exill11-CSDN博客

原创代码随想录

t[j - 1])，此时相当于t要删除元素，t如果把当前元素t[j - 1]删除，那么dp[i][j] 的数值就是看s[i - 1]与 t[j - 2]的比较结果了，即：dp[i][j] = dp[i][j - 1];if (s[i - 1] == t[j - 1])，那么dp[i][j] = dp[i - 1][j - 1] + 1;从递推公式可以看出dp[i][j]都是依赖于dp[i - 1][j - 1] 和 dp[i][j - 1]，所以dp[0][0]和dp[i][0]是一定要初始化的。

2024-04-25 17:10:51 650

原创代码随想录

如果text1[i - 1] 与 text2[j - 1]不相同，那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列，取最大的。但dp[i][0] 和dp[0][j]要初始值，因为为了方便递归公式dp[i][j] = dp[i - 1][j - 1] + 1;即当A[i - 1] 和B[j - 1]相等的时候，dp[i][j] = dp[i - 1][j - 1] + 1;

2024-04-23 23:39:37 918

原创代码随想录

为什么一定表示 “以nums[i]结尾的最长递增子序” ，因为我们在做递增比较的时候，如果比较 nums[j] 和 nums[i] 的大小，那么两个递增子序列一定分别以nums[j]为结尾和 nums[i]为结尾，要不然这个比较就没有意义了，不是尾部元素的比较那么如何算递增呢。因为本题要求连续递增子序列，所以就只要比较nums[i]与nums[i - 1]，而不用去比较nums[j]与nums[i] （j是在0到i之间遍历）。即：dp[i] = dp[i - 1] + 1;

2024-04-23 02:35:11 692

原创代码随想录

如果i为1，第1天买入股票，那么递归公式中需要计算 dp[i - 1][1] - prices[i] ，即 dp[0][1] - prices[1]，那么大家感受一下 dp[0][1] （即第0天的状态二）应该初始成多少，只能初始为0。那么dp[i][0] = max(dp[i - 1][0], dp[i - 1][3] - prices[i], dp[i - 1][1] - prices[i]);今天卖出了股票（状态三），同上分析，dp[0][2]初始化为0，dp[0][3]也初始为0。

2024-04-21 18:16:20 974

原创代码随想录

同样dp[i][1]取最大的，dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);那么dp[i][0]应该选所得现金最大的，所以dp[i][0] = max(dp[i - 1][0], -prices[i]);一定是选最大的，所以 dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1]);那么dp[i][1]究竟选 dp[i-1][0] - prices[i]，还是dp[i - 1][1]呢？

2024-04-19 19:41:16 718

原创代码随想录

如果不偷当前节点，那么左右孩子就可以偷，至于到底偷不偷一定是选一个最大的，所以：val2 = max(left[0], left[1]) + max(right[0], right[1]);所以dp数组（dp table）以及下标的含义：下标为0记录不偷该节点所得到的的最大金钱，下标为1记录偷该节点所得到的的最大金钱。即：{不偷当前节点得到的最大金钱，偷当前节点得到的最大金钱}这里我们要求一个节点偷与不偷的两个状态所得到的金钱，那么返回值就是一个长度为2的数组。通过递归左节点，得到左节点偷与不偷的金钱。

2024-04-16 18:51:07 386

原创代码随想录

如果偷第i房间，那么dp[i] = dp[i - 2] + nums[i] ，即：第i-1房一定是不考虑的，找出下标i-2（包括i-2）以内的房屋，最多可以偷窃的金额为dp[i-2] 加上第i房间偷到的钱。从dp[i]的定义上来讲，dp[0] 一定是 nums[0]，dp[1]就是nums[0]和nums[1]的最大值即：dp[1] = max(nums[0], nums[1]);然后dp[i]取最大值，即dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);

2024-04-15 19:11:58 636

原创代码随想录

凑足总额为j - coins[i]的最少个数为dp[j - coins[i]]，那么只需要加上一个钱币coins[i]即dp[j - coins[i]] + 1就是dp[j]（考虑coins[i]）考虑到递推公式的特性，dp[j]必须初始化为一个最大的数，否则就会在min(dp[j - coins[i]] + 1, dp[j])比较的过程中被初始值覆盖。此时我们要选择最小的dp[j]，所以递推公式：dp[j] = min(dp[j - i * i] + 1, dp[j]);所以遍历的内循环是正序。

