A.每日一题——2975. 移除栅栏得到的正方形田地的最大面积

题目链接:2975. 移除栅栏得到的正方形田地的最大面积(中等)

算法原理:

解法:暴力枚举

622ms击败78.57%

时间复杂度O(N²)

此题跟上一题 A.每日一题——2943. 最大化网格图中正方形空洞的面积 的不同点👇

空洞面积题:给的可移除线条数组外的内部线条依然存在,且固定

田地面积题(此题):除了给的可移除栅栏数组外,没有其他内部栅栏,只剩下四周不可变的栅栏了

也就是说,空洞面积题不存在无解情况,最小的正方形是1×1的,而田地面积题因内部栅栏的分布可能造成无解情况,所以这时需要返回-1

这些区别也就是为什么此题不能直接沿用上一题代码的原因

此题的解题方法👇

①分别求出水平栅栏和垂直栅栏的间隙集合,枚举水平栅栏间隙集合,看垂直栅栏集合能否与之构成正方形,能的话就逐步更新取最大值

②由于间隙出现一次即可,所以用Set容器天然去重能够减少遍历次数

③求间隙过程中,由于四周最外围的栅栏不能移除,所以求间隙的时候必须参与运算,那要怎样算进去呢?

可以创建一个临时数组,遍历这个临时数组,逐步计算间隙存进哈希表,咱就可以在遍历前把这两个边界扔进临时数组,排个序就能正常求间隙了

比如网格高度 m=5,水平围栏 hFences=[2,4],临时数组先把数组扩展成 [2,4,1,5],然后排序成 [1,2,4,5]。接下来两两算差:2-1=1,4-1=3,5-1=4,4-2=2,5-2=3,5-4=1,这些差值(1,2,3,4)就是水平方向所有可能的边长,最后存到集合里返回

Java代码:

class Solution { public int maximizeSquareArea(int m, int n, int[] hFences, int[] vFences) { final int MOD=1_000_000_007; //获取水平方向所有可能的间隔长度集合 Set<Integer> hSet=f(hFences,m); //获取垂直方向所有可能的间隔长度集合 Set<Integer> vSet=f(vFences,n); int ret=0; //遍历水平方向的所有间隔长度 for(int x:hSet) //如果垂直方向也存在相同的间隔长度,说明可以围成边长为x的正方形 if(vSet.contains(x)) //更新最大边长 ret=Math.max(ret,x); return ret>0?(int)((long)ret*ret%MOD):-1; } private Set<Integer> f(int[] a,int l){ //获取原栅栏数组的长度 //比如水平围栏hFences=[2,4],m=5 int n=a.length; //复制原数组并扩容两个位置,存储两个边界点1和l //先扩容成[2,4,0,0] a=Arrays.copyOf(a,n+2); //存储起始坐标,最左最上边界 //变成[2,4,1,0] a[n++]=1; //存储结束坐标,最右最下边界 //变成[2,4,1,5] a[n++]=l; //一起排序,保证差值为正 //变成[1,2,4,5] Arrays.sort(a); //计算a中任意两个数的差,存到哈希表中 Set<Integer> set=new HashSet<>(); for(int i=0;i<n;i++) for(int j=i+1;j<n;j++) set.add(a[j]-a[i]); return set; } }

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.mzph.cn/news/1170964.shtml

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email:809451989@qq.com,一经查实,立即删除!

相关文章

从语料到模型应用|StructBERT中文情感分析镜像全链路实践

从语料到模型应用&#xff5c;StructBERT中文情感分析镜像全链路实践 1. 引言&#xff1a;中文情感分析的现实挑战与技术选型 1.1 情感分析在实际业务中的价值 在当前以用户为中心的产品运营体系中&#xff0c;中文情感分析已成为企业洞察用户反馈、优化服务体验的核心能力。…

D.二分查找-进阶——658. 找到 K 个最接近的元素

题目链接&#xff1a;658. 找到 K 个最接近的元素&#xff08;中等&#xff09; 算法原理&#xff1a; 解法一&#xff1a;排序 19ms击败13.08% 时间复杂度O(NlogN) 这个解法其实挺暴力的&#xff0c;直接用把arr全扔链表里&#xff0c;然后按照题目要求把链表排序&#xff0c;…

