labuladong算法笔记总结

最新推荐文章于 2024-09-26 18:58:32 发布

哥们要飞

最新推荐文章于 2024-09-26 18:58:32 发布

阅读量1.7k

点赞数 1

文章标签：算法深度优先 java 开发语言

本文链接：https://blog.csdn.net/USTSD/article/details/125518699

版权

这篇博客详细介绍了多种算法解题的常用模板，包括动态规划的三步解题法、回溯算法的实现、BFS寻找最短路径、滑动窗口在字符串处理中的应用，以及解决股票交易问题的通用策略。同时，还涉及了二分查找、区间问题的处理和Git操作的常用命令。这些模板对于提升算法解题能力非常有帮助。

摘要由CSDN通过智能技术生成

动态规划解题套路框架

学习计划：

最长回文子序列

〇、必读文章

1、数据结构和算法学习指南(学习算法和刷题的框架思维)

了解数据结构的操作和遍历(迭代or递归)
从树刷起，结合框架思维，有利于理解(回溯、动态规划、分治等)

2、动态规划详解(动态规划解题套路框架)

过程：递归的暴力解法 -> 带备忘录的递归解法 -> 非递归的动态规划解法
特征：重叠子问题-->使用备忘录&自底向上，最优子结构，状态转移方程
例题：凑零钱(dp[i] = min(dp[i], 1 + dp[i - coin]))

3、回溯算法详解(修订版)=DFS-----做选择

3个问题：参数记录路径、选择列表(做选择和撤销选择)、结束条件

result = []
def backtrack(路径, 选择列表):
    if 满足结束条件:
        result.add(路径)
        return

    for 选择 in 选择列表:
        做选择
        backtrack(路径, 选择列表)
        撤销选择

例题：八皇后问题、全排列问题

4、BFS 算法框架套路详解------求最短距离

与DFS对比：使用队列，路径短，空间复杂度高
问题本质：在图中找起点到终点的最近距离，队列入队访问邻接，记录访问过的
例题：二叉树的最小高度(齐头并进，BFS时间复杂度低)、打开密码锁的最少次数(可以使用双向BFS，无需掌握)
步骤：

// 计算从起点 start 到终点 target 的最近距离
int BFS(Node start, Node target) {
    Queue<Node> q; // 核心数据结构
    Set<Node> visited; // 避免走回头路

    q.offer(start); // 将起点加入队列
    visited.add(start);
    int step = 0; // 记录扩散的步数

    while (q not empty) {
        int sz = q.size();
        /* 将当前队列中的所有节点向四周扩散 */
        for (int i = 0; i < sz; i++) {
            Node cur = q.poll();
            /* 划重点：这里判断是否到达终点 */
            if (cur is target)
                return step;
            /* 将 cur 的相邻节点加入队列 */
            for (Node x : cur.adj())
                if (x not in visited) {
                    q.offer(x);
                    visited.add(x);
                }
        }
        /* 划重点：更新步数在这里 */
        step++;
    }
}

5、我作了首诗，保你闭着眼睛也能写对二分查找

防止两数相加产生溢出：mid = left + (right - left) / 2;
while里面是小于等于
寻找左侧边界的二分：相等时不直接返回

int left_bound(int[] nums, int target) {
    int left = 0, right = nums.length - 1;
    // 搜索区间为 [left, right]
    while (left <= right) {
        int mid = left + (right - left) / 2;
        if (nums[mid] < target) {
            // 搜索区间变为 [mid+1, right]
            left = mid + 1;
        } else if (nums[mid] > target) {
            // 搜索区间变为 [left, mid-1]
            right = mid - 1;
        } else if (nums[mid] == target) {
            // 收缩右侧边界
            right = mid - 1;
        }
    }
    // 检查出界情况
    if (left >= nums.length || nums[left] != target)
        return -1;
    return left;
}

寻找右侧边界：left = mid + 1;「搜索区间」全都统一成两端都闭

6、我写了套框架，把滑动窗口算法变成了默写题

/* 滑动窗口算法框架 */
void slidingWindow(string s, string t) {
    unordered_map<char, int> need, window;
    for (char c : t) need[c]++;

    int left = 0, right = 0;
    int valid = 0; 
    while (right < s.size()) {
        // c 是将移入窗口的字符
        char c = s[right];
        // 右移窗口
        right++;
        // 进行窗口内数据的一系列更新
        ...

