blog from zkp

算法复杂度

给定数组 arr = [2, 1, 7, 13, 5, 4, 9], 返回升序后的数组?

补码 ==> 原码：对于正数，则三码合一；基数为16，由 0 - 9、A、B、C、D、E、F 组成。二进制 十六进制：4位二进制数表示1位十六进制数。二进制 八进制：3位二进制数表示1位八进制数。正数的原码、反码、补码都相同，就是正数的二进制数。原码：直接将一个数值换成二进制数，最高位是符号位。ps：计算/存储使用的是补码，返回结果是原码！反码（负数）：排除符号位，对原码按位取反。补码（负数）：排除符号位，对反码加1。二进制：基数为2，由 0、1 组成。位运算是针对二进制的运算！............

一般来说，形如(a*b)/c或者(a+b)/c（比如二分查找）的运算，结果就算不溢出，分子也会提前溢出，所以对于这种运算要多思考一下，以免出现隐晦的bug。这样做了之后，就可以发现除了缺失元素之外，所有的索引和元素都组成一对儿了，现在如果把这个落单的索引2找出来，也就找到了缺失的那个元素。假设缺失元素的位置补了一个0，我们让每个索引减去其对应的元素，再把相减的结果加起来，不就是那个缺失的元素吗？类似异或运算，由于加减法满足交换律和结合律，所以总是能把成对儿的数字消去，留下缺失的那个元素的。......

我们刚才说过，两个相同的数异或的结果是0，一个数和0异或的结果是它本身，所以我们把这一组整型全部异或一下，例如这组数据是1，2，3，4，5，1，2，3，4。把（1）中的x带入（2）中的x，有y=x^y=(x^y)^y=x^(y^y)=x^0=x。也就是说，那些出现了两次的数异或之后会变成0，那个出现一次的数，和0异或之后就等于它本身。对于（3）,推导如下x=x^y=(x^y)^x=(x^x)^y=0^y=y。.........

Two Sum 系列问题在 LeetCode 上有好几道，这篇文章就挑出有代表性的两道，介绍一下这种问题怎么解决。这个问题的最基本形式是这样：给你一个数组和一个整数，可以保证数组中存在两个数的和为，请你返回这两个数的索引。比如输入，算法应该返回数组，因为 3 + 3 = 6。这个问题如何解决呢？首先最简单粗暴的办法当然是穷举了：这个解法非常直接，时间复杂度 O(N^2)，空间复杂度 O(1)。更好一点的解法，可以通过一个哈希表减少时间复杂度： 这样，由于哈希表的查询时间为 O(1)，算法的时间复杂度降低到

我认为双指针技巧还可以分为两类，一类是「快慢指针」，一类是「左右指针」。前者解决主要解决链表中的问题，比如典型的判定链表中是否包含环；后者主要解决数组（或者字符串）中的问题，比如二分查找。一、快慢指针的常见算法快慢指针一般都初始化指向链表的头结点 head，前进时快指针 fast 在前，慢指针 slow 在后，巧妙解决一些链表中的问题。1、判定链表中是否含有环这应该属于链表最基本的操作了，如果读者已经知道这个技巧，可以跳过。单链表的特点是每个节点只知道下一个节点，所以一个指针的话无法判断链表中是否含有环的。

我们刷leetcode的时候，经常会遇到动态规划类型题目。动态规划问题非常非常经典，也很有技巧性，一般大厂都非常喜欢问。今天跟大家一起来学习动态规划的套路，文章如果有不正确的地方，欢迎大家指出哈，感谢感谢~什么是动态规划？动态规划的核心思想一个例子走进动态规划动态规划的解题套路leetcode案例分析公众号：捡田螺的小男孩动态规划（英语：Dynamic programming，简称 DP），是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的

BitSet 是用于存储二进制位和对二进制进行操作的 自动去重Java 数据结构,此类实现了一个按需增长的位向量。位 set 的每个组件都有一个 值。用非负的整数将 的位编入索引。可以对每个编入索引的位进行测试、设置或者清除。通过逻辑与、逻辑或和逻辑异或操作，可以使用一个 修改另一个 的内容。默认情况下，set 中所有位的初始值都是 。在程序runtime时,我们经常需要使用数组来记住程序的运行状态,并且根据这些状态及时 对数据做出更新,一般有以下处理办法分析可知,1byte=8bit int占用

假设有这样一个需求：在20亿个随机整数中找出某个数m是否存在其中，并假设32位操作系统，4G内存按照惯例，用int存储数据的话，在Java中，int占4字节，1字节=8位（1 byte = 8 bit），一共20亿个int，因而占用的空间约(2000000000*4/1024/1024/1024)≈7.45G很可怕对吧，那如果用Bitmap存呢？只需要0.233G。嘶，这也太强了，为什么这么强呢？到底怎么算的呢？一、基本实现Bit-map的基本思想就是用一个bit位来标记某个元素对应的Value，而Key即

现在有一个非常庞大的数据，假设全是 int 类型。现在我给你一个数，你需要告诉我它是否存在其中(尽量高效)。需求其实很清晰，只是要判断一个数据是否存在即可。但这里有一个比较重要的前提：非常庞大的数据。常规实现先不考虑这个条件，我们脑海中出现的第一种方案是什么？我想大多数想到的都是用 HashMap 来存放数据，因为它的写入查询的效率都比较高。写入和判断元素是否存在都有对应的 API，所以实现起来也比较简单。为此我写了一个单测，利用 HashSet 来存数据（底层也是 HashMap ）；同时为了后面的对比将