- 博客(67)
- 收藏
- 关注
RSS订阅原创 菜鸡勇闯第136场双周赛
菜鸡鼓足了勇气报名了力扣双周赛（后来复盘才知道双周赛更难一点，我真是头铁。每一天都在想，我要是也接触acm，现在一定不会因为算法头大了吧(▼へ▼メ)没想到还拿了个竞赛名次哈哈哈哈哈还在前50%，小力它真的，我哭死。为什么我本科被高数老师忽悠，去打了两年数模o(≧口≦)o。
2024-08-11 22:41:41
243
原创 回溯的undo choice
确保回溯操作能正确撤销当前的选择，以便探索其他可能的解决方案，是放置 path.remove() 的关键。重写N皇后和分割回文串,发现会想不明白path.remove(path.size() - 1)是在if里面还是if外面，问了GPT感觉很清楚。N皇后问题：每次尝试都需要回溯，无论是否成功，因此 path.remove() 在 for 循环内、if 语句外。分割回文子串问题：只有在成功分割出回文子串后才需要回溯，因此 path.remove() 在 if 语句内。
2024-07-27 17:26:21
269
原创 背包问题套路模板
dp[i][j] – 容量为j的背包，在前i个物品中装，最多能装多少价值。N – 物品数目， W – 物品重量 V – 物品价值。
2024-07-01 23:17:11
144
2
原创 Day59 单调栈 part02
然后看了题解，原来只需要遍历的时候nums扩展成两倍长度，然后 i --> i % nums.length就行了。我一开始的做法是 基本沿用”下一个最高温度“的思路，然后遍历两遍，第二遍从头循环遍历更新。感觉放在下一个最大元素/下一个最高温度，这类型的题目里面，肯定要用到下一个最xx的数组。但是这种做法，总有用例通不过，因为循环变量更新的值可能不是下一个最近的更大元素。其中while循环的含义。但是没有更进一步的想法。
2024-04-19 10:56:07
332
原创 Day58 单调栈
栈存储当前最大的temp[peek]，等下一个更高的temp[i]出现时，弹出，并记录此时的位置peek，计算（i - peek）并存入res数组（如果弹出后，temp[i]还是比temp[peek]大，继续记录peek、保存进res、弹出）类似上一题，先建立一个hashmap，存nums2的下一个更大的元素。看完题解，明白了栈的作用 --> 将时间复杂度优化到 O(n)然后遍历其子集nums1的时候，直接从hashmap中取值即可。如果temp[i]都比temp[peek]小，则一直入栈。
2024-04-18 09:44:46
254
原创 Day57 动态规划 part17
这里for循环遍历时，j从i + 1开始，跳过了长度为2的字符串判断，使得当sc[i] == sc[j]时，统一 + 2。长度>2，判断去掉首尾后的子串dp[i + 1][j - 1]是否也是回文子串（这就要求我们从下往上，从左往右遍历）这次不用true、false以及count计数，用dp[i][j]表示回文子串长度。这次的dp[i][j]含义是字符串从 i 到 j 是否为回文字符串。初始化dp数组dp[i][i]为1（单个字符一定为回文）长度为1 or 2，必然为回文串。这道题可以参考上面题的思路。
2024-04-17 10:52:45
290
原创 Day56 动态规划 part16
需要特别注意的是，这道题是增or删or换，比较时需要考虑的情况多一些。（最近心态不好，一些测试题感觉戳中自己内心，也记录一下吧。这次是求删减最小次数，状态转移方程是比小。感觉跟前两天子序列差不多，但是又有差别。和上一题思路一致，初始化一模一样。word1改成word2。
2024-04-16 19:58:28
343
原创 Day55 动态规划 part15
dp[i][j] = dp[i - 1][j - 1] + 1 --> 现在不是+1，是 + dp[i][j - 1]所以这道题我的dp定义为dp[t.length() + 1][s.length() + 1]跟上一题代码其实差不多，但是现在s是母串，t是待匹配的子串。跟上一题状态转移方程几乎差不多。= j（字符串不相等时）i == j（字符相等时）自己还是只能想到双指针法。如果用动态规划的思想解题。
2024-04-15 18:55:41
427
原创 Day53 动态规划 part14
那么dp[nums1.length][nums2.length]就是nums1的元素和nums2最长不相交子序列长度，也就是我们需要的结果。对着状态转移方程写代码即可，还是需要注意，i, j是从1开始的，比较的时候是str1[i -1]和str2[j - 1]这道题代码和上一题几乎一样，不过，只要取出dp[nums1.length][nums2.length]就是最终答案了。模仿昨天的最大重复子序列长度的思路，可以列出如下状态转移方程。dp[i]表示的含义是当前位置之前连续数组的最大和。
2024-04-13 15:32:18
529
