LeetCode周赛是提升算法能力、准备面试、参与算法竞赛的绝佳平台。每周的周赛不仅提供了一系列精心设计的算法题目，更是一个与其他编程爱好者交流学习的机会。本文将深入剖析LeetCode周赛274的前三道题目，提供详细的题解、思路分析以及实用的编程技巧，帮助读者更好地理解和掌握算法，为未来的编程挑战打下坚实的基础。无论你是算法初学者还是有一定经验的程序员，相信都能从本文中获益匪浅。 通过本次题解，你将学习到如何将实际问题抽象成算法模型，如何选择合适的数据结构和算法，以及如何优化代码以提高效率。同时，本文还将分享一些常用的编程技巧和调试方法，帮助你在编程过程中更加得心应手。希望这篇文章能够激发你对算法学习的热情，并在未来的LeetCode周赛中取得更好的成绩。
LeetCode周赛274：核心要点
问题一：检查所有'A'是否出现在所有'B'之前：核心在于理解题目要求，高效遍历字符串，快速判断是否满足条件。
问题二：银行中的激光束数量：关键在于理解激光束的定义，巧妙利用循环和条件判断，计算激光束的总数。
问题三：摧毁小行星：运用贪心算法，合理安排小行星的碰撞顺序，确保行星的质量能够不断增长，最终摧毁所有小行星。
时间复杂度分析：理解不同算法的时间复杂度，选择效率最高的解决方案。
代码优化技巧：学习如何优化代码，提高运行效率，通过简洁的代码实现复杂的功能。
LeetCode周赛274：题目解析
问题一：检查所有'A'是否出现在所有'B'之前
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
题目描述：给定一个仅包含字符'A'和'B'的字符串，判断是否所有的'A'都出现在所有的'B'之前。
思路分析：
这道题目相对简单，旨在考察对字符串的遍历和条件判断。核心在于找到一种方法，能够快速地判断字符串中是否存在'B'出现在'A'之前的情况。一种常见的思路是从头到尾遍历字符串，一旦遇到'B'，就检查后面是否还有'A'出现。如果存在，则说明不满足条件；反之，则满足条件。
代码实现：
bool checkString(string s) {
int n = s.size();
for (int i = 1; i < n; i++) {
if (s[i - 1] == 'B' && s[i] == 'A') {
return false;
}
}
return true;
}
代码解读：
-
checkString(string s)函数：接受一个字符串s作为输入，返回一个布尔值，表示是否满足题目条件。 -
int n = s.size();：获取字符串的长度，方便后续遍历。 -
for (int i = 1; i：循环遍历字符串，从第二个字符开始，因为需要和前一个字符进行比较。 -
if (s[i - 1] == 'B' && s[i] == 'A')：判断当前字符的前一个字符是否为'B'，且当前字符是否为'A'。如果满足该条件，则说明存在'B'出现在'A'之前的情况，直接返回false。 -
return true;：如果循环顺利完成，没有发现'B'出现在'A'之前的情况，则说明满足题目条件，返回true。
时间复杂度：O(n)，其中 n 是字符串的长度。需要遍历整个字符串一次。
空间复杂度：O(1)，只需要常数级别的额外空间。
关键词：字符串遍历、条件判断、时间复杂度、空间复杂度
问题二：银行中的激光束数量
题目描述：给定一个银行的二维字符串数组，'1'表示安全设备，'0'表示空单元格。只有当两个安全设备位于不同的行 r1 和 r2，且 r1 ，并且在 <code>r1 和 r2 之间的所有行都没有安全设备时，才存在激光束。计算银行中激光束的总数。
思路分析：
这道题目需要理解激光束的定义，即安全设备必须位于不同的行，且它们之间不能有其他的安全设备行。因此，我们需要遍历每一行，记录安全设备的数量，并计算激光束的总数。
代码实现：
int numberOfBeams(vector<string>& bank) {
int total = 0;
int prev = 0;
for (string row : bank) {
int curr = 0;
for (char c : row) {
if (c == '1') {
curr++;
}
}
if (curr > 0) {
total += prev * curr;
prev = curr;
}
}
return total;
}
代码解读：
-
numberOfBeams(vector<string>& bank)</string>函数：接受一个银行的二维字符串数组bank作为输入，返回一个整数，表示激光束的总数。 -
int total = 0;：初始化激光束的总数为0。 -
int prev = 0;：初始化前一行安全设备的数量为0。 -
for (string row : bank)：遍历每一行。 -
int curr = 0;：初始化当前行安全设备的数量为0。 -
for (char c : row)：遍历当前行的每一个字符。 -
if (c == '1')：如果当前字符为'1'，则安全设备数量加1。 -
if (curr > 0)：如果当前行安全设备的数量大于0，则说明该行存在安全设备。 - *`total += prev curr;`**：将前一行安全设备的数量乘以当前行安全设备的数量，累加到激光束的总数中。
-
prev = curr;：将当前行安全设备的数量赋值给前一行安全设备的数量，为下一轮计算做准备。 -
return total;：返回激光束的总数。
时间复杂度：O(m*n)，其中 m 是银行的行数，n 是银行的列数。需要遍历整个银行一次。
空间复杂度：O(1)，只需要常数级别的额外空间。
关键词：二维数组、循环遍历、条件判断、时间复杂度、空间复杂度
问题三：摧毁小行星
题目描述：给定行星的初始质量和一个小行星数组，你可以按照任意顺序与小行星碰撞。如果行星的质量大于或等于小行星的质量，则小行星被摧毁，行星获得小行星的质量。否则，行星被摧毁。判断是否所有的行星都能被摧毁。