        /*** debug 输出的位置 ***/
        printf("window: [%d, %d)\n", left, right);
        /********************/

        // 判断左侧窗口是否要收缩
        while (window needs shrink) {
            // d 是将移出窗口的字符
            char d = s[left];
            // 左移窗口
            left++;
            // 进行窗口内数据的一系列更新
            ...
        }
    }
}

例题：最小覆盖子串、字符串排列、找所有字母的异位词、最长无重复子串
引出双指针问题：
- 快慢指针(链表，有环)
- 左右指针(数组或字符串问题，如二分，有序数组两数之和等于目标数，反转数组)

7、团灭 LeetCode 股票买卖问题

通用解法：穷举，循环内部分别使用min和max；多次买卖用贪心/递归；限定交易次数递归参数传k递减；冷冻期改变递归函数dp的参数；手续费改变比较max的值
(状态机)多维DP数组的状态转移方程：针对几种股票类型分别使用db table解决，其中限定次数的使用三维dp表

8、经典动态规划：打家劫舍系列问题

例题：标准动规、环形数组、二叉树打劫(相连的房子不能被打劫)

int res = Math.max(
            // 不抢，去下家
            dp(nums, start + 1), 
            // 抢，去下下家
            nums[start] + dp(nums, start + 2)
        );

自顶向下：递归调用dp函数，自底向上：定义dp数组
二叉树：抢孩子的左和右孩子

Map<TreeNode, Integer> memo = new HashMap<>();
public int rob(TreeNode root) {
    if (root == null) return 0;
    // 利用备忘录消除重叠子问题
    if (memo.containsKey(root)) 
        return memo.get(root);
    // 抢，然后去下下家
    int do_it = root.val
        + (root.left == null ? 
            0 : rob(root.left.left) + rob(root.left.right))
        + (root.right == null ? 
            0 : rob(root.right.left) + rob(root.right.right));
    // 不抢，然后去下家
    int not_do = rob(root.left) + rob(root.right);

    int res = Math.max(do_it, not_do);
    memo.put(root, res);
    return res;
}

9、一个方法解决三道区间问题

区间问题：即线段问题，包括合并线段，找线段的交集；技巧：排序&画图
区间覆盖问题：例删除被覆盖的区间--排序后分3种情况，相交区间合并，不相交则更新起点终点
区间合并问题：排序，根据条件进行合并
区间交集问题：讨论两个交集的各种情况，并根据大小决定更新哪个list的下标

10、一个函数秒杀 2Sum 3Sum 4Sum 问题

两数之和：排序+双指针；去重数对：相等时指针相加
三数之和：第一个数不重复&调用两数之和的方法
四数之和：第一个数不重复&调用三数之和的方法
……：编写递归函数，参数传递n表示几数之和

11、手把手带你刷二叉树(第一期)

翻转二叉树：前序
(完美二叉树)填充二叉树节点的右侧指针：传递两个参数，前序node1.next = node2;
二叉树展开为链表：没看懂

12、经典动态规划：0-1 背包问题

状态和选择、dp数组的定义

dp[i][w] = max( 把物品i装进背包, 不把物品i装进背包 )

状态转移方程

dp[i][w] = max(dp[i-1][w],  dp[i-1][w - wt[i-1]] + val[i-1] )

代码

int knapsack(int W, int N, vector<int>& wt, vector<int>& val) {
    // vector 全填入 0，base case 已初始化
    vector<vector<int>> dp(N + 1, vector<int>(W + 1, 0));
    for (int i = 1; i <= N; i++) {
        for (int w = 1; w <= W; w++) {
            if (w - wt[i-1] < 0) {
                // 当前背包容量装不下，只能选择不装入背包
                dp[i][w] = dp[i - 1][w];
            } else {
                // 装入或者不装入背包，择优
                dp[i][w] = max(dp[i - 1][w - wt[i-1]] + val[i-1], 
                               dp[i - 1][w]);
            }
        }
    }

    return dp[N][W];
}

13、我用四个命令概括了 Git 的所有套路

三个分区：working directory工作目录，stage/index area暂存区，commit history提交历史。
git status查看前两个分区，git log查看提交日志的内容
git checkout .：将工作目录修改过的文件恢复为暂存区的文件，不会删除在工作目录创建的新文件
git commit --amend：修改合并，不会新创建一个commit到history中
git reset X：对X文件的修改，不会提交到history中/把对a.txt的修改从stage区撤销，但依然保存在work dir中，变为unstage的状态。