代码模版
二叉搜索树转双向链表
利用非递归的中序遍历
public Node treeToDoublyList(Node root) {
if(root==null)return root;
Stack<Node> sta=new Stack<>();
Node cur=root;
Node pre=null;
Node head=null;
while(cur!=null||!sta.isEmpty()){
//左孩子节点全部入栈;
while(cur!=null){
sta.push(cur);
cur=cur.left;
}
cur=sta.pop();
if(pre==null){
head=cur;
pre=cur;
}else{
pre.right=cur;
cur.left=pre;
pre=cur;
}
//对右孩子执行相同对操作,这里不能判断有右孩子了再指向右孩子,这样程序会死循环;
cur=cur.right;
}
pre.right=head;
head.left=pre;
return head;
}
下一个排列
实现获取 下一个排列 的函数,算法需要将给定数字序列重新排列成字典序中下一个更大的排列。
如果不存在下一个更大的排列,则将数字重新排列成最小的排列(即升序排列)。
必须 原地 修改,只允许使用额外常数空间。
例如:[1,2,3]->[1,3,2];[3,2,1]->[1,2,3]
如何寻找下一个排列:记数组为nums,从后往前找,找到第一个比前一个大的数,记为i,i-1;寻找len~i中第一个比nums[i-1]大的数,与nums[i-1]交换后,再将nums[i~len-1]安从小到大排序,得到的数为下一个排列;如果找不到符合的i,则该数为从大到小排序的数组,下一个排列就是将该数组从小到大排列后的数组。
class Solution {
public void nextPermutation(int[] nums) {
int len=nums.length;
for(int i=len-1;i>0;i--){
if(nums[i]>nums[i-1]){
for(int j=len-1;j>=i;j--){
if(nums[j]>nums[i-1]){
int tmp=nums[j];
nums[j]=nums[i-1];
nums[i-1]=tmp;
Arrays.sort(nums,i,len);
return;
}
}
}
}
Arrays.sort(nums);
return;
}
}
快排
public class QuickSort {
public void partition(int l,int r,int[] arr){
if(l>=r) return;
int tmp=arr[l];
int i=l,j=r;
while(i<j){
//快排要防止下标越界while循环中要加入限制;
while (j>i&&arr[j]>tmp)j--;
arr[i]=arr[j];
while(j>i&&arr[i]<=tmp)i++;
arr[j]=arr[i];
}
arr[i]=tmp;
partition(l,i-1,arr);
partition(i+1,r,arr);
}
public void sort(int[] arr){
int len=arr.length;
partition(0,len-1,arr);
}
public static void main(String[] args) {
QuickSort quickSort = new QuickSort();
int[] arr={1,3,1,3,4,23,12,-1,34,-34};
quickSort.sort(arr);
for (int a: arr){
System.out.printf("%d ",a);
}
System.out.println();
}
}
PriorityQueue
大顶堆
private static final int DEFAULT_INITIAL_CAPACITY = 11;
PriorityQueue<Integer> maxHeap=new PriorityQueue<Integer>(DEFAULT_INITIAL_CAPACITY, new Comparator<Integer>() {
@Override
public int compare(Integer o1, Integer o2) {
return o2-o1;
}
});
// 或者new PriorityQueue<>((x, y) -> (y - x));
滑动窗口代码模版
def findSubArray(nums):
N = len(nums) # 数组/字符串长度
left, right = 0, 0 # 双指针,表示当前遍历的区间[left, right],闭区间
sums = 0 # 用于统计 子数组/子区间 是否有效,根据题目可能会改成求和/计数
res = 0 # 保存最大的满足题目要求的 子数组/子串 长度
while right < N: # 当右边的指针没有搜索到 数组/字符串 的结尾
sums += nums[right] # 增加当前右边指针的数字/字符的求和/计数
while 区间[left, right]不符合题意:# 此时需要一直移动左指针,直至找到一个符合题意的区间
sums -= nums[left] # 移动左指针前需要从counter中减少left位置字符的求和/计数
left += 1 # 真正的移动左指针,注意不能跟上面一行代码写反
# 到 while 结束时,我们找到了一个符合题意要求的 子数组/子串
res = max(res, right - left + 1) # 需要更新结果
right += 1 # 移动右指针,去探索新的区间
return res
滑动窗口中用到了左右两个指针,它们移动的思路是:以右指针作为驱动
,拖着左指针向前走。右指针每次只移动一步,而左指针在内部 while 循环中每次可能移动多步。右指针是主动前移,探索未知的新区域;左指针是被迫移动,负责寻找满足题意的区间。