尧图网络 高端网站定制 · 原创设计
免费咨询热线
400-888-6620
免费获取方案
LeetCode 12 整数转罗马数字 - 贪心从大到小减
LeetCode 12 整数转罗马数字用贪心思想能减大的先减大的。 整数转罗马数字整数转成罗马数字。值对应I1, V5, X10, L50, C100, D500, M1000。特殊规则4→IV, 9→IX, 40→XL, 90→XC, 400→CD, 900→CM。就是换零钱——把 1994 拆成 1000900904 M CM XC IV。把面值和符号从大到小排好能减就减换个符号继续减。publicStringintToRoman(intnum){int[]values{1000,900,500,400,100,90,50,40,10,9,5,4,1};String[]symbols{M,CM,D,CD,C,XC,L,XL,X,IX,V,IV,I};StringBuildersbnewStringBuilder();for(inti0;ivalues.length;i){while(numvalues[i]){num-values[i];sb.append(symbols[i]);}}returnsb.toString();}为什么贪心一定对因为罗马数字的规则保证了每个值对应的符号是独立的、不会出现用了大的导致小的凑不出来。这跟人民币的 100、50、20 不一样——罗马数字没有用了 1 个 C 就等于锁死了 10 个 X这种约束它们之间就是纯线性加法。这道题你踩过什么坑或者你用别的语言实现过吗评论区聊聊回头复习也方便翻。
RELATED

相关推荐

知识蒸馏实战:从原理到部署,打造高效轻量级AI模型

知识蒸馏实战:从原理到部署,打造高效轻量级AI模型

在深度学习模型部署的实践中,我们常常面临一个核心矛盾:大模型(如GPT、LLaMA等)强大的性能与高昂的推理成本、缓慢的响应速度之间的矛盾。无论是云端按Token计费带来的成本压力,还是端侧设备(如手机、嵌入式…

📅 2026/10/6 1:13:36
面向对象中的组合、聚合与继承关系详解

面向对象中的组合、聚合与继承关系详解

在面向对象编程(OOP)与 UML 类图设计中,类与类之间存在多种静态结构关系,其中组合、聚合、继承是最核心的三类关系:继承描述 “类型从属” 的层级关系,聚合与组合描述 “整体 - 部分” 的组装关系&#xff…

📅 2026/10/5 14:20:35
Win11Debloat实战:3分钟一键系统瘦身

Win11Debloat实战:3分钟一键系统瘦身

Win11Debloat实战:3分钟一键系统瘦身 【免费下载链接】Win11Debloat A simple, lightweight PowerShell script that allows you to remove pre-installed apps, disable telemetry, as well as perform various other changes to declutter and customize your Win…

📅 2026/10/5 21:53:36
MORE NEWS

更多资讯

📰

自动驾驶技术产业链解析与商业化落地挑战

1. 自动驾驶产业链全景解析自动驾驶技术正在重塑整个汽车工业的格局。作为从业12年的汽车电子工程师,我亲眼见证了这条产业链从无到有的发展历程。不同于传统汽车产业,自动驾驶领域形成了主机厂、软件方案商、硬件方案商三足鼎立的格局,每个环…

📰

生成式人工智能落地指南:基础模型、提示工程、微调与部署路线

简介:《生成式人工智能.pdf》是一份面向企业管理者、技术从业者与AI入门读者的专题报告,围绕ChatGPT背后的大语言模型与生成式人工智能展开,帮助读者理解技术拐点、产业影响及落地路径。压缩包仅含1个PDF文件,大小约1.09MB&#x…

📰

从技能地图到90天实战:系统化构建职场核心竞争力

1. 先给“技能”画一张地图,再决定补什么做猎头的朋友跟我讲过一句话,我一直记到现在:简历上的职位名称越来越靠不住,能靠着跳槽吃饭的,永远是简历里那几块真正的技能。这话听着糙,但放到眼下这个环境里&am…

📰

DeepSeek本地部署指南:从环境配置到生产实践

1. DeepSeek本地部署核心价值解析作为一款新兴的AI大模型,DeepSeek在代码生成、文本处理等场景展现出强大能力。相比云端服务,本地部署能带来三个关键优势:数据安全性(敏感代码/文档无需外传)、响应速度(减…

📰

FPGA层次化工程入门:VHDL逻辑门结构化设计与ISE仿真综合

简介:这份文档面向软件工程专业学生与FPGA入门学习者,是一份数字系统设计实验报告,重点围绕简单逻辑门的RTL描述、结构化电路搭建与VHDL层次化建模展开,可辅助完成ISE集成环境下的基础实验、课程作业与报告整理。压缩包内仅1个doc…

📰

卷积神经网络(CNN)在图像识别中的核心原理与应用实践

1. 卷积神经网络为何成为图像识别的核心技术2006年Hinton团队在《Science》发表的论文首次证明了深层神经网络的训练可行性,而2012年AlexNet在ImageNet竞赛中以压倒性优势夺冠,则正式宣告了卷积神经网络(CNN)在计算机视觉领域的统…

TODAY

今日更新

THIS WEEK

本周精选

THIS MONTH

本月热门

读完文章,想聊聊您的网站?

告诉我们您的行业与需求,资深顾问一对一梳理方案与报价,全程免费。

📞 💬