思路分析：
这道题目可以使用贪心算法来解决。为了尽可能地摧毁更多的小行星，应该先摧毁质量较小的小行星，这样能够更快地增加行星的质量，从而能够摧毁更多的小行星。因此，我们需要先对小行星数组进行排序，然后依次判断行星是否能够摧毁每个小行星。
代码实现：
bool asteroidsDestroyed(int mass, vector<int>& asteroids) {
sort(asteroids.begin(), asteroids.end());
long long currMass = mass;
for (int asteroid : asteroids) {
if (currMass >= asteroid) {
currMass += asteroid;
} else {
return false;
}
}
return true;
}
代码解读：
-
asteroidsDestroyed(int mass, vector<int>& asteroids)</int>函数：接受行星的初始质量mass和小行星数组asteroids作为输入，返回一个布尔值，表示是否所有的行星都能被摧毁。 -
sort(asteroids.begin(), asteroids.end());：对小行星数组进行排序，按照质量从小到大排列。 -
long long currMass = mass;：初始化行星的当前质量为初始质量。这里使用long long是为了防止质量溢出。 -
for (int asteroid : asteroids)：遍历每一个小行星。 -
if (currMass >= asteroid)：判断行星的当前质量是否大于或等于小行星的质量。如果满足该条件，则说明行星能够摧毁该小行星。 -
currMass += asteroid;：将小行星的质量加到行星的当前质量中，表示行星成功摧毁了该小行星。 -
return true;：如果循环顺利完成，没有发现行星无法摧毁的小行星，则说明所有的行星都能被摧毁，返回true。
时间复杂度：O(n log n)，其中 n 是小行星的数量。主要是排序的时间复杂度。
空间复杂度：O(1)，只需要常数级别的额外空间。
关键词：贪心算法、排序、时间复杂度、空间复杂度
LeetCode周赛274：常见问题解答
为什么在摧毁小行星问题中要使用贪心算法？
贪心算法是一种在每一步选择中都采取在当前状态下最好或最优（即最有利）的选择，从而希望导致结果是全局最好或最优的算法策略。 在摧毁小行星问题中，我们希望尽可能地摧毁所有小行星。为了达到这个目标，我们每次都选择质量最小的小行星进行碰撞。因为摧毁质量小的小行星能够更快地增加行星的质量，从而为摧毁后续质量更大的小行星创造条件。这种策略保证了我们每一步都做出当前最优的选择，从而最大限度地提高摧毁所有小行星的可能性。 换句话说，如果我们先尝试摧毁质量大的小行星，可能会因为行星质量不足而导致摧毁失败，从而失去了一次增加行星质量的机会。而先摧毁质量小的小行星，可以积累更多的质量，为后续摧毁更大的小行星做好准备。这就是使用贪心算法的原因：局部最优的选择最终导致全局最优的结果。
在银行激光束问题中，为什么安全设备必须位于不同的行？
题目中对于激光束的定义，明确规定了安全设备必须位于不同的行 r1 和 r2，且 r1
LeetCode算法竞赛：相关问题
如何准备LeetCode周赛？
LeetCode周赛是提升算法能力、准备面试、参与算法竞赛的绝佳平台。以下是一些准备LeetCode周赛的建议： 掌握基本数据结构和算法： 数组：数组是最基本的数据结构，需要熟练掌握数组的遍历、查找、排序等操作。 链表：链表是一种动态数据结构，需要理解链表的插入、删除、反转等操作。 栈和队列：栈和队列是常用的数据结构，需要理解它们的特性和应用场景。 树：树是一种重要的非线性数据结构，需要理解二叉树、平衡树、搜索树等概念。 图：图是一种复杂的数据结构，需要理解图的遍历、最短路径、最小生成树等算法。 排序算法：掌握常见的排序算法，例如冒泡排序、选择排序、插入排序、快速排序、归并排序等。 搜索算法：掌握常见的搜索算法，例如线性搜索、二分搜索、深度优先搜索、广度优先搜索等。 动态规划：动态规划是一种重要的算法思想，需要理解动态规划的原理和应用场景。 刷题练习： LeetCode题库：LeetCode题库包含了大量的算法题目，可以按照难度和类型进行练习。建议从简单题目开始，逐步增加难度。 分类练习：针对薄弱的知识点，可以进行分类练习，例如，专门练习数组、链表、树等类型的题目。 模拟面试：可以进行模拟面试，模拟真实的面试环境，提高面试技巧。 学习解题思路： 题解：LeetCode上有很多优秀的题解，可以参考学习他人的解题思路。学习不同的解题思路，可以帮助你更好地理解题目，并找到更优的解决方案。 讨论区：LeetCode的讨论区是一个很好的交流学习平台，可以在这里与其他编程爱好者交流心得、讨论问题。 参与周赛： 每周坚持参加：每周坚持参加周赛，可以帮助你熟悉比赛流程、提高解题速度和应变能力。 总结经验：每次参加完周赛，都要认真总结经验教训，找出自己的不足之处，并加以改进。 常用算法技巧和注意事项: 排序：很多算法题都需要先进行排序，再进行后续处理。常用的排序函数包括 sort()、stable_sort() 等。 二分查找：二分查找是一种高效的搜索算法，适用于有序数组。需要注意边界条件的判断。 哈希表：哈希表是一种常用的数据结构，可以用于快速查找和统计。常用的哈希表包括 unordered_map 和 unordered_set。 注意数据范围：在做题时，要注意数据范围，选择合适的数据类型，避免溢出。 边界条件判断：在编写代码时，要仔细考虑边界条件，例如数组为空、字符串为空等情况。 代码规范：编写清晰、简洁、易懂的代码，方便调试和维护。 通过不断地学习和练习，相信你一定能够在LeetCode周赛中取得优异的成绩！
