最小字典序字符串问题 | 豆包MarsCode AI刷题

Ambition6666
92 阅读4分钟

算法分析：最小字典序字符串问题

问题背景

小U拥有一个由 0 和 1 组成的字符串，她可以进行最多 k 次操作，每次操作允许交换相邻的两个字符。任务目标是通过这些操作，使字符串的字典序最小。字典序可以看作是字符串按字典排列的顺序，越靠前的字符串字典序越小。

示例：

  • 输入字符串为 01010，操作次数 k = 2。
  • 最优解：通过两次操作可以得到 00101，这是不超过 2 次交换后字典序最小的字符串。

该问题的关键是如何在有限次数的交换中，通过局部优化将 0 尽可能地移到字符串的前面，而不影响后续操作的可能性。

分析与思路

基础思路

  1. 局部最优解法：
    从左到右扫描字符串，优先尝试将每个 0 移到当前可能的最靠前位置。由于每次交换仅限于相邻字符，0 能够移动的范围受到操作次数 k 的限制。因此，问题可以分解为多次局部最优选择。

  2. 贪心策略：
    在每一步操作中，尝试找到离当前位置最近的 0，将其移到当前位置，同时减少对应消耗的操作次数。这种贪心策略保证了每一步都为当前局部字典序最小。

算法设计

为了实现上述思路，设计如下步骤：

  1. 扫描字符串：从左到右依次检查每个字符：

    • 如果当前字符是 1，继续扫描以寻找可以移动到该位置的 0。
    • 使用双指针或区间扫描快速找到当前能移动的最靠近的 0。

  2. 交换字符：将 0 与其前方所有的 1 相邻交换，直到它到达目标位置，或操作次数用尽。

  3. 更新剩余操作次数：每次移动都消耗一定的操作次数 k，如果 k 减少到 0，则终止操作。

时间与空间复杂度分析

  1. 时间复杂度：

    • 最坏情况下，每个字符都需要扫描 k 次，其时间复杂度为 O(n*k)。
    • 在实践中，由于 k 的限制，算法通常可以在少于 O(n*k) 的时间内完成。

  2. 空间复杂度：

    • 只需要常量级额外空间存储索引和计数变量，空间复杂度为 O(1)。

算法实现

以下是基于贪心策略的 C++ 实现：

#include <iostream>
#include <string>
using namespace std;

string solution(int n, int k, string s) {
    if (k == 0) return s; // 如果没有可用操作，直接返回原字符串

    for (int i = 0; i < n; i++) {
        if (s[i] == '1') {
            int minZeroIndex = -1;
            // 在当前位置右边范围内寻找最靠近的 0
            for (int j = i + 1; j < n && j <= i + k; j++) {
                if (s[j] == '0') {
                    minZeroIndex = j;
                    break;
                }
            }

            if (minZeroIndex != -1) {
                // 计算移动代价并更新剩余操作次数
                k -= minZeroIndex - i;

                // 将 0 移动到当前位置
                swap(s[i], s[minZeroIndex]);
            }
        }
    }

    return s;
}

int main() {
    cout << (solution(5, 2, "01010") == "00101") << endl;
    cout << (solution(7, 3, "1101001") == "0110101") << endl;
    cout << (solution(4, 1, "1001") == "0101") << endl;
    return 0;
}

测试与验证

运行以上代码后，结果如下：


1
1
1

说明算法在测试用例中的表现符合预期。

算法优化分析

优化潜力

  1. 提前终止条件：
    当 k = 0 时，无需继续扫描和交换，可以直接返回结果。
  2. 减少扫描范围：
    可以通过索引记录上一次交换的位置，避免重复扫描同一区域。
  3. 其他数据结构的引入：
    使用堆或队列来优化寻找最近的 0，可以进一步降低局部扫描的代价。

应用场景拓展

  • 字符排序：此算法思想可应用于其他字符集合，解决“最优调整”问题。
  • 滑动窗口问题：通过限制区间操作次数，类似算法可以解决范围优化问题。

总结与思考

通过分析发现，本问题的核心在于如何在有限的资源（操作次数）中，找到局部最优解并递推至全局最优解。这种贪心策略的应用，既保证了算法的效率，也降低了实现的复杂度。

此外，问题还蕴含了许多优化的可能性，例如使用更高效的数据结构或提前终止条件。对于类似问题，解题过程中应注重数学特性和问题模型的本质分析，从而设计出更为优雅的算法。

avatar
文章
阅读
粉丝