704. 二分查找
*平方各个数据后进行快排
复杂度取决于快排,O(nlogn)
sort(A.begin(), A.end()); // 快速排序
*双指针 二分查找
因为是从小到大排序,并且存在负数,所以可以确定最大值出现在首尾,定义两个指针进行左右比较,然后将最大的数放在result数组的末尾。
209.长度最小的子数组
第一想法是暴力解法,两个for循环分别获取子序列的起点和终点位置,当第二个for循环中sum条件达到时,break跳出第二个循环,第一个for'重新定义下一个子序列的起点。
class Solution {
public:
int minSubArrayLen(int s, vector<int>& nums) {
int result = INT32_MAX; // 最终的结果
int sum = 0; // 子序列的数值之和
int subLength = 0; // 子序列的长度
for (int i = 0; i < nums.size(); i++) { // 设置子序列起点为i
sum = 0;
for (int j = i; j < nums.size(); j++) { // 设置子序列终止位置为j
sum += nums[j];
if (sum >= s) { // 一旦发现子序列和超过了s,更新result
subLength = j - i + 1; // 取子序列的长度
result = result < subLength ? result : subLength;
break; // 因为我们是找符合条件最短的子序列,所以一旦符合条件就break
}
}
}
// 如果result没有被赋值的话,就返回0,说明没有符合条件的子序列
return result == INT32_MAX ? 0 : result;
}
};
学习了滑动窗口,只有一个for进行自序列终点位置的移动,达到sum的条件时,抛弃子序列的i起始位置并且sum减去该位置的数值,j继续移动
- 时间复杂度:O(n)
- 空间复杂度:O(1)
滑动窗口的精妙之处在于根据当前子序列和大小的情况,不断调节子序列的起始位置。从而将O(n^2)暴力解法降为O(n)。
不要以为for里放一个while就以为是O(n^2)啊, 主要是看每一个元素被操作的次数,每个元素在滑动窗后进来操作一次,出去操作一次,每个元素都是被操作两次,所以时间复杂度是 2 × n 也就是O(n)。
class Solution {
public:
int minSubArrayLen(int s, vector<int>& nums) {
int result = INT32_MAX;
int sum = 0; // 滑动窗口数值之和
int i = 0; // 滑动窗口起始位置
int subLength = 0; // 滑动窗口的长度
for (int j = 0; j < nums.size(); j++) {
sum += nums[j];
// 注意这里使用while,每次更新 i(起始位置),并不断比较子序列是否符合条件
while (sum >= s) {
subLength = (j - i + 1); // 取子序列的长度
result = result < subLength ? result : subLength;
sum -= nums[i++]; // 这里体现出滑动窗口的精髓之处,不断变更i(子序列的起始位置)
}
}
// 如果result没有被赋值的话,就返回0,说明没有符合条件的子序列
return result == INT32_MAX ? 0 : result;
}
};
59.螺旋矩阵II
注意应该都是已startx 和 starty为起始点 ,左闭右开, 通过offset来决定每一圈上每行的数字个数。