Java SpringBoot+Vue3+MyBatis 抗疫物资管理系统系统源码|前后端分离+MySQL数据库

&#x1f4a1;实话实说&#xff1a;有自己的项目库存&#xff0c;不需要找别人拿货再加价&#xff0c;所以能给到超低价格。摘要 新冠疫情爆发以来&#xff0c;全球范围内对防疫物资的需求急剧增加&#xff0c;如何高效、精准地管理抗疫物资成为各级政府和医疗机构面临的重大挑…

【2025最新】基于SpringBoot+Vue的学生网上请假系统管理系统源码+MyBatis+MySQL

&#x1f4a1;实话实说&#xff1a;有自己的项目库存&#xff0c;不需要找别人拿货再加价&#xff0c;所以能给到超低价格。摘要 随着信息化技术的快速发展&#xff0c;传统纸质请假流程已无法满足现代高校管理的需求。学生请假流程繁琐、审批效率低下、数据统计困难等问题日益…

gpt-oss-20b-WEBUI实战:云端10分钟部署,2块钱玩一下午

gpt-oss-20b-WEBUI实战&#xff1a;云端10分钟部署&#xff0c;2块钱玩一下午 你是不是也遇到过这样的场景&#xff1f;团队里有人用AI写产品文案&#xff0c;几分钟就输出一整套卖点提炼、用户话术和推广标题&#xff0c;效率高得离谱。而你还卡在“这个功能怎么描述更吸引人…

BGE-M3一键启动:语义搜索实战指南(附避坑技巧)

BGE-M3一键启动&#xff1a;语义搜索实战指南&#xff08;附避坑技巧&#xff09; 1. 引言 1.1 业务场景与技术背景 在当前信息爆炸的时代&#xff0c;高效、精准的语义搜索已成为智能应用的核心能力之一。无论是知识库问答系统、推荐引擎还是文档检索平台&#xff0c;背后都…

DeepSeek-R1-Distill-Qwen-1.5B高效运维:日志监控与性能分析实战

DeepSeek-R1-Distill-Qwen-1.5B高效运维&#xff1a;日志监控与性能分析实战 1. 引言&#xff1a;轻量级大模型的运维挑战与机遇 随着边缘计算和本地化AI部署需求的增长&#xff0c;轻量级大模型正成为开发者和运维工程师关注的焦点。DeepSeek-R1-Distill-Qwen-1.5B 作为一款…

如何高效批量抠图?试试CV-UNet大模型镜像,本地部署秒级出图

如何高效批量抠图&#xff1f;试试CV-UNet大模型镜像&#xff0c;本地部署秒级出图 1. 背景与需求&#xff1a;AI抠图的效率革命 在电商、广告设计、内容创作等领域&#xff0c;图像背景移除是一项高频且耗时的任务。传统依赖Photoshop等专业工具的手动抠图方式&#xff0c;不…

Qwen3-VL-WEB保姆级教程:多语言文本识别实战应用

Qwen3-VL-WEB保姆级教程&#xff1a;多语言文本识别实战应用 1. 引言 1.1 业务场景描述 在当今全球化背景下&#xff0c;跨语言信息处理已成为企业数字化转型中的关键需求。无论是跨境电商的商品标签识别、国际文档的自动化归档&#xff0c;还是多语种用户界面的内容提取&am…

Qwen3-Embedding-0.6B最佳实践:云端部署省时省力

Qwen3-Embedding-0.6B最佳实践&#xff1a;云端部署省时省力 你是否也遇到过这样的科研困境&#xff1f;实验室GPU资源紧张&#xff0c;排队等上好几天才能跑一次任务&#xff1b;项目进度卡在数据预处理环节&#xff0c;团队协作效率低下。尤其是在做社会舆情分析这类需要批量…

GPT-OSS-20B-WEBUI操作手册:管理员后台管理功能

GPT-OSS-20B-WEBUI操作手册&#xff1a;管理员后台管理功能 1. 概述与部署准备 随着开源大模型生态的快速发展&#xff0c;GPT-OSS-20B作为OpenAI社区推动的重要项目之一&#xff0c;凭借其强大的语言理解与生成能力&#xff0c;正在被广泛应用于研究、教育及企业级推理服务场…

