一、169 多数元素
1.题目
https://leetcode-cn.com/problems/majority-element/
给定一个大小为 n 的数组,找到其中的多数元素。多数元素是指在数组中出现次数 大于 ⌊ n/2 ⌋ 的元素。
你可以假设数组是非空的,并且给定的数组总是存在多数元素。
2.思想
1.哈希表解法
2.分治
分治介绍:https://blog.csdn.net/weixin_43872728/article/details/101082875
(1).设计思想:
将一个难以直接解决的大问题,分割成一些规模小的相同问题,以便各个击破,分而治之。
(2).策略
对于一个规模为n的问题,若将问题分割为m个的子问题可以直接解决,这些子问题相互独立且与原文问题形式相同,递归地解决这些问题,然后将各子问题的解答合并后得到原问题的解。
3.代码
1.哈希表
class Solution {
public int majorityElement(int[] nums) {
//hash表解法
//base case
if (nums.length <1) return nums[0];
Map<Integer, Integer> map = new HashMap<Integer, Integer>();
int n = nums.length;
for (int i=0; i<n;i++){
if(!map.containsKey(nums[i])){
map.put(nums[i],1);
}else{
map.put(nums[i],map.get(nums[i])+1);
if (map.get(nums[i]) >n/2){
return nums[i];
}
}
}
return nums[0];
}
}
2.分治解法
class Solution {
public int majorityElement(int[] nums) {
return majorityApply(nums, 0, nums.length-1);
}
public int majorityApply(int[] nums, int left, int right){
//base case数组中只有一个元素时候,返回这个值
//left right分别为所求区间的左右端点,闭合
if (left == right){
return nums[left];
}
//向下分割区间
int mid = (left+right)/2;
int leftNum = majorityApply(nums,left, mid);
int rightNum = majorityApply(nums, mid+1, right);
//如果左右众数相同,则返回
if (leftNum == rightNum) return leftNum;
//否则分别计算区间内众数的个数,并比较大小
//注当前区间是递归的left和right
int leftCount = numCount(nums, leftNum, left,right);
int rightCount = numCount(nums, rightNum, left, right);
return leftCount>rightCount?leftNum:rightNum;
}
public int numCount(int[]nums, int num, int left, int right){
//if (nums.length == 0) return 0;
int count=0;
for(int i = left; i<=right;i++){
if(nums[i] == num){
count++;
}
}
return count;
}
}
二、53最大子数组和
1.题目
https://leetcode-cn.com/problems/maximum-subarray/
给你一个整数数组 nums ,请你找出一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
子数组 是数组中的一个连续部分。
2.思想
1.动态规划——找到当前值和之前值得关系,比较得到最大的
2.分治
https://leetcode-cn.com/problems/maximum-subarray/solution/zui-da-zi-xu-he-by-leetcode-solution/
3.代码
1.动态规划
class Solution {
public int maxSubArray(int[] nums) {
//动态规划
/*
1.如果当前子数组加上后面的数,和变小,那就不应该加,此时把当前最大和保存下来
2.遍历数组,比较当前值和新加入值的大小
*/
int pre = 0;
int maxNum =nums[0];
for (int num:nums){
pre = Math.max(pre+num,num);
maxNum = Math.max(maxNum,pre);
}
return maxNum;
}
}
2.分治
class Solution {
public class Status{
int lSum;//左子区间的最大值
int rSum;//右子区间的最大值
int mSum;//返回值
int iSum;//区间和
//初始化变量
public Status(int lSum, int rSum, int mSum, int iSum){
this.lSum = lSum;
this.rSum = rSum;
this.mSum = mSum;
this.iSum = iSum;
}
}
public int maxSubArray(int[] nums) {
//分治思想
//分割成相同的小区间,合并时存在多种情况
/**
1.左子区间或右子区间的和有一个为最大值;
2.左子区间和右子区间的左子区间的和为最大值;
3.右子区间和左子区间的右子区间的和为最大值;
4.左子区间的右区间和右子区间的左区间的和为最大值
*/
return sumSubArray(nums,0, nums.length-1 ).mSum;
}
public Status sumSubArray(int[] nums, int left, int right ){