2024-04-13 18:34:21 931

原创代码随想录

dp[0]=1还说明了一种情况：如果正好选了coins[i]后，也就是j-coins[i] == 0的情况表示这个硬币刚好能选，此时dp[0]为1表示只选coins[i]存在这样的一种选法。那么 dp[0] = 1 有没有含义，其实既可以说凑成总金额0的货币组合数为1，也可以说凑成总金额0的货币组合数为0，好像都没有毛病。首先dp[0]一定要为1，dp[0] = 1是递归公式的基础。下标非0的dp[j]初始化为0，这样累计加dp[j - coins[i]]的时候才不会影响真正的dp[j]

2024-04-12 18:17:34 836

原创代码随想录

此时大家可以回想一下01背包的递推公式：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);所以递推公式：dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);完全背包中，两个for循环的先后循序，都不影响计算dp[j]所需要的值（这个值就是下标j之前所对应的dp[j]）。dp[i][j] 就可以是 dp[i - zeroNum][j - oneNum] + 1。只不过物品的重量有了两个维度而已。

2024-04-12 01:55:31 918

原创代码随想录

接下来就是如何初始化dp[j]呢，因为重量都不会是负数，所以dp[j]都初始化为0就可以了，这样在递归公式dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]);其实也可以使用二维dp数组来求解本题，dp[i][j]：使用下标为[0, i]的nums[i]能够凑满j（包括j）这么大容量的包，有dp[i][j]种方法。01背包的递推公式为：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);

2024-04-11 03:53:29 811

原创代码随想录

其实从递归公式： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);所以递推公式：dp[i] += dp[j - 1] * dp[i - j];所以递归公式： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

2024-04-09 20:25:47 1170

原创代码随想录

从递归公式dp[i][j] = dp[i - 1][j] + dp[i][j - 1] 中可以看出，一定是从左到右一层一层遍历，这样保证推导dp[i][j]的时候，dp[i - 1][j] 和 dp[i][j - 1]一定是有数值。那么很自然，dp[i][j] = dp[i - 1][j] + dp[i][j - 1]，因为dp[i][j]只有这两个方向过来。想要求dp[i][j]，只能有两个方向来推导出来，即dp[i - 1][j] 和 dp[i][j - 1]。下标(0, j)的初始化情况同理。

2024-04-09 16:42:31 472

原创代码随想录

中可以看出，dp[i]是依赖 dp[i - 1] 和 dp[i - 2]，那么遍历的顺序一定是从前到后遍历的。所以我的原则是：不考虑dp[0]如何初始化，只初始化dp[1] = 1，dp[2] = 2，然后从i = 3开始递推，这样才符合dp[i]的定义。还有就是dp[i - 2]，上i-2层楼梯，有dp[i - 2]种方法，那么再一步跳两个台阶不就是dp[i]了么。首先是dp[i - 1]，上i-1层楼梯，有dp[i - 1]种方法，那么再一步跳一个台阶不就是dp[i]了么。

2024-03-30 22:48:43 345

原创代码随想录

思路：首先转换成字符串，从后向前遍历，当我们遇到str[i-1]>str[i]的时候，str[i-1]-- ，flag = i .flag来记住从哪里开始要变成9。从后向前遍历332的数值变化为：332 ->329 -> 299。如果是以下情况，其实就是左右孩子节点有一个有摄像头了，那么其父节点就应该是2（覆盖的状态）左孩子有覆盖，右孩子有覆盖，那么此时中间节点应该就是无覆盖的状态了。以上都处理完了，递归结束之后，可能头结点还有一个无覆盖的情况。思路：后序遍历二叉树，头节点在主函数里专门判断。

2024-03-29 03:12:43 284

原创代码随想录

思路：本题需要先按照左边界排序这样让区间尽可能的重叠，之后遍历判断i和i-1的区间是不是重叠，如何判断如果i的左边界小于i-1的右边界，那么就是重叠了。我们的计数器+1，且我们要更新i的右边界，为什么要更新，因为当我们遍历到i+1区间时，我们要判断一下i+1是不是跟上两个区间也重叠。如何更新呢 i的右边界 = 取最小值（i的右边界，i-1的右边界）。思路：跟无重叠区间差不多，只是当区间重叠时我们要合并两个重叠的区间，怎么合并呢让左边界就是i-1的左边界，右边界在两个区间的右边界中取最大值。

