当前:LC763 · 划分字母区间 · 首次出现于 Day 42 · 路径:顶栏「56天打卡」→ 点击 LC 题号 → 逐题动画

LC763算法模式贪心 · 划分字母区间局部最优路标

划分字母区间

串划分最多段,每段含某字母仅在该段。

题目是什么

串划分最多段,每段含某字母仅在该段。

解决什么问题

当前选择永久排除了哪些更差方案,为什么以后无需反悔?

核心结论

记录每字母最后位置;扫描维护当前段 end, i==end 切段。

01交互算法精讲

先说结论:这道题到底解决什么

怎样从“串划分最多段,每段含某字母仅在该段。”推导出 贪心 · 划分字母区间,并证明每次状态变化都不会漏掉答案?

中心结论:记录每字母最后位置;扫描维护当前段 end, i==end 切段。

读完必须能回答
  1. 1.暴力方案在哪里重复计算,为什么仍然是正确基线?
  2. 2.当前选择永久排除了哪些更差方案,为什么以后无需反悔?
  3. 3.不变量“段 end 必须是段内所有字母 last 的最大值。”为什么能保证算法安全前进?
02交互算法精讲

完整题目与题意拆解

这道题考察的是滑动窗口的问题。

给出一个字符串,要求输出满足条件窗口的长度,条件是在这个窗口内,字母中出现在这一个窗口内,不出现在其他窗口内。

在本站主例中,串划分最多段,每段含某字母仅在该段。

算法最终需要得到或观察:划分段列表。

把题目翻译成状态
  • 输入:串划分最多段,每段含某字母仅在该段。
  • 机器需要维护:last 位置、start/end。
  • 最终可观察结果:划分段列表。
动画 1 · 题意扫描

先看清算法到底要维护什么

先建立输入、目标、输出和第一批状态,不急着进入模板。

Step 1/20%
题目与输入建立输入、目标与算法心智

扫描扩展 end,到达 end 时切一段

正在加载算法场景...
03交互算法精讲

第一层方案:暴力做法

枚举全部决策组合会指数爆炸;贪心只保留能被交换论证或支配关系证明更优的选择。

暴力方案的价值是确认题意并提供正确性基线。它通常会覆盖所有候选, 但没有保存已经确认的信息,因此同一状态会被重新计算。

动画 2 · 暴力重复

重复工作究竟发生在哪里

把重复读取或重复搜索的区域明确标出,再决定优化必须保存什么。

Step 1/20%
先做对:建立暴力基线枚举所有候选并完整验证

扫描扩展 end,到达 end 时切一段

正在加载算法场景...
优化方向:记录每字母最后位置;扫描维护当前段 end, i==end 切段。
04交互算法精讲

整体地图:先做什么,再做什么

  1. 1建模把输入翻译成“局部最优路标”,明确答案需要观察什么。
  2. 2状态只维护 last 位置、start/end。
  3. 3转移每一步按照 记录每字母最后位置;扫描维护当前段 end, i==end 切段。
  4. 4收尾读取 划分段列表。,并复核边界与复杂度。
05交互算法精讲

局部最优路标:核心概念

局部选择必须带着“替换任何其他选择都不会更差”的证明。

这道题不是为了记住一个组件名称,而是为了让状态具有可解释的语义:last 位置、start/end。

核心不变量
  • 段 end 必须是段内所有字母 last 的最大值。
动画 3 · 核心概念

建立“局部最优路标”心智模型

用主例建立核心状态,先预测下一步,再公开正确分支和理由。

Step 1/30%
题目与输入建立输入、目标与算法心智

扫描扩展 end,到达 end 时切一段

正在加载算法场景...
06交互算法精讲

核心机制:状态如何一步步变化

这一题有 2 种思路,第一种思路是先记录下每个字母的出现次数,然后对滑动窗口中的每个字母判断次数是否用尽为 0,如果这个窗口内的所有字母次数都为 0,这个窗口就是符合条件的窗口。时间复杂度为 O(n)

另外一种思路是记录下每个字符最后一次出现的下标,这样就不用记录次数。在每个滑动窗口中,依次判断每个字母最后一次出现的位置,如果在一个下标内,所有字母的最后一次出现的位置都包含进来了,那么这个下标就是这个满足条件的窗口大小。时间复杂度为 O(n^2)

记录每字母最后位置;扫描维护当前段 end, i==end 切段。

执行过程中持续维护:last 位置、start/end。

正确性依赖以下不变量:段 end 必须是段内所有字母 last 的最大值。

面试时可以压缩为:贪心 O(n)。

落到当前题,执行机制可以压缩为:记录每字母最后位置;扫描维护当前段 end, i==end 切段。每一次更新都必须保持核心不变量,而不是只让样例碰巧得到正确答案。

动画 4 · 机制构建

一次状态转移为什么成立

集中观察一次选择、计算和状态写回,让变量变化与原因同时出现。

Step 1/50%
纳入 'a',end 扩展到 8end=max(end,last[c])

继续扩展当前片段

正在加载算法场景...
07交互算法精讲

正确性证明:为什么不会漏答案

初始化

初始化:算法开始时,全部合法候选仍在状态表示范围内;段 end 必须是段内所有字母 last 的最大值。

保持

保持:执行“记录每字母最后位置;扫描维护当前段 end, i==end 切段。”时,只删除已经能证明不可能的候选,并把新信息写回 last 位置、start/end。