//base case
if (left == right ) return new Status(nums[left], nums[left], nums[left], nums[left]);
int mid = (left+right)/2;
Status leftStatus = sumSubArray(nums,left, mid);
Status rightStatus = sumSubArray(nums, mid+1, right);
return pushUp(leftStatus,rightStatus);
}
//左右区间最大值求解
public Status pushUp(Status l, Status r){
int iSum = l.iSum + r.iSum;
int lSum = Math.max(l.lSum,l.iSum+r.lSum);
int rSum = Math.max(r.rSum, l.rSum+r.iSum);
int mSum = Math.max(Math.max(l.mSum,r.mSum), l.rSum+r.lSum);
return new Status(lSum, rSum, mSum, iSum);
}
}
三、合并K个升序链表
1.题目
https://leetcode-cn.com/problems/merge-k-sorted-lists/
给你一个链表数组,每个链表都已经按升序排列。
请你将所有链表合并到一个升序链表中,返回合并后的链表。
2.思路
- 可以用分治思想,先拆分成单力度的,然后再两两合并,直到最后合并完
时间复杂度 - 也可以用最小堆/优先队列,队列的头是最小元素
因为LIstNode列表中存储的是各个LIstNode的头结点,所以,先将k个头结点放到优先队列中,然后逐个将对头放到结果链表中
3.代码
/**
* Definition for singly-linked list.
* public class ListNode {
* int val;
* ListNode next;
* ListNode() {}
* ListNode(int val) { this.val = val; }
* ListNode(int val, ListNode next) { this.val = val; this.next = next; }
* }
*/
class Solution {
public ListNode mergeKLists(ListNode[] lists) {
//分治
//分治的思想是先拆分成最小单元粒度的,然后两两合并,自底向上合并
if (lists.length == 0){
return null;
}
return mergeMain(lists, 0, lists.length-1);
}
public ListNode mergeMain(ListNode[] lists, int left, int right){
if (left == right){
return lists[left];
}
if (left > right) return null;
int mid = (left+right)/2;
return mergeTwo(mergeMain(lists,left,mid),mergeMain(lists,mid+1, right));
}
public ListNode mergeTwo(ListNode a , ListNode b){
if(a == null || b == null){
return a!=null ? a:b;
}
ListNode head = new ListNode(0);
ListNode aPre=a;
ListNode bPre=b;
ListNode tail = head;
while(aPre!=null && bPre!=null){
if(aPre.val > bPre.val){
tail.next = bPre;
bPre = bPre.next;
}else{
tail.next = aPre;
aPre = aPre.next;
}
tail = tail.next;
}
tail.next=(aPre!=null ? aPre:bPre);
return head.next;
}
}
/**
* Definition for singly-linked list.
* public class ListNode {
* int val;
* ListNode next;
* ListNode() {}
* ListNode(int val) { this.val = val; }
* ListNode(int val, ListNode next) { this.val = val; this.next = next; }
* }
*/
class Solution {
public ListNode mergeKLists(ListNode[] lists) {
//base case
if (lists == null || lists.length == 0) return null;
//构造优先队列,优先队列的队首为最小值
PriorityQueue<ListNode> que = new PriorityQueue<>(lists.length, new Comparator<ListNode>(){
public int compare(ListNode n1, ListNode n2){
if (n1.val < n2.val) return -1;
else if (n2.val == n1.val) return 0;
else return 1;
}
});
for(ListNode node: lists){
if (node !=null) que.add(node);
}
ListNode dummy = new ListNode(0);
ListNode cur = dummy;
while(!que.isEmpty()){
cur.next =que.poll();
cur = cur.next;
if (cur.next != null) que.add(cur.next);
}
return dummy.next;
}
}