16 真题案例(一):算法思维训练

16 真题案例(一):算法思维训练

你好,欢迎进入第 16 课时的学习。在前面课时中,我们已经学习了解决代码问题的方法论。宏观上,它可以分为以下 4 个步骤:

  1. 复杂度分析 。估算问题中复杂度的上限和下限。
  2. 定位问题 。根据问题类型,确定采用何种算法思维。
  3. 数据操作分析 。根据增、删、查和数据顺序关系去选择合适的数据结构,利用空间换取时间。
  4. 编码实现

这套方法论的框架,是解决绝大多数代码问题的基本步骤。本课时,我们将在一些更开放的题目中进行演练,继续训练你的算法思维。

算法思维训练题
例题 1:斐波那契数列

斐波那契数列是:0,1,1,2,3,5,8,13,21,34,55,89,144……。你会发现,这个数列中元素的性质是,某个数等于它前面两个数的和;也就是
a[n+2] = a[n+1] + a[n]。至于起始两个元素,则分别为 0 和 1。 在这个数列中的数字,就被称为斐波那契数

【题目】写一个函数,输入 x,输出斐波那契数列中第 x 位的元素 。例如,输入 4,输出 2;输入 9,输出 21。要求:需要用递归的方式来实现。

【解析】 在本课时开头,我们复习了解决代码问题的方法论,下面我们按照解题步骤进行详细分析。

  • 首先我们还是先做好复杂度的分析

题目中要求要用递归的方式来实现,而递归的次数与 x 的具体数值有非常强的关系。因此,此时的时间复杂度应该是关于输入变量 x 的数值大小的函数。

  • 至于问题定位

因为题目中已经明确了要采用递归去解决。所以也不用再去做额外的分析和判断了。

那么,如何使用递归呢?我们需要依赖斐波那契数列的重要性质“某个数等于它前面两个数的和”。也就是说,要求出某个位置 x 的数字,需要先求出 x-1
的位置是多少和 x-2 的位置是多少。递归同时还需要终止条件,对应于斐波那契数列的性质,就是起始两个元素,分别为 0 和 1。

  • 数据操作方面

斐波那契数列需要对数字进行求和。而且所有的计算,都是依赖最原始的 0 和 1 进行。因此,这道题是不需要设计什么复杂的数据结构的。

  • 最后,实现代码

我们围绕递归的性质进行开发,去试着写出递归体和终止条件。代码如下:

public static void main(String[] args) {
    int x = 20;
    System.out.println(fun(x));
}
private static int fun(int n) {
    if (n == 1) {
        return 0;
    }
    if (n == 2) {
        return 1;
    }
    return fun(n - 1) + fun(n - 2);
}

下面,我们来对代码进行解读

主函数中 ,第 1 行到第 4 行,定义输入变量 x,并调用 fun(x) 去计算第 x 位的斐波那契数列元素。

在 fun() 函数内部 ,采用了递归去完成计算。递归分为递归体和终止条件:

  • 递归体是第 13 行。即当输入变量 n 比 2 大的时候,递归地调用 fun() 函数,并传入 n-1 和 n-2,即 return fun(n - 1) + fun(n - 2);
  • 终止条件则是在第 7 行到第 12 行,分别定义了当 n 为 1 或 2 的时候,直接返回 0 或 1。
例题2:判断一个数组中是否存在某个数

【题目】给定一个经过任意位数的旋转后的排序数组,判断某个数是否在里面

例如,对于一个给定数组 {4, 5, 6, 7, 0, 1, 2},它是将一个有序数组的前三位旋转地放在了数组末尾。假设输入的 target 等于
0,则输出答案是 4,即 0 所在的位置下标是 4。如果输入 3,则返回 -1。

【解析】 这道题目依旧是按照解决代码问题的方法论的步骤进行分析。

  • 先做复杂度分析

这个问题就是判断某个数字是否在数组中,因此,复杂度极限就是全部遍历地去查找,也就是 O(n) 的复杂度。

  • 接着,进入定位问题的环节中

这个问题有很多关键字,因此能够让你立马锁定问题。例如,判断某个数是否在数组里面,这就是一个查找问题。

  • 然后,我们来做数据操作分析

原数组是经过某些处理的排序数组,也就是说原数组是有序的。有序和查找,你就会很快地想到,这个问题极有可能用二分查找的方式去解决,时间复杂度是
O(logn),相比上面 O(n) 的基线也是有显著的提高。

在利用二分查找时,更多的是判断,基本没有数据的增删操作,因此不需要太多地定义复杂的数据结构。

分析到这里,解决方案已经非常明朗了,就是采用二分查找的方法,在 O(logn) 的时间复杂度下去解决这个问题。二分查找可以通过递归来实现。
而每次递归的关键点在于,根据切分的点(最中间的那个数字),确定是向左走还是向右走。这也是这个例题中唯一的难点了