2024-03-28 22:02:50 161

原创代码随想录

思路：第一种情况收取面额为5的直接FIVE++就好，第二种情况收取面额为10的，如果手头FIVE==0就无法找零 return false。思路：先对数组按身高从大到小排序，如果身高相同，按k值从小到大排，这样我们就先确定了一边。遍历数组，我们获取每个人的k值在新数组中按照k值排序。如果按照k来从小到大排序，排完之后，会发现k的排列并不符合条件，身高也不符合条件，两个维度哪一个都没确定下来。那么按照身高h来排序呢，身高一定是从大到小排（身高相同的话则k小的站前面），让高个子在前面。

2024-03-27 00:01:21 125

原创代码随想录

如果 ratings[i] > ratings[i + 1]，此时candyVec[i]（第i个小孩的糖果数量）就有两个选择了，一个是candyVec[i + 1] + 1（从右边这个加1得到的糖果数量），一个是candyVec[i]（之前比较右孩子大于左孩子得到的糖果数量）。那么又要贪心了，局部最优：取candyVec[i + 1] + 1 和 candyVec[i] 最大的糖果数量，保证第i个小孩的糖果数量既大于左边的也大于右边的。全局最优：相邻的孩子中，评分高的孩子获得更多的糖果。

2024-03-25 23:31:38 227

原创代码随想录

相当于(prices[3] - prices[2]) + (prices[2] - prices[1]) + (prices[1] - prices[0])。i 每次移动只能在 cover 的范围内移动，每移动一个元素，cover 得到该元素数值（新的覆盖范围）的补充，让 i 继续移动下去。如果移动下标达到了当前这一步的最大覆盖最远距离了，还没有到终点的话，那么就必须再走一步来增加覆盖范围，直到覆盖范围覆盖了终点。假如第 0 天买入，第 3 天卖出，那么利润为：prices[3] - prices[0]。

2024-03-24 03:39:00 244

原创代码随想录

我们只需要在这个坡度摆动变化的时候，更新 prediff 就行，这样 prediff 在单调区间有平坡的时候就不会发生变化，造成我们的误判。思路：数字之间的差严格地在正数和负数之间交替，则数字序列称为摆动序列。局部最优：当前“连续和”为负数的时候立刻放弃，从下一个元素重新计算“连续和”，因为负数加上下一个元素 “连续和”只会越来越小。情况2：这里我们可以写死，就是如果只有两个元素，且元素不同，那么结果为 2。也要记录一个峰值，因为他是把之前相同的元素都删掉留下的峰值。全局最优：选取最大“连续和”

2024-03-23 08:53:39 212

原创代码随想录

思路：排列问题跟组合问题不一样的点是：i 从0开始遍历而不是startindex，因为排列可以取前面的元素比如说【1，2】，【2，1】是2个排列。终止条件：我们在叶子节点收集结果，所以当path.size() == nums.size()时就收集结果。而for循环是从0开始的，所以需要这一步。思路：本题跟子集2不一样，无法排序，也就是在去重上我们无法使用bool数组来去重，所以本题我们要使用set来去重。本题求子序列，很明显一个元素不能重复使用，所以需要startIndex，调整下一层递归的起始位置。

2024-03-21 06:23:21 228

原创代码随想录

93 复原ip地址思路：本题跟分割回文串差不多，还是三部曲本题明确要求只会分成4段，所以不能用切割线切到最后作为终止条件，而是分割的段数作为终止条件。pointNum表示逗点数量，pointNum为3说明字符串分成了4段了。因为ip的格式就是3个逗点分割4段。然后验证一下第四段是否合法，如果合法就加入到结果集里单层递归逻辑：在循环中 [startIndex, i] 这个区间就是截取的子串，需要判断这个子串是否合法。如果合法就在字符串后面加上符号表示已经分割。如果不合法就结束本层循环。

2024-03-20 02:51:11 315

原创代码随想录

思路：本题我们要理解，每个组合中，每个数字只能用一次，但如果有相同的元素，在组合中可以使用。但不能包含重复的组合比如说 [10,1,2,7,6,1,5] 可以有【1，1，6】因为有2个1.所以本题我们需要一个used数组来判断你当前遍历的元素跟上一个是不是相同，且还是需要startindex来去重，因为本题candidates 中的每个数字在每个组合中只能使用一次。循环中，我们定义了起始位置startIndex，那么 [startIndex, i] 就是要截取的子串。

