力扣热题——最长相邻不相等子序列 |

        

        题目要求从字符串数组 words 中选出一个最长的子序列，使得该子序列中相邻字符串对应的 groups 数组中的值不同。通过贪心算法，可以高效地解决该问题。具体步骤为：初始化一个结果列表，遍历 words 数组，检查当前字符串的 groups 值是否与结果列表中最后一个字符串的 groups 值不同，若不同则将其加入结果列表。该算法的时间复杂度和空间复杂度均为 O(n)，其中 n 为 words 数组的长度。通过一次遍历即可得到满足条件的最长子序列。

目录

题目链接：2900. 最长相邻不相等子序列 I - 力扣（LeetCode）

题目描述

解法一：贪心算法

Java写法：

C++写法：

运行时间

时间复杂度和空间复杂度

时间复杂度

空间复杂度

总结

总结

---

题目链接：2900. 最长相邻不相等子序列 I - 力扣（LeetCode）

注：下述题目描述和示例均来自力扣

题目描述

        给你一个下标从 0 开始的字符串数组 words ，和一个下标从 0 开始的 二进制 数组 groups ，两个数组长度都是 n 。

        你需要从 words 中选出 最长子序列。如果对于序列中的任何两个连续串，二进制数组 groups 中它们的对应元素不同，则 words 的子序列是不同的。

        正式来说，你需要从下标 [0, 1, ..., n - 1] 中选出一个 最长子序列 ，将这个子序列记作长度为 k 的 [i0, i1, ..., ik - 1] ，对于所有满足 0 <= j < k - 1 的 j 都有 groups[ij] != groups[ij + 1] 。

        请你返回一个字符串数组，它是下标子序列 依次 对应 words 数组中的字符串连接形成的字符串数组。如果有多个答案，返回 任意 一个。

注意：words 中的元素是不同的 。

示例 1：

输入：words = ["e","a","b"], groups = [0,0,1]
输出：["e","b"]
解释：一个可行的子序列是 [0,2] ，因为 groups[0] != groups[2] 。
所以一个可行的答案是 [words[0],words[2]] = ["e","b"] 。
另一个可行的子序列是 [1,2] ，因为 groups[1] != groups[2] 。
得到答案为 [words[1],words[2]] = ["a","b"] 。
这也是一个可行的答案。
符合题意的最长子序列的长度为 2 。

示例 2：

输入：words = ["a","b","c","d"], groups = [1,0,1,1]
输出：["a","b","c"]
解释：一个可行的子序列为 [0,1,2] 因为 groups[0] != groups[1] 且 groups[1] != groups[2] 。
所以一个可行的答案是 [words[0],words[1],words[2]] = ["a","b","c"] 。
另一个可行的子序列为 [0,1,3] 因为 groups[0] != groups[1] 且 groups[1] != groups[3] 。
得到答案为 [words[0],words[1],words[3]] = ["a","b","d"] 。
这也是一个可行的答案。
符合题意的最长子序列的长度为 3 。

提示：

• 1 <= n == words.length == groups.length <= 100
• 1 <= words[i].length <= 10
• groups[i] 是 0 或 1。
• words 中的字符串 互不相同 。
• words[i] 只包含小写英文字母。

---

解法一：贪心算法

• 初始化：我们需要一个结果列表来存储最终的答案，以及一个映射（或直接使用索引）来追踪每个单词在原数组中的位置。

• 遍历：对于每一个单词，检查它是否可以加入到当前的结果列表中：

  • 如果结果列表为空，直接添加。
  • 否则，比较当前单词对应的 groups 值和结果列表中最后一个单词的 groups 值。如果这两个值不同，则将当前单词添加到结果列表中。

       这样确保了我们能够构造出一个满足条件的最长子序列，并且只需要一次遍历整个数组即可完成任务。

Java写法：

class Solution {public List<String> getLongestSubsequence(String[] words, int[] groups) {// 用于存储word到其索引的映射Map<String, Integer> wordToIndex = new HashMap<>();for (int i = 0; i < words.length; i++) {wordToIndex.put(words[i], i);}List<String> result = new ArrayList<>();for (String word : words) {if (result.isEmpty()) {result.add(word);} else {// 当前单词对应的group值int currentGroup = groups[wordToIndex.get(word)];// 结果列表中最后一个单词对应的group值int lastGroup = groups[wordToIndex.get(result.get(result.size() - 1))];// 如果当前单词与结果列表中最后一个单词对应不同的group，则添加到结果列表if (currentGroup != lastGroup) {result.add(word);}}}return result;}
}

C++写法：

#include <vector>
#include <string>
#include <unordered_map>using namespace std;vector<string> getLongestSubsequence(vector<string>& words, vector<int>& groups) {unordered_map<string, int> wordToIndex;for (int i = 0; i < words.size(); ++i) {wordToIndex[words[i]] = i;}vector<string> result;for (const string& word : words) {if (result.empty()) {result.push_back(word);} else {int currentIndex = wordToIndex[word];int lastIndex = wordToIndex[result.back()];if (groups[currentIndex] != groups[lastIndex]) {result.push_back(word);}}}return result;
}// 示例测试函数
#include <iostream>void test() {vector<string> words = {"a","b","c","d"};vector<int> groups = {1,0,1,1};vector<string> result = getLongestSubsequence(words, groups);cout << "Result: ";for (const string& str : result) {cout << str << " ";}cout << endl;
}int main() {test();return 0;
}

运行时间

时间复杂度和空间复杂度

时间复杂度

1. 初始化映射（unordered_map）：在开始时，我们需要遍历一次 words 数组来填充 wordToIndex 映射。这一步的时间复杂度是 O(n)，其中 n 是 words 数组的长度。

2. 遍历 words 数组构建结果列表：接下来，我们再次遍历整个 words 数组来构建最长子序列。对于数组中的每个单词，我们检查其对应的 groups 值与结果列表中最后一个单词的 groups 值是否不同。这里假设查找操作（包括在 unordered_map 中查找以及访问向量末尾元素的操作）平均为 O(1)。因此，这一步的时间复杂度也是 O(n)。

空间复杂度

1. 存储 wordToIndex 映射：我们需要一个额外的空间来存储 words 数组中每个单词及其索引位置的映射。由于有 n 个单词，所以这部分的空间复杂度是 O(n)。

2. 存储结果列表 result：在最坏的情况下，所有单词都可能被添加到结果列表中（例如当 groups 数组交替变化时）。这意味着结果列表的最大长度也可能达到 n，因此这部分的空间复杂度同样是 O(n)。

总结

• 时间复杂度：O(n)
• 空间复杂度：O(n)

---

总结

        题目要求从字符串数组 words 中选出一个最长的子序列，使得该子序列中相邻字符串对应的 groups 数组中的值不同。通过贪心算法，可以高效地解决该问题。具体步骤为：初始化一个结果列表，遍历 words 数组，检查当前字符串的 groups 值是否与结果列表中最后一个字符串的 groups 值不同，若不同则将其加入结果列表。该算法的时间复杂度和空间复杂度均为 O(n)，其中 n 为 words 数组的长度。通过一次遍历即可得到满足条件的最长子序列。