试想一下,在一个旋转后的有序数组中,利用中间元素作为切分点得到的两个子数组有什么样的性质。经过枚举不难发现,这两个子数组中,一定存在一个数组是有序的。也可能出现一个极端情况,二者都是有序的。如下图所示:

Drawing 0.png

对于有序的一边,我们是很容易判断目标值,是否在这个区间内的。如果在其中,也说明了目标值不在另一边的旋转有序组里;反之亦然。

当我们知道了目标值在左右哪边之后,就可以递归地调用旋转有序的二分查找了。之所以可以递归调用,是因为,对于旋转有序组,这个问题和原始问题完全一致,可以调用。对于有序组,它是旋转有序的特殊情况(即旋转
0 位),也一定是可以通过递归的方法去实现查找的。直到不断二分后,搜索空间只有 1 位数字,直接判断是否找到即可。

  • 最后,实现代码

我们给出这个例子的实现代码,如下:

public static void main(String[] args) {
    int[] arr = { 4, 5, 6, 7, 0, 1, 2 };
    int target = 7;
    System.out.println(bs(arr, target, 0, arr.length-1));
}
private static int bs(int[] arr, int target, int begin, int end) {
    if (begin == end) {
        if (target == arr[begin]){
            return begin;
        }
        else{
            return -1;
        }
    }
    int middle = (begin + end)/2;
    if (target == arr[middle]) {
        return middle;
    }
    if (arr[begin] <= arr[middle-1]){
        if (arr[begin] <= target && target <= arr[middle-1]) {
            return bs(arr,target, begin,middle-1);
        } else {
            return bs(arr,target, middle+1,end);
        }
    }
    else {
        if (arr[middle+1] <= target && target <= arr[end]) {
            return bs(arr,target, middle+1,end);
        } else {
            return bs(arr,target, begin,middle-1);
        }
    }
}

我们对代码进行解读:

主函数中,第 2 到 4 行。定义数组和 target,并且执行二分查找 。二分查找包括两部分,其一是二分策略,其二是终止条件。

二分策略在代码的 16~33 行:

  • 16 行计算分裂点的索引值。17 到 19 行,进行目标值与分裂点的判断。
    • 如果相等,则查找到结果并返回;
    • 如果不等就要继续二分。
  • 在二分的过程中,第 20 行进行了左右子数组哪边是有序的判断。
    • 如果左边有序,则进入到 21 到 25 行;
    • 如果右边有序,则进入到 28 到 32 行。
  • 假设左边有序,则还需要判断 target 是否在有序区间内,这是在第 21 行。
    • 如果在,则继续递归的调用 bs(arr,target, begin,middle-1);
    • 如果不在有序部分,则说明 target 在另一边的旋转有序中,则调用 bs(arr,target, middle+1,end)。

下面的逻辑与此类似,不再赘述。

经过了层层二分,最终 begin 和 end 变成了相等的两个变量,则进入到终止条件,即 8 到 15 行

  • 在这里,需要判断最后剩下的 1 个元素是否与 target 相等:
    • 如果相等则返回索引值;
    • 如果不等则返回 -1。
例题3:求解最大公共子串

【题目】输入两个字符串,用动态规划的方法,求解出最大公共子串

例如,输入 a = “13452439”, b = “123456”。由于字符串”345”同时在 a 和 b 中出现,且是同时出现在 a 和 b
中的最长的子串。因此输出”345”。

【解析】这里已经定义了问题,就是寻找最大公共子串。同时也定义了方法,就是要用动态规划的方法
。那么我们也不需要做太多的分析,只要依赖动态规划的步骤完成就可以了。

首先,我们回顾一下先前学过的最短路径问题。在最短路径问题中,我们是定义了起点和终点后,再去寻找二者之间的最短路径。

而现在的最大公共子串问题是,所有相邻的字符距离都是 1,在不确定起点和终点时,我们需要去寻找起点和终点之间最远的距离。

如果要基于已有的知识来探索陌生问题,那就需要根据每个可能的公共子串起点,去寻找与之对应的最远终点。这样就能得到全部的子串。随后再从中找到最大的那个子串。

别忘了, 动态规划的基本方法是:分阶段、找状态、做决策、状态转移方程、定目标、寻找终止条件 。下面我们来具体分析一下动态规划的步骤:

  • 对于一个可能的起点,它后面的每个字符都是一个阶段。
  • 状态就是当前寻找到的相匹配的字符。
  • 决策就是当前找到的字符是否相等(相等则进入到公共子串中)。
  • 状态转移方程可以写作 sk+1 = uk(sk)。可以理解为,如果 sk = “123”是公共子串,且在 a 字符串和 b 字符串中,”123”后面的字符相等,假设为”4”,则决策要进入到公共子串中,sk+1 = “1234”。
  • 目标自然就是公共子串最长。
  • 终止条件就是决策到了不相等的结果。

这段分析对于初学者来说会非常难懂,接下来我们给一个实现的流程来辅助你理解。

我们在最短路径问题中,曾重点提到的一个难点是,对于输入的图,采用什么样的数据结构予以保存。最终我们选择了二维数组

在这个例子中也可以采用二维数组。每一行或每一列就对应了输入字符串 a 和 b 的每个字符,即 6 x 8 的二维数组(矩阵)为:

Drawing 2.png

接着,每个可能的起点字符,都应该同时出现在字符串 a 和 b
中,例如”1”就是一个可能的起点。如果以”1”作为起点,那么它后面的字符就是阶段,显然下个阶段就是 a[1] = 3 和 b[1] =
2。而此时的状态就是当前的公共子串,即 “1”。

决策的结果是,下一个阶段是否进入到公共子串中。很显然 a[1] 不等于
b[1],因此决策的结果是不进入。这也同时命中了终止条件。如果以”3”起点,则因为它之后的 a[2] 等于 b[3],则决策结果是进入到公共子串。

因此状态转移方程 sk+1 = uk(sk),含义是在”3”的状态下决策”4”进入子串,结果得到”34”。我们的目标是寻找最大的公共子串,因此可以用从 1
开始的数字定义距离(子串的长度)。具体步骤如下:

对于每个可能的起点,距离都是 1 (不可能的起点置为 0,图中忽略未写)。则有:

Drawing 4.png

接着利用状态转移方程,去寻找最优子结构。也就是,如果 b[i] = a[j],则 m[i,j] = m[i-1,j-1] +
1。含义为,如果决策结果是相等,则状态增加一个新的字符,进行更新。可以得到:

Drawing 6.png

最终,检索这个矩阵,得到的最大数字就是最大公共子串的长度。根据其所在的位置,就能从 a 或 b 中找到最大公共子串。

代码如下:

public static void main(String[] args) {
    String a = "13452439";
    String b = "123456";
    getCommenStr(a, b);
}
public static void getCommenStr(String a, String b) {
    char[] c1 = a.toCharArray();
    char[] c2 = b.toCharArray();
    int[][] m = new int[c2.length+1][c1.length+1];
    for (int i = 1; i <= c2.length; i++) {
        for (int j = 1; j <= c1.length; j++) {
            if (c2[i - 1] == c1[j - 1])
                m[i][j] = m[i - 1][j - 1] + 1;
        }
    }
    int max = 0;
    int index = 0;
    for (int i = 0; i <= c2.length; i++) {
        for (int j = 0; j <= c1.length; j++) {
            if (m[i][j] > max) {
                max = m[i][j];
                index = i;
            }
        }
    }
    String s = "";
    for (int i = index - max; i < index; i++)
        s += b.charAt(i);
    System.out.println(s);
}

下面我们对代码进行解读:

主函数中定义了字符串 a 和字符串 b,随后调用动态规划代码。

进入 getCommenStr() 函数中之后,首先在第 10 行定义了二维数组。此时二维数组的维数是 7 x 9
的。这主要的原因是,后续会需要用到第一行和第一列的全零向量,作为起始条件。

接着,在第 11~16 行,利用双重循环去完成状态转移的计算。此时就得到了最关键的矩阵,如下所示:

Drawing 6.png

随后的 17~26 行,我们从矩阵 m 中,找到了最大值为 3,在字符串 b 中的索引值为 4(此时 index 为
5,但别忘了我们之前额外定义了一行/一列的全零向量)。

最后,27~30 行,我们根据终点字符串索引值 4 和最大公共子串长度 3,就能找到最大公共子串在 b 中的 2~4 的位置。即 “345”。

总结

这一课时中,我们对例题做了详细的分析和讲解,重点其实是训练你的算法思维。为了检验你的学习成果,我们基于斐波那契数列的例题,再给出一个
思考题,题目如下

如果现在是个线上实时交互的系统。客户端输入 x,服务端返回斐波那契数列中的第 x 位。那么,这个问题使用上面的解法是否可行

这里给你一个小提示,既然我这么问,答案显然是不可行的。如果不可行,原因是什么呢?我们又该如何解决?注意,题目中给出的是一个实时系统。当用户提交了
x,如果在几秒内没有得到系统响应,用户就会卸载 App 啦。