原创 Day52 动态规划 part13
这次初始化dp数组为全1，确定当前位置 i 的值，用 j 从0到 i 遍历，只要nums[j] < nums[i]，当前dp[j] + 1，并与dp[i]比较取最大。惊觉初始化dp数组可以直接dp = [1] * nums.length（学的都扔给韩老师了。只是dp要设置成nums1+1 * nums2 +1长度，在遍历的时候要注意是i还是i - 1。状态转移方程是dp[i] = Math.max(dp[i], dp[j] + 1)状态转移方程dp[i] = dp[i - 1] + 1。
2024-04-12 10:02:53
367
原创 Day51 动态规划 part12
手里有股票，可能是冷冻期结束买的dp[i - 1][3] - prices[i]，可能是正常时间买的dp[i - 1][1] - prices[i]，比较大小，再和此状态下自身dp[i - 1][0]比较。手里没股票，是冷冻期dp[i - 1][3]，再和此状态下自身dp[i - 1][1]比较。手里没股票，是正常卖出去了dp[i - 1][0] + prices[i]冷冻期，状态等于前一天的状态dp[i][3] = dp[i - 1][2]
2024-04-11 08:02:23
470
原创 Day50 动态规划 part11
状态方程 dp[i][j][1] = Math.max(dp[i - 1][j][1], dp[i - 1][j - 1][0] - prices[i])状态方程 dp[i][j][0] = Math.max(dp[i - 1][j][0], dp[i - 1][j][1] + prices[i])和上一题代码一样，只是这题给定了最大交易次数k，只要把上一题的max换成k就行。dp[i][j][0] – 第i天结束时，交易j次，手里没有股票。dp[i][j][1] – 第i天结束时，交易j次，手里有股票。
2024-04-10 08:18:05
274
原创 Day49 动态规划 part10
这道题再次出现在动态规划里面，这题的代码跟上一题几乎一样，状态转移dp[i][1]不再是dp[i][1] = Math.max(dp[i - 1][1], -prices[i])；因为股票可以多次买入卖出，状态转移方程为dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);用的profit累加，只要后一天price大于前一天的，就购买并卖出，并计算profit。定义dp数组，dp[i][0]表示卖出，dp[i][1]表示买入。
2024-04-09 09:18:28
263
原创 Day48 动态规划 part09
由于状态转移方程从i - 2开始，先给dp前两个数赋值，i = 0时，dp[0] = nums[0]，dp[1] = Math.max(nums[0], nums[1])只能跟着代码的思路，递归遍历是左右中，从叶子结点向上回溯，叶子结点dp[1] = left[0] + right[0] + node.val = node.val;
2024-04-08 11:38:18
417
原创 Day46 动态规划 part08
这次的状态方程，dp[j] && word.contains(s.substring(j, i))，如果dp[j] 在字典里面，且j - i也在字典里面，dp[i] 就也在字典里面。
2024-04-06 21:34:14
202
原创 Day45 动态规划 part07
这次的状态转移方程是dp[i] = Math.min(dp[i], dp[i - j *j] + 1)，比较自身与dp数组中i - j *j与j *j的组合（该情况的组合数就是dp[i - j *j] + 1）这里为了方便比较（存在无法组合输出-1的情况），比较更小值的时候，没有用Integer.MAX_VALUE，用的amount + 1。状态转移方程模仿可以写出，dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1)和昨天的组合总和题几乎一模一样的代码。
2024-04-06 08:06:46
332
原创 Day44 动态规划 part06
正当我想开始默写模板dp[j] = Math.max(xxx, xxx)的时候。自信对题解，发现这次是dp[i] = dp[i] + dp[i - num]由于前几天的题看题解看代码都是看的一维数组，这次我用了一维数组解决。和第一天接触的背包问题一样。
2024-04-05 13:15:29
188
原创 Day43 动态规划 part05
这个状态转移方程是dp[i][j] = Math.max(dp[i][j], dp[i - zeroCount][j - oneCount] + 1)，而且是在for循环里面更新。上面其实可以总结为，一维背包问题，其中 dp[j] = dp[i] + dp[j - nums[i]]就是状态转移方程。经历了这些个题之后，我发现我要的都是dp[target]，要么取值，要么计算，要么判断。这道题又出现了dp[j] = dp[j - nums[i]] + xxx。代码就是划分和相同的子集的变形。