终止

终止:没有待处理状态或达到命中条件时,当前可观察结果就是“划分段列表。”。

正确性抓手不是“样例跑通”,而是每一帧结束后仍能复述:段 end 必须是段内所有字母 last 的最大值。
08交互算法精讲

完整执行过程

  1. 1题目与输入串划分最多段,每段含某字母仅在该段。 因为:记录每字母最后位置;扫描维护当前段 end, i==end 切段。
  2. 2纳入 'a',end 扩展到 8扩展 end。 因为:首次满足 end==i 即最短合法段。
  3. 3预测下一步先不要看下一帧——根据当前不变量,预测算法接下来会怎么动。 因为:主动预测会暴露你对不变量的真实理解,比被动看动画有效得多。
  4. 4纳入 'b',end 扩展到 8扩展 end。 因为:首次满足 end==i 即最短合法段。
  5. 5纳入 'c',end 扩展到 8扩展 end。 因为:首次满足 end==i 即最短合法段。
  6. 6纳入 'a',end 扩展到 8扩展 end。 因为:首次满足 end==i 即最短合法段。
  7. 7i 到达 end=8,切出片段 'ababcbaca'切分并 reset start。 因为:首次满足 end==i 即最短合法段。
  8. 8收尾与复杂度划分段列表。 因为:时间 O(n) · 空间 O(1)。记录每字母最后位置;扫描维护当前段 end, i==end 切段。
动画 5 · 完整执行

从输入完整走到可观察结果

从主例第一帧运行到答案,时间轴始终显示当前状态、因果解释和下一步。

Step 1/80%
题目与输入建立输入、目标与算法心智

扫描扩展 end,到达 end 时切一段

正在加载算法场景...
09交互算法精讲

把动画和 Go 代码逐行对应

代码窗口不会按容易漂移的固定数字行号硬绑动画,而是根据当前语义阶段, 在完整 Go 实现中定位选择、计算、写回或返回分支。当前变量与高亮行一起变化。

动画 6 · 代码映射

让每个动作都落到 Go 分支

重新执行关键分支,只显示当前代码附近窗口,并说明这行为什么在此刻运行。

Step 1/60%
片段必须包含其中每个字母的最后出现expand end to max last[char]

扫描扩展 end,到达 end 时切一段

正在加载算法场景...
10交互算法精讲

完整 Go 提交代码与最小测试

完整 Go 解法
// 解法一
func partitionLabels(S string) []int {
	var lastIndexOf [26]int
	for i, v := range S {
		lastIndexOf[v-'a'] = i
	}

	var arr []int
	for start, end := 0, 0; start < len(S); start = end + 1 {
		end = lastIndexOf[S[start]-'a']
		for i := start; i < end; i++ {
			if end < lastIndexOf[S[i]-'a'] {
				end = lastIndexOf[S[i]-'a']
			}
		}
		arr = append(arr, end-start+1)
	}
	return arr
}

// 解法二
func partitionLabels1(S string) []int {
	visit, counter, res, sum, lastLength := make([]int, 26), map[byte]int{}, []int{}, 0, 0
	for i := 0; i < len(S); i++ {
		counter[S[i]]++
	}

	for i := 0; i < len(S); i++ {
		counter[S[i]]--
		visit[S[i]-'a'] = 1
		sum = 0
		for j := 0; j < 26; j++ {
			if visit[j] == 1 {
				sum += counter[byte('a'+j)]
			}
		}
		if sum == 0 {
			res = append(res, i+1-lastLength)
			lastLength += i + 1 - lastLength
		}
	}
	return res
}
最小测试集合
func main() {
    // 1. 主例
    //    输入:mode="partition-labels", text="ababcbacadefegdehijhklij"
    //    期望:划分段列表。
    //
    // 2. 失败 / 未命中
    //    检查:i 到达 end 才能切。
    //
    // 3. 边界
    //    空输入、单元素、最小合法规模,以及答案恰好落在边界的情况。
    //
    // 4. 迁移
    //    LC56 合并区间;LC435 无重叠
}

Go 参考实现基于 halfrost/LeetCode-Go 的 MIT 许可代码整理,并按本站教学结构补充解释与动画映射。

11交互算法精讲

正确性与复杂度

时间复杂度 O(n)

执行过程中只保留仍可能影响答案的状态。记录每字母最后位置;扫描维护当前段 end, i==end 切段。

空间复杂度 O(1)

额外状态主要用于维护:last 位置、start/end。

终局不变量
  • 段 end 必须是段内所有字母 last 的最大值。
12交互算法精讲

最容易写错的地方

错误 1

i 到达 end 才能切。

边界复查

必须额外检查空输入、单元素、未命中或不可达情况,以及恰好落在边界的输入。

13交互算法精讲

最后复盘:带走逻辑链

  1. 1题意串划分最多段,每段含某字母仅在该段。
  2. 2重复枚举全部决策组合会指数爆炸;贪心只保留能被交换论证或支配关系证明更优的选择。
  3. 3优化记录每字母最后位置;扫描维护当前段 end, i==end 切段。
  4. 4证明段 end 必须是段内所有字母 last 的最大值。
  5. 5复杂度时间 O(n),空间 O(1)
面试表达:贪心 O(n)。
迁移练习
  • LC56 合并区间
  • LC435 无重叠