从零部署高精度中文ASR|科哥FunASR镜像全解析

从零部署高精度中文ASR&#xff5c;科哥FunASR镜像全解析 1. 引言&#xff1a;为什么选择科哥定制版FunASR&#xff1f; 在语音识别&#xff08;ASR&#xff09;技术快速发展的今天&#xff0c;构建一个高精度、低延迟、易用性强的本地化中文语音识别系统已成为智能硬件、数字…

Qwen2.5-7B模型优化:内存访问模式改进

Qwen2.5-7B模型优化&#xff1a;内存访问模式改进 1. 引言 1.1 技术背景与挑战 大型语言模型&#xff08;LLM&#xff09;在推理过程中对显存带宽和内存访问效率极为敏感&#xff0c;尤其是在处理长序列生成任务时。Qwen2.5-7B-Instruct作为通义千问系列中参数规模为76亿的指…

UI-TARS-desktop入门实战:Qwen3-4B-Instruct模型基础功能体验

UI-TARS-desktop入门实战&#xff1a;Qwen3-4B-Instruct模型基础功能体验 1. UI-TARS-desktop简介 Agent TARS 是一个开源的多模态 AI Agent 框架&#xff0c;致力于通过融合视觉理解&#xff08;Vision&#xff09;、图形用户界面操作&#xff08;GUI Agent&#xff09;等能…

Hunyuan-HY-MT1.5-1.8B实操:chat_template自定义教程

Hunyuan-HY-MT1.5-1.8B实操&#xff1a;chat_template自定义教程 1. 引言 1.1 项目背景与学习目标 HY-MT1.5-1.8B 是腾讯混元团队推出的一款高性能机器翻译模型&#xff0c;基于 Transformer 架构构建&#xff0c;参数量达 1.8B&#xff08;18亿&#xff09;&#xff0c;专为…

YOLO26适合Jetson?嵌入式部署可行性分析

YOLO26适合Jetson&#xff1f;嵌入式部署可行性分析 随着边缘计算和智能视觉应用的快速发展&#xff0c;将高性能目标检测模型部署到嵌入式设备&#xff08;如NVIDIA Jetson系列&#xff09;已成为工业检测、智能监控、机器人导航等场景的核心需求。YOLO26作为Ultralytics最新…

学生党福音!VibeThinker-1.5B帮你刷题提分

学生党福音&#xff01;VibeThinker-1.5B帮你刷题提分 在大模型参数动辄上百亿的今天&#xff0c;一个仅15亿参数的小型语言模型却在数学与编程推理任务中崭露头角——这正是微博开源推出的 VibeThinker-1.5B。它不仅训练成本低至7800美元&#xff0c;还能在AIME、LiveCodeBen…

体验AI不花冤枉钱:云端GPU按需计费,用多少付多少

体验AI不花冤枉钱&#xff1a;云端GPU按需计费&#xff0c;用多少付多少 作为一名在AI领域摸爬滚打十多年的技术老兵&#xff0c;我太理解教学场景下的痛点了。你是不是也遇到过这种情况&#xff1a;想让学生体验最新的大模型技术&#xff0c;但学校机房的设备还停留在"上…

Proteus汉化补丁使用指南:实战案例演示流程

让 Proteus 说中文&#xff1a;手把手教你安全完成汉化&#xff0c;告别英文障碍你有没有过这样的经历&#xff1f;打开 Proteus 准备画个电路图&#xff0c;点开“Design”却不知道对应“设计”还是“原理图”&#xff1b;想找个单片机模型&#xff0c;在元件库里翻来覆去搜不…

Qwen3-4B节省40%能耗:低精度推理部署实战评测

Qwen3-4B节省40%能耗&#xff1a;低精度推理部署实战评测 1. 背景与选型动机 随着大模型在实际业务场景中的广泛应用&#xff0c;推理成本和能效问题日益突出。尽管模型性能不断提升&#xff0c;但高算力消耗、长延迟和高功耗成为制约其落地的关键瓶颈。尤其在边缘设备或资源…