lyx200154的博客

位数字，使得剩下的数字最小。请你以字符串形式返回这个最小的数字。给你一个以字符串表示的非负整数。

思路类似于动态规划，ancestors[i][0]即2的0次方，即第一个 祖先，parent[i]；思路：ancestors[i][j]表示第i个节点的第2的k次方个祖先。查询时，因为是表示2的j次方个祖先，所以对于当前k，需逐位判断。树以父节点数组的形式给出，其中。个祖先节点是从该节点到根节点路径上的第。暴力逐层向上找会卡时间。

对 u 相邻的所有节点 v，更新 dist[v]=min(dist[v],g[u][v])，并更新堆中的相应元素。3.在所有与最小生成树集合相邻的边中，选择权重最小的边和它连接的未访问节点。每次从堆中取出 dist 值最小的元素 (d,u)，将u加入集合。使用结构体存图，结构体中存放点，点，以及这两个点之间边的长度。4.将该边和节点加入最小生成树集合，并将该节点标记为已访问。重复步骤3和步骤4，直到最小生成树集合包含了图中的所有节点。2.将该起始节点加入最小生成树集合，并将其标记为已访问。

对于每个元素，它检查是否是一个操作符（“+”、“-”、“*” 或 “/”）。如果是，它就从栈中弹出两个元素，执行相应的操作，然后将结果推回到栈中。如果元素是一个数字，它就将其推到栈中。数字存放在数字栈，字符串存放在字符串栈，遇到右括号时候弹出一个数字栈，字母栈弹到左括号为止。输入字符串中没有额外的空格，且输入的方括号总是符合格式要求的。此外，你可以认为原始数据不包含数字，所有的数字只表示重复的次数。给定一个经过编码的字符串，返回它解码后的字符串。在处理所有元素后，栈顶的元素就是表达式的结果。

然后使用数组接受左右子树构造出来的所有二叉树的根节点，遍历左右子树所有的可能性，让根节点分别指向左右节点即可。最后将根节点加入答案集中。对于左子树和右子树分别递归构造，左子树从1开始一直到n-2，右子树从n-2开始一直到1；因为要是真二叉树，节点树必为奇数个。

对于边界元素，可以设置两个数组，index_row，index_col，遍历到一个格子需要搜索其周围格子时，使当前格子的值一次加上数组的值，如果发现加上之后的值越界了则跳过此格子。题目简述：扫雷，点击一个格子，返回整个地图的下一个状态。这样写很清晰，节省了很多代码量。

第一个模板参数指定集合中元素的类型为PII，而第二个模板参数 decltype(hash_function) 指定了哈希函数类型，即使用之前定义的 hash_function。即 auto hash_function = [](const PII& o) {return hash<int>()(o.first) ^ hash<int>()(o.second);因此，这段代码的目的是创建一个无序集合 seen，用于存储PII类型的对象，并使用自定义的哈希函数来计算元素的哈希值。需要使用哈希表去重。

最开始也是考虑使用dfs，对于矩阵中的每个点，如果能到达边界的O，则跳过继续dfs。否则如果上下左右四个方向都无法到达边界的O，则说明当前的无法到达，在一个set中记录他的行数列数。如果使用父节点记录当前节点的前一个节点，则如果父节点恰好通往边界O,会导致错误。如果当前点为O,则把O该为A，继续dfs。遍历完之后，再把矩阵中的O改为X,表示未与边界O相连。把矩阵中的A该为O，表示与边界相连的O，不变。注意dfs函数中，如果发现不是X不能直接else，而要判断是不是为O，为O才继续dfs。

想法是使用滑动窗口，左右两个指针，初始时左指针指向0右指针指向1，若两指针不等，则将右边复制到左边。即可：如果子数组 OR 值大于等于 kkk，更新子数组长度的最小值。一个数组的按位或运算值是这个数组里所有数字按位或运算的结果。若两指针相等，则只需将右边指针右移指向下一个即可。子数组的长度，如果特别子数组不存在，那么返回。是数组里一段连续非空元素组成的序列。，返回删除后数组的新长度。如果一个数组中所有元素的按位或运算。删除重复出现的元素，使每个元素。非空子数组，它的起始位置为。，按位或运算结果最大，且。

序列化二叉树的一种方法是使用。当我们遇到一个非空节点时，我们可以记录下这个节点的值。如果它是一个空节点，我们可以使用一个标记值记录，例如。例如，上面的二叉树可以被序列化为字符串，其中代表一个空节点。给定一串以逗号分隔的序列，验证它是否是正确的二叉树的前序序列化。编写一个在不重构树的条件下的可行算法。每个以逗号分隔的字符或为一个整数或为一个表示null指针的'#'。你可以认为输入格式总是有效的"1,,3"不允许重建树。基于栈实现，遍历每个节点字符，入栈。