2024-03-19 04:45:32 261

原创代码随想录

216 组合总和3思路：本题就是在 1到9里面找n个和为k的组合，例如 k = 2，n = 4的话，就是在集合[1,2,3,4,5,6,7,8,9]中求 k（个数） = 2, n（和） = 4的组合。还是一样我们需要回溯来解决。确定终止条件：当我们的path.size()==k且targetsum == sum说明我们找到了个数为k个且和为n的组合，这时候收获结果。单层递归逻辑：处理过程就是 path收集每次选取的元素，相当于树型结构里的边，sum来统计path里元素的总和。

2024-03-17 06:07:41 402

原创代码随想录

然后还需要一个参数，为int型变量startIndex，这个参数用来记录本层递归的中，集合从哪里开始遍历（集合就是[1,...,n] ）。单层递归的逻辑：一个for循环控制横向遍历，递归往深度搜索，for循环每次从startIndex开始遍历，然后用path保存取到的节点i。其实不定义这两个全局变量也是可以的，把这两个变量放进递归函数的参数里，但函数里参数太多影响可读性，所以我定义全局变量了。思路：使用回溯来解决，回溯跟递归一样也是三部曲确定参数以及返回值，确定终止条件，单层递归逻辑。

2024-03-16 02:33:17 203 1

原创代码随想录

思路：本题不要去构造线性二叉树而是去构造平衡bst。递归构造，终止条件为当我们的左区间大于右区间就return null，接下来定义根节点，根据数组中间值构造根节点。接下来就是构造左子树，我们要传入数组然后左区间和右区间。也是传入数组，然后传入左区间和右区间。思路：BST中序遍历是从小到大递增。那累加要从后往前累加，可以把中序遍历反过来也就是右中左。接着划分区间，root的左孩子接住下一层左区间的构造节点，右孩子接住下一层右区间构造的节点。，中节点的处理逻辑就是让cur的数值加上前一个节点的数值。

2024-03-14 21:44:48 288 1

原创代码随想录

思路：使用递归来删除节点，如果当前节点小于区间，那它的左孩子肯定都要删除，所以只需要看它的右孩子有没有在区间内的，也就是递归右子树，在上一层用父节点的左孩子来接住。如果当前节点大于区间那他的右孩子也都要删除，只需要看它的左孩子有没有符合区间的，也就是递归左子树，在上一层用右孩子来接住。思路：直接在叶子节点插入，如果遇到叶子节点我们就创建新的node然后返回，进入递归，根据元素的值确定搜索方向，比要插入的值比当前节点小往左遍历，反之往右。最复杂的情况为第五种，我们要找到右子树的最左孩子。

2024-03-14 04:35:09 213 1

原创代码随想录

那么我们来说一说，如果 root == q，或者 root == p，说明找到 q p ，则将其返回，这个返回值，后面在中节点的处理过程中会用到，那么中节点的处理逻辑，下面讲解。如果当前元素出现的频率大于最大频率：更新最大频率，再清空数组，再把当前元素的值放入数组。而且初始化的时候pre = NULL，这样当pre为NULL时候，我们就知道这是比较的第一个元素。弄一个指针指向前一个节点，这样每次cur（当前节点）才能和pre（前一个节点）作比较。思路：中序遍历树，放入数组。235.二叉树最近公共祖先。

2024-03-13 00:56:26 296

原创代码随想录

因为是传入了两个树，那么就有两个树遍历的节点t1 和 t2，如果t1 == NULL 了，两个树合并就应该是 t2 了（如果t2也为NULL也无所谓，合并之后就是NULL）。题目中说了输入的数组大小一定是大于等于1的，所以我们不用考虑小于1的情况，那么当递归遍历的时候，如果传入的数组大小为1，说明遍历到了叶子节点了。那么应该定义一个新的节点，并把这个数组的数值赋给新的节点，然后返回这个节点。思路：如果要搜索的值比根节点大就向右搜索，反之向左一直递归下去，只要找到就马上返回。直接构造t1的左子树和右子树。

2024-03-12 02:05:41 103

空空如也

空空如也