2024-04-03 23:00:17
574
原创 Day42 动态规划 part04
题解思路应该是，数组之和的一半sum(nums)/2，dp数组是长度为 sum(nums)/2 + 1（总结规律，size + 1），从后向前（不一样了）不断比较并且更新最大值，如果dp数组最后一个值 == sum(nums)/2，那么就说明可以划分成两个和相等的子集。总结规律就是，dp数组要比原来各个size + 1，dp[i][j] = Math.max(xxx, xxxx（根据题目情况进行各种处理）)不管怎么样，模板是一把子背住了。笑死，已经学会抢答了！
2024-04-03 21:13:54
387
原创 Day41 动态规划 part03
拿代码debug，dp数组，表示正整数n的最大拆分乘积，当n = 2的时候才能拆分，且dp[2] = 1，用 i 记录当前dp[i]，用 j 将 i 从1到 i - 1 进行拆分，比较并更新dp[i]的值。好好好，我是只会写int[] dp = new int[n+1]的菜鸡。有dp[i] 有dp[i - j]；这两题学会了双重for循环，啥也不会就这么写了。
2024-04-01 16:11:46
202
原创 Day39 动态规划 part02
需要想到dp[i][j] = dp[i - 1][j] + dp[i][j - 1]，以及初始化mxn矩阵，第一行和第一列均初始化为1。遍历的时候，当遇到1，应该continue，想当然以为是break。在上一题的基础上，考虑obstacleGrid数组中出现1的情况。第一行和第一列赋值1的时候 要注意，只要出现一个1，后面都不考虑。
2024-03-31 23:19:40
377
原创 Day38 动态规划
还是和斐波那契数列类似，需要注意的是，dp要比cost数组长一个单位，要计算的是dp最后一个单位可能最小值。看了题解才明白本质上还是第一题的斐波那契数列（可能这种题目需要自己列举找规律。
2024-03-31 10:45:53
350
原创 Day37 贪心 part06
一开始的思路只从后向前遍历调整arraylist，100的案例没过，应该输出99，我输出90，顿时联想到分糖果问题，果断加了从前向后检查调整的遍历，没问题。对着代码理解了一下，开始还不理解有覆盖为什么返回2，然后发现只是卡哥标记的一种节点状态。
2024-03-29 03:06:31
323
原创 Day36 贪心 part05
仍然是模仿无重叠区间的代码，需要注意这里根据数组start值排序（不考虑start比小，只比较end谁大），去更新end。遍历string，当前字符串位置 i 的字母就是其出现的最后一个位置时，从此处划开这个字符串，将长度存进结果。直接利用最少箭射气球的代码，得到重叠区域数，无重叠的区间数即 = 总区间数 - 重叠区间数。当前start还比上一个end大时，两数组比如不重叠，加进结果数组，更新start和end。先存一个数组，保存string字符串中的每个字母出现的最后一个位置。
2024-03-27 23:44:46
225
原创 Day35 贪心 part04
类似分糖果，people[i] = [hi, ki] 如果身高h相同，k按照从小到大排序，否则按照身高h从高到低排序。需要注意的是，对point进行排序的时候，是按end值进行从小到大排序。只要逐个考虑bills数组可能的数字 5/10/20，分别考虑。
2024-03-27 20:28:04
256
原创 Day34 贪心 part03
首先初始化candy为1，先从前往后遍历，如果rating后一个值大于前一个值，candy数 + 1；接着从后往前遍历，如果rating大于后一个值，比较自身candy数和后一个candy + 1，取较大值。又需要考虑最大值，首先将数组进行排序，将数字中所有<0的全部取反，如果此时k还要剩余，剩余偶数的话，可以反复对数组其中一个数字取反，最终数组仍然不变；对着题解理解，只要gas比cost大，就能找到起始位置；而这个起始位置，只要索引 i 位置上gas < cost，就不断后移更新。没想到如何用贪心思想。
2024-03-25 10:54:19
377
原创 Day32 贪心算法 part02
想简单了，没有考虑到step指的是最大跳跃格数，可以跳小，[2, 5, 0, 0] 这个例子过不去。把当前i下一个最大跳转数记录下来，当到了该位置的时候，进行跳转并计数。后来还是老实按照题解，先把maxJump算出来，和当前i进行对比。只有当后一天比前一天价格高时，才出售，profit才累加。
2024-03-24 11:51:27
384
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人