qq_44884699的博客

而对于难题，我会尝试着画图，将复杂的问题拆解，一步步推导。6: 经过这两个月的坚持，我已经掌握了数组、字符串、队列、链表、栈、二叉树、回溯、贪心和动态规划等内容。除此之外，他还经常鼓励我们刷蓝桥杯的题目，这表现出了他对我们学习的关心与支持。1: 刚开始学习数据结构时，我发现涉及树和图等内容的学习有些吃力，甚至觉得解LeetCode题目是一件相当艰巨的任务。3: 为了更好地提升自己的学习效果，我主动参与讨论，写总结，这让我更对题解有了更深的认识。

这题和接雨水的题有些像，只不过此处使用的是递增栈，因为矩形的面积想要增加宽度时，需要考虑两边最低的矩形，而为了让所有数据都参加运算，需要前后补0，来弹出栈里所有元素。84.柱状图中最大的矩形。84.柱状图中最大的矩形。

保持一个单调递减栈，当新来元素大于栈头元素时，便会出现两边大，中间小的凹槽。然后一直弹出栈头元素，直到不满足为止，这时候再将新元素入栈。主体代码与上一题一样，增添一个取余的操作来实现拼接数组的效果。503.下一个更大元素II。503.下一个更大元素II。

因为nums1是nums2的子集，所以将num1哈希一下，然后把nums2按照上面单调栈的情况处理，只不过每一步需要判断一下，当遇到更大的值时，st.top()是否在哈希表中出现过。出现的话就保存结果。将每个温度对应的下标入栈，当遇到更大的值以后，将result[st.top()]=i-st.top()，循环执行，直到在再没有更小的值。496.下一个更大元素 I。

如果不相等，dp[i][j]一定是取最大的，即：dp[i][j] = max(dp[i + 1][j], dp[i][j - 1]);如果s[i]与s[j]相同，那么dp[i][j] = dp[i + 1][j - 1] + 2;dp[i][j]表示第i位开始，第j位结束的字符串是否为回文串。516.最长回文子序列。

如果不同，则需要增删改的操作，而增和删本质是等效的，对一个字符串删等于对另一个字符串加，所以取dp[i-1][j]和dp[i][j-1]的最小值+1。改的话则是dp[i-1][j-1]+1；如果第i位与第j位相同，那本次可以不用操作，dp[i][j]=dp[i-1][j-1]583. 两个字符串的删除操作。583. 两个字符串的删除操作。这道题的状态方程比上一题简单一些。

这道题初始化与状态方程都不好想，建议多看解析。双指针遍历，比较简单易懂。115.不同的子序列。

每一位的dp[i]有两个来源，分别是dp[i-1]+nums[i]和nums[i]的最大值，因此代码就好写很多。本质上是在求两个序列的最长子串的长度，如下图所示。所以代码和上一题一样，直接复制粘贴就好。这道题的难点在于递推条件的设置。53. 最大子序和 动态规划。1143.最长公共子序列。1143.最长公共子序列。1035.不相交的线。这道题难以抽象为常见题目。

674. 最长连续递增序列。718. 最长重复子数组。300.最长递增子序列。

309.最佳买卖股票时机含冷冻期。714.买卖股票的最佳时机含手续费。本质和122题一样，多加手续费而已。

做完上一道题后，这道题的思路就有了，只需要把数组宽度调整为2k+1列即可，然后将本次操作与上一次操作对应即可。剩下的就是找最小的购买价格与最大的出售价格。因为股票可以买卖两次，dp数组可以这样写。123.买卖股票的最佳时机III。123.买卖股票的最佳时机III。188.买卖股票的最佳时机IV。

和之前打家劫舍一样，设立两个