre[word[i-1]-'a'];
            pre[word[i-1]-'a']=i;
        }
        vector<int> f(n+1);
        f[0]=0;
        for(int i=1;i<=n;i++){
            f[i]=f[i-1];
            int j=a[i];
            while(j>0&&i-j<3) j=a[j];
            if(j>0){
                f[i]=max(f[i],f[j-1]+1);
            }
        }
        return f[n];
    }
};

 3. 给边赋权值的方案数 I

给你一棵 n 个节点的无向树,节点从 1 到 n 编号,树以节点 1 为根。树由一个长度为 n - 1 的二维整数数组 edges 表示,其中 edges[i] = [ui, vi] 表示在节点 ui 和 vi 之间有一条边。
一开始,所有边的权重为 0。你可以将每条边的权重设为 1 或 2。

两个节点 u 和 v 之间路径的 代价 是连接它们路径上所有边的权重之和。

选择任意一个 深度最大 的节点 x。返回从节点 1 到 x 的路径中,边权重之和为 奇数 的赋值方式数量。

由于答案可能很大,返回它对 10^9 + 7 取模的结果。

注意: 忽略从节点 1 到节点 x 的路径外的所有边。

解题思路: 每条边的边权只能是1或者2,保证边上的边权和是奇数,保证有奇数个1即可,

实现上我们先求出最大深度x, 然后从x条边种选出1,3,5个1,其他为2

然后我们套用组合数公式Cn1+Cn3+...=2^(n-1) 

class Solution {
public:
    int mx=0;
    const int M=1e9+7; vector<vector<int>> g; 
    void dfs(int i, int fa , int d){
        for(int x: g[i]){
            if(x!=fa){
                dfs(x,i,d+1);
            }
        }  
        mx=max(mx,d);
    }
    int assignEdgeWeights(vector<vector<int>>& edges){
        int n=edges.size()+1;
        g.resize(n+1);
        for(int i=0;i<n-1;i++){
            int x=edges[i][0],y=edges[i][1];
            g[x].push_back(y); g[y].push_back(x);
        }
        vector<int> p(n+1);
        p[0]=1;
        for(int i=1;i<=n;i++) p[i]=p[i-1]*2%M;
        dfs(1,0,0);
        return p[mx-1];
    }
};

 4. 给边赋权值的方案数 II

给你一棵有 n 个节点的无向树,节点从 1 到 n 编号,树以节点 1 为根。树由一个长度为 n - 1 的二维整数数组 edges 表示,其中 edges[i] = [ui, vi] 表示在节点 ui 和 vi 之间有一条边。


一开始,所有边的权重为 0。你可以将每条边的权重设为 1 或 2。

两个节点 u 和 v 之间路径的 代价 是连接它们路径上所有边的权重之和。

给定一个二维整数数组 queries。对于每个 queries[i] = [ui, vi],计算从节点 ui 到 vi 的路径中,使得路径代价为 奇数 的权重分配方式数量。

返回一个数组 answer,其中 answer[i] 表示第 i 个查询的合法赋值方式数量。

由于答案可能很大,请对每个 answer[i] 取模 10^9 + 7。

注意: 对于每个查询,仅考虑 ui 到 vi 路径上的边,忽略其他边。

解题思路:相比上题多了一个query的操作,变成ui -> vi 的路径权重和为奇数的方案数, 和上场周赛最后一题(可以直接点开我主页力扣栏查看即可), 类似,  

注:到底是比赛谁套个板子, 还有脸发到某站当比赛实录啊

const int M=1e9+7;
class LCA_solve {
public:
    vector<int> depth, to_root_minD;
    vector<vector<int>> pa;
    LCA_solve(vector<vector<int>>& edges) {
        int n = edges.size() + 1;
        int m = bit_width(edges.size() + 1); 
        vector<vector<int>> g(n);
        for (auto& e : edges) {
            int x = e[0]-1, y = e[1]-1;
            g[x].push_back(y);
            g[y].push_back(x);
        }
        depth.resize(n);
        pa.resize(n, vector<int>(m, -1));
        auto dfs = [&](this auto&& dfs, int x, int fa) -> void {
            pa[x][0] = fa;
            for (auto& y : g[x]) {
                if (y != fa) {
                    depth[y] = depth[x] + 1;
                    dfs(y, x);
                }
            }
        };
        dfs(0, -1);
        for (int i = 0; i < m - 1; i++) {
            for (int x = 0; x < n; x++) {
                if (int p = pa[x][i]; p != -1) {
                    pa[x][i + 1] = pa[p][i];
                }
            }
        }
    }
    int get_kth_ancestor(int node, int k) {
        for (; k; k &= k - 1) {
            node = pa[node][countr_zero((unsigned)k)];
        }
        return node;
    }
    int get_lca(int x, int y) {
        if (depth[x] > depth[y]) {
            swap(x, y);
        }
        y = get_kth_ancestor(y, depth[y] - depth[x]);
        if (y == x) {
            return x;
        }
        for (int i = pa[x].size() - 1; i >= 0; i--) {
            int px = pa[x][i], py = pa[y][i];
            if (px != py) {
                x = px;
                y = py;
            }
        }
        return pa[x][0];
    }
    int twoPoits_dis(int x, int y) {
        return depth[x] + depth[y] - depth[get_lca(x, y)] * 2;
    }
};
class Solution {
public:
    vector<int> assignEdgeWeights(vector<vector<int>>& edges, vector<vector<int>>& queries) {
        int n=edges.size(); 
        vector<int> p(n+1);
        p[0]=1;
        for(int i=1;i<=n;i++) p[i]=p[i-1]*2%M;
        LCA_solve g(edges);
        vector<int> ans(queries.size());
        for (int i=0;i<queries.size();i++) {
            int x=queries[i][0]-1;
            int y=queries[i][1]-1;
            if (x!=y){
                ans[i]=p[g.twoPoits_dis(x, y) - 1];
            }
        }
        return ans;
    }
};

