小萌新的博客

显然是可以的 知道左右两个区间的运算结果之后 我们只需要结合中间的split运算符 就可以算出最终的答案了。这样分主要原因是后面dp[i][j] = dp[i-1][j] +dp[i-1][j-1]+…要想知道跳跃的最小次数 我们则需要遍历整个数组 这里我们可以使用三个变量来找出最终的答案。所以说我们可以建立这样子的一个dp表 dp[i][j] = 数字i有k个逆序对的数目。我们遍历整个数组的时候只需要不断的更新这三个值就能得到最终答案了。接下来我们就可以推dp[i][j]的普遍方式了。

给定一个字符串str str表示一个公式 公式里面可能有整数 + - * / 符号以及左右括号 返回最终计算的结果。

但是这种方法的时间复杂度显然是过高的 因为每次拼接字符串的时候我们都需要遍历整个数组 导致了很多无用的遍历 （我们只需要遍历set中有的就行了）也就是说 如果我们当前位是0 走0号线 1号线都是有理由的 但是我们无法比较0和1号线下面谁更好 所以说前缀树的方式是行不通的。这个时候我们只需要用一个map来记录下各个单词可能走的路径 并且继续下各个单词可能的节点 就能极大的优化查找字符串的效率。这道题和算法提升六中的异或有着明显的不同 因为在&运算中 只要有一个数是0 最后的结果就是0。

求出一个数组中最大的子数组异或和。

本题为LC原题目 题目如下。

数组为 {3 ， 2， 2 ，3 ，1} 查询为（0 ，3 ，2）这个查询的意义是 在数组下标0~3这个范围上 有多少个2 （答案为2）假设现在给你一个数组arr 假设我们对于这个数组的查询十分频繁现在要求你返回所有的查询结果。

给定三个参数 ：二叉树的头结点Hrad 树上某个节点targert 正数K从target开始 可以向上或者向下走返回与target的距离为K的所有节点。

解决了几道常见的算法题

单调栈数据结构及相关问题（一部分 待更新）

滑动窗口是一种我们想象中的数据结构 它是用来解决算法问题的我们可以想象出一个数组 然后再在这个数组的起始位置想象出两个指针 L 和 R我们对于这两个指针做出以下规定L 和 R指针只能往右移动L指针不能走到R指针的右边我们只能看到L指针和R指针中间的数字比如说当前L和R指针重合 我们就什么数字都看不见如果此时R指针往右走一步 那么我们就能看到L指针和R指针中间的数组的数字又因为这种移动的方式特别像滑动 所以说我们将这种想象出来的数据结构叫做滑动窗口。

动态规划总结

暴力递归和动态规划

从暴力递归到动态规划四

从暴力递归到动态规划三

暴力递归到动态规划二

从暴力递归到动态规划一

一些简单的递归函数

简单介绍几道贪心算法的题目

介绍树形dp相关算法

介绍了二叉树的相关算法

链表相关算法题

最大线段重合和介绍加强堆

介绍堆和堆排序

介绍归并排序以及归并排序能够解决的几道面试题

简单介绍下基础的数据结构

介绍了异或法

介绍算法的复杂度 对数器和二分法