对于每个状态，尝试所有可能的子魔方旋转操作，并生成新的状态。如果新状态等于目标状态，则返回当前的步数；我们可以使用广度优先搜索（BFS）算法来遍历所有可能的状态转换，直到找到目标状态或确定无法到达目标状态。在BFS中，我们维护一个队列来存储待探索的状态，以及一个集合来记录已经访问过的状态，以避免重复搜索。由于题目中提到的数字魔方允许数字重复，我们不能简单地依赖数字的位置来确定操作，而是需要跟踪每个数字的实际位置变化。初始化队列和集合：创建一个队列来存储待探索的状态，队列的初始元素为初始状态的字符串表示。

需要注意的是，最开始初始化时，dp[0][i]需要找到一个i等于数组第一个数字numd[0]，该dp[0][i]为true，其余均为false，表示0到0范围内不存在该数字。或者如果由当前目标j减去当前所在的数组数据nums[i]，若0到i-1范围内存在和为j-nums[i]的数，则加上当前数据正好和为j，满足条件。2.2 如果第i件物品放入背包，则f[i][j]=f[i-1][j-v[i]]+w[i]如果当前背包容量j<v[i],不能放入，则f[i][j]=f[i-1][j]

但是还是有问题，比如说有两群点以及一个单个的点，总共三个祖先节点，但是该单个点可以算作其中任何一群，所以是二分图，但是该程序会判断不是二分图。注释的代码为一开始使用的方法，在处理完每个节点之后，从头到尾遍历每一个节点，找出所有祖先的个数。最后的最后将整个代码完全使用set，使用两个set，set1和set2，但是代码逻辑上有点问题导致有几个用例无法通过，虽然绝大多数都能通过。后来干脆不管不连通点，先使用一个数组遍历标记每个点是不是不连通的，然后在最后求祖先节点的个数时，如果是不连通点则直接跳过。

给你一个有n个节点的，请你找出所有从节点0到节点n-1的路径并输出（graph[i]是一个从节点i可以访问的所有节点的列表（即从节点i到节点存在一条有向边）。即给定邻接表求0到n-1的所有路径。自己的代码：dfs，来到当前节点先记录其路径。如果发现当前节点为最后节点则直接返回。否则，对当前节点的每个邻接节点不断dfs。dfs完成后，将当前节点从路径中删除并返回。注意：此题无需判断节点是否访问过，因为本题是有向图，对于某个节点，指向该节点可能有好几个节点，所以如果该节点只被访问一次无法得到所有路径。

你这个学期必须选修numCourses门课程，记为0到。在选修某些课程之前需要一些先修课程。先修课程按数组给出，其中，表示如果要学习课程ai则先学习课程bi。[0, 1]01请你判断是否可能完成所有课程的学习？如果可以，返回true；否则，返回false。即图中不能有环。

有n个城市，其中一些彼此相连，另一些没有相连。如果城市a与城市b直接相连，且城市b与城市c直接相连，那么城市a与城市c间接相连。是一组直接或间接相连的城市，组内不含其他没有相连的城市。给你一个n x n的矩阵，其中表示第i个城市和第j个城市直接相连，而表示二者不直接相连。返回矩阵中的数量。（即求图的连通分量个数）

维护一个哈希表，哈希表最大长度为k+1，如果超过该长度则移除最前面的元素。不断判断直到哈希表内出现重复元素，即满足条件。前两个都能过，但是第二个显然效率低得多。第二个严格意义上还是暴力，不算滑动窗口。

注释部分为自己写的代码，使用前一种方式，使用边界，对于边界点和非边界点使用不同的边界处理逻辑。对于矩阵的题均可使用上述第一种方法，对于不同的点使用不同的边界。上述第二题还有一种方法，即使用不同的数字记录状态。如果从死变为或使用2，从活变为死使用1，在判断时如果周围节点等于1或-1即满足+1条件。最后遍历一遍矩阵把2，-1改为对应的值即可。对于每个圆圈，提前设定上下左右边界，并且每次处理完一条边后更改边界。矩阵的遍历，尤其是需要获得每个格子的周围信息时，多种条件判断显得尤其麻烦。

方法二:先遍历一遍找出总共多少个字符，然后从最后一个位置开始，逐个判断，若不是空格直接放到最后，若是空格则将%20放到最后。方法二：（更优）从第一个数组后往前，将大的放到第一个数组最后，省去新数组开销。方法一：申请与第一个一样长的数组，从前往后逐个判断，将小的放入新数组。方法一：从前往后遍历，遇到空格则将其后面所有的往后移动两个。方法三：个人所写，遍历一遍，但频繁申请内存，时间开销也挺大。添加了两个字符，要保证不能超出数组长度。

【代码】算法——排序。

我们可以用哈希表存储所有节点的父节点，然后我们就可以利用节点的父节点信息从 p 结点开始不断往上跳，并记录已经访问过的节点，再从 q 节点开始不断往上跳，如果碰到已经访问过的节点，那么这个节点就是我们要找的最近公共祖先。算法：从根节点开始遍历整棵二叉树，用哈希表记录每个节点的父节点指针。从 p 节点开始不断往它的祖先移动，并用数据结构记录已经访问过的祖先节点。同样，我们再从 q 节点开始不断往它的祖先移动，如果有祖先已经被访问过，即意味着这是 p 和 q 的深度最深的公共祖先，即 LCA 节点。

【代码】算法——深度优秀搜索和广度优秀搜索。