感谢大家的点赞和关注,你们的支持是我创作的动力!(其他细节,有时间再补充...)

 

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:http://www.coloradmin.cn/o/2386112.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【HarmonyOS Next之旅】DevEco Studio使用指南(二十五) -> 端云一体化开发 -> 业务介绍(二)

目录 1 -> 工作原理 2 -> 约束与限制 2.1 -> 支持的设备 2.2 -> 支持的国家/地区 2.3 -> 支持的签名方式 3 -> 总结 3.1 -> 关键功能与工具 3.2 -> 开发流程 3.3 -> 典型场景与优化 3.4 -> 常见问题与解决 3.5 -> 总结 1 -> 工…

Spring Boot AI 之 Chat Client API 使用大全

ChatClient提供了一套流畅的API用于与AI模型交互,同时支持同步和流式两种编程模型。 流畅API包含构建Prompt组成元素的方法,这些Prompt将作为输入传递给AI模型。从API角度来看,Prompt由一系列消息组成,其中包含指导AI模型输出和行为的指令文本。 AI模型主要处理两类消息: …

分身空间:手机分身多开工具,轻松实现多账号登录

分身空间是一款功能强大的手机分身多开工具APP&#xff0c;专为需要同时登录多个账号的用户设计。它支持多开各种游戏和软件&#xff0c;让用户可以轻松实现多账号同时在线&#xff0c;提升使用效率和体验。无论是社交软件、游戏还是办公应用&#xff0c;分身空间都能帮助你轻松…

音视频之视频压缩及数字视频基础概念

系列文章&#xff1a; 1、音视频之视频压缩技术及数字视频综述 一、视频压缩编码技术综述&#xff1a; 1、信息化与视频通信&#xff1a; 什么是信息&#xff1a; 众所周知&#xff0c;人类社会的三大支柱是物质、能量和信息。具体而言&#xff0c;农业现代化的支柱是物质&…

Ubuntu 24.04部署安装Honeyd蜜罐

&#x1f334; 前言 最近有个大作业&#xff0c;里面要求我们部署Hoenyd蜜罐&#xff0c;在网上搜了一通&#xff0c;发现相关的教程竟然少的可怜&#xff0c;即使有比较详细的教程&#xff0c;也是好几年前的了&#xff0c;跟着做一遍报一堆错&#xff0c;无奈之下&#xff0…

MCP技术体系介绍

MCP,全称时Model Context Protocol,模型上下文协议,由Claude母公司Anthropic于2014年11月正式提出。 MCP的核心作用是统一了Agent开发过程中大模型调用外部工具的技术实现流程,从而大幅提高Agent的开发效率。在MCP诞生之前,不同外部工具各有不同的调用方法。 要连接这些…

我的第1个爬虫程序——豆瓣Top250爬虫的详细步骤指南

我的第1个爬虫程序——豆瓣Top250爬虫的详细步骤指南 一、创建隔离开发环境 1. 使用虚拟环境&#xff08;推荐venv&#xff09; # 在项目目录打开终端执行 python -m venv douban_env # 创建虚拟环境 source douban_env/bin/activate # Linux/macOS激活 douban_env\Scri…

Selenium 测试框架 - C#

🚀Selenium C# 自动化测试实战:以百度搜索为例 本文将通过一个简单示例,手把手教你如何使用 Selenium + C# 实现百度搜索自动化测试。适合初学者快速上手,也适合作为企业 UI 自动化测试模板参考。 🧩 一、安装必要 NuGet 包 在 Visual Studio 的 NuGet 管理器中安装以下…

