20.有效括号对
/*
* 有效括号对
* 思路:即将入栈的是前括号则直接入栈,若是后括号则比较栈顶元素,匹配则出栈
*/
public boolean isValid(String s) {
if(s==null||s.length()%2!=0) return false;//如果允许空,则不能这么判断
else if(s.trim().equals("")) return true;
Stack<Character> stack =new Stack<>();
char ch;
for(int i=0;i<s.length();i++)
{
ch =s.charAt(i);
if(ch=='('||ch=='['||ch=='{') stack.add(ch);
else if(!stack.isEmpty()&&((ch==')'&&
stack.peek()=='(')||(ch==']'&&stack.peek()=='[')||
(ch=='}'&&stack.peek()=='{')))
{
stack.pop();
}
else return false;
}
return stack.isEmpty();
}
48.旋转图像
/*
* 顺时针90度旋转矩阵,来源:LeetCode
* 即先转置,然后列翻转(逆时针旋转为先转置,再行翻转)
*/
public void clockwiseMatrix(int[][] matrix)
{
transpose(matrix);
reverseColumn(matrix);
}
/*
* 按主对角线转置矩阵
*/
public void transpose(int[][] matrix)
{
int n =matrix.length;
for(int i=0;i<n;i++)
{
for(int j=i;j<n;j++)//j不能从0开始,会出现重复翻转而复原了
{
int temp =matrix[i][j];
matrix[i][j] =matrix[j][i];
matrix[j][i] =temp;
}
}
}
/*
* 列翻转
*/
public void reverseColumn(int[][] matrix)
{
int column =matrix.length;
for(int i=0;i<column/2;i++)
{
for(int j=0;j<column;j++)
{
int temp =matrix[j][i];
matrix[j][i] =matrix[j][column-i-1];
matrix[j][column-i-1] =temp;
}
}
}
/*
* 行翻转
*/
public void reverseRow(int[][] matrix)
{
int n =matrix.length;
for(int i=0;i<=n/2;i++)
{
for(int j=0;j<n;j++)
{
int temp =matrix[i][j];
matrix[i][j] =matrix[n-i-1][j];
matrix[n-i-1][j] =temp;
}
}
}
120.三角形最小路径和
/*
* 三角形最小路径和
* 来源:LeetCode
* 思路:自底向上的动态规划。类似于跳台阶,每次考虑的是从第n-1步到第n步的走法,假设f(n-1)为走到
* n步的最小数,则走到n步为f(n-1)+min(n),这是自底向上的思路。而动态规划则体现在,f(n-1)与第
* n步是有约束的,只能走下一层的相邻的路径,那么此时必须f(n-1)必须是一个集合,最终结果应该是
* min(f(n-1)+min(n)),使用O(n)的复杂度则必须是多次更新一个集合的值,应当联想到存储的是min(k,n)
* 的值,即k步到最后一步的最小路径和,那么需要动态计算f(k-1),即第1步到k-1步的路径和
*/
public int minTriangleSum(List<List<Integer>> triangle)
{
if(triangle==null||triangle.size()==0) return 0;
int length =triangle.size();
int[] dp =new int[length];
for(int i=0;i<length;i++) dp[i] =triangle.get(length-1).get(i);
for(int k=length-2;k>=0;k--)
for(int j=0;j<=k;j++)
{
dp[j] =triangle.get(k).get(j) + Math.min(dp[j], dp[j+1]);
}
return dp[0];
}
221.最大正方形
/*
* 最大正方形
* 思路:动态规划,用一个相同大小的矩阵记录以每个点为右下角的最大矩阵,若matrix[i][j]==1,则
* result[i][j]取左上相邻的三个点的最小值+1,即(i-1,j-1),(i-1,j),(i,j-1)的最小值+1,
* 则对于m*n的矩阵,复杂度是O(m*n),行优先遍历
*/
public int maxSquare(int[][] matrix)
{
if(matrix==null||matrix.length==0) return 0;
int m =matrix.length-1;
int n =matrix[0].length-1;
int[][] result =new int[m+1][n+1];
int res =0;
//初始化
for(int i=0;i<=m;i++)
{
result[i][0] =matrix[i][0];
res =Math.max(matrix[i][0], res);
}
for(int j=0;j<=n;j++)
{
result[0][j] =matrix[0][j];
res =Math.max(matrix[0][j], res);
}
for(int k=1;k<=m;k++)
for(int l=1;l<=n;l++)
{
if(matrix[k][l]==1)
result[k][l] =Math.min(result[k-1][l-1], Math.min(result[k-1][l], result[k][l-1]))+1;
res =Math.max(result[k][l], res);
}
for(int i=0;i<=m;i++)
for(int j=0;j<=n;j++)
{
System.out.print(result[i][j]+" ");
if(j==n) System.out.println();
}
return res*res;
}
/*
* 最大正方形
* 思路:使用同等大小的矩阵,dp[i][j]作为矩阵的右下角,其值根据左上相邻的3个值确定,与maxSquare()
* 思路完全一样,也是行优先遍历,只是对i=0和j=0的初始化方法不一样而已,代码更简洁
*/
public int maximalSquare(char[][] matrix) {
if (matrix==null || matrix.length==0) return 0;
int m = matrix.length-1, n = matrix[0].length-1, res = 0;
int[][] dp =new int[m+1][n+1];
for (int i = 0; i <= m; ++i) {
for (int j = 0; j <= n; ++j) {
if (i == 0 || j == 0) dp[i][j] = matrix[i][j] - '0';
else if (matrix[i][j] == '1') {
dp[i][j] = Math.min(dp[i - 1][j - 1], Math.min(dp[i][j - 1], dp[i - 1][j])) + 1;
}
res = Math.max(res, dp[i][j]);
}
}
return res * res;
}
/*
* 最大正方形
* 思路:只用了一个长度比原矩阵行长1的数组,空间复杂度更小,本质上上和同等大小矩阵的思路是一样的,只不过
* 使用了动态更新,巧妙地利用了已有的值而已,按列计算,保留了一个更新前的值pre作为dp[j-1[i-1],
* 使用dp[j-1]和dp[j]分别表示本次计算的上和左的相邻点
*/
public int maxSquare1(char[][] matrix)
{
if(matrix==null||matrix[0].length==0) return 0;
int m =matrix.length-1;
int n =matrix[0].length-1;
int[] dp =new int[m+2];
int pre=0;
int res=0;
for(int i=0;i<=n;i++)
for(int j=1;j<=m+1;j++)
{
int temp =dp[j];
if(matrix[j-1][i]=='1')
{
/* 此次修改时,dp[j-1]相当于同大矩阵法的dp[j-1][i],即同列上一行的数
* dp[j]相当于dp[j][i-1],即同行上一列的数
*/
dp[j] =Math.min(Math.min(dp[j], dp[j-1]), pre)+1;
res =Math.max(res, dp[j]);
}
else dp[j] =0;
pre =temp;//pre保存了修改之前的dp[j]的值,其实相当于同等矩阵中的dp[j-1][i-1]
}
return res*res;
}
重要的不是源码,而是思路。源码网上一大把,有的精简而且高效无比,但是却看不懂,这样的毫无意义。算法的学习,核心方法应该就是见多识广,触类旁通吧,找到算法问题的本质的数学问题,多写多练方能融会贯通。