JavaWeb:SpringBoot工作原理详解

一、SpringBoot优点 1.为所有Spring开发者更快的入门 2.开箱即用&#xff0c;提供各种默认配置来简化项目配置 3.内嵌式容器简化Web项目 4.没有冗余代码生成和XML配置的要求 二、SpringBoot 运行原理 2.1. pom.xml spring-boot-dependencies: 核心依赖在父工程中&#xff1b;…

dify_plugin数据库中的表总结

本文使用dify-plugin-daemon v0.1.0版本&#xff0c;主要对dify_plugin数据库中的数据表进行了总结。 一.agent_strategy_installations 源码位置&#xff1a;dify-plugin-daemon\internal\types\models\agent.go type AgentStrategyInstallation struct {ModelTenantID …

HarmonyOS学习——UIAbility组件(上)

UIAbility组件概述 应用程序有几种界面交互形式 UIAbility&#xff1a;应用程序的入口 概述 UIAbility组件是一种包含UI的应用组件&#xff0c;主要用于和用户交互。 UIAbility的设计理念&#xff1a; 原生支持应用组件级的跨端迁移和多端协同。 支持多设备和多窗口形态。…

【Linux】磁盘空间不足

错误提示: no space left on device 经典版&#xff08;block占用&#xff09; 模拟 dd if/dev/zero of/var/log/nginx.log bs1M count2000排查 #1. df -h 查看哪里空间不足,哪个分区#2. du -sh详细查看目录所占空间 du -sh /* 排查占用空间大的目录 du -sh /var/* du…

持续更新 ,GPT-4o 风格提示词案例大全!附使用方式

本文汇集了各类4o风格提示词的精选案例&#xff0c;从基础指令到复杂任务&#xff0c;从创意写作到专业领域&#xff0c;为您提供全方位的参考和灵感。我们将持续更新这份案例集&#xff0c;确保您始终能够获取最新、最有效的提示词技巧。 让我们一起探索如何通过精心设计的提…

QStandardItemModel的函数和信号介绍

前言 Qt版本:6.8.0 QStandardItem函数介绍 函数 部分函数有不同的重载来适应不同的模型,例如appendrow 构造函数与析构函数 1. QStandardItemModel(QObject *parent nullptr) 说明&#xff1a;创建一个空的模型&#xff08;0行0列&#xff09;。参数&#xff1a; parent&…

Python 内存管理机制详解:从分配到回收的全流程剖析

在 Python 编程中&#xff0c;开发者无需像 C/C 那样手动分配和释放内存&#xff0c;但这并不意味着内存管理与我们无关。了解 Python 内存管理机制&#xff0c;能帮助我们编写出更高效、稳定的代码。接下来&#xff0c;我们将深入剖析 Python 内存管理的各个环节&#xff0c;并…

【报错】Error attempting to get column ‘created_time‘ from result set.解决方法

postman报错以下内容 {"code": "500","msg": "查询失败&#xff1a;Error attempting to get column created_time from result set. Cause: java.sql.SQLFeatureNotSupportedException\n; null; nested exception is java.sql.SQLFeatur…

Google 推出 Flow —— AI 电影制作新平台

这周, Google I/O 2025 大会上发布了一些重磅 AI 公告。 他们推出了全新的图像模型 Imagen 4,还发布了升级版视频生成器 Veo 3、升级版 Gemini Pro 模型,以及一系列其他令人印象深刻的更新。 但将所有这些生成式媒体工具整合在一起的,是他们称为 Flow 的平台。 什么是 F…

跨链风云:打破区块链孤岛,实现价值自由流转

嘿&#xff0c;各位技术爱好者们&#xff01;今天我们来聊一个区块链领域非常火热且至关重要的话题——跨链技术。你可能听说过&#xff0c;比如想把在波场&#xff08;Tron&#xff09;链上的USDT转移到以太坊&#xff08;Ethereum&#xff09;网络上&#xff0c;这个过程就涉…

鸿蒙开发:了解$$运算符

前言 本文基于Api13 有这样一个需求&#xff0c;一个Text组件&#xff0c;一个TextInput组件&#xff0c;要求Text组件同步展示TextInput组件里的内容&#xff0c;也就是TextInput组件输入什么内容&#xff0c;就要在Text组件里展示什么内容&#xff0c;这个需求如何实现呢&…

基于CEEMDAN-Transformer-BiLSTM的多特征风速气候预测的完整实现方案及PyTorch源码解析

基于CEEMDAN-Transformer-BiLSTM的多特征风速气候预测的完整实现方案及PyTorch源码解析 一、模型架构设计 1.1 整体框架 该模型采用三级架构设计&#xff08;图1&#xff09;&#xff1a; CEEMDAN分解层&#xff1a;对非平稳风速序列进行自适应分解多模态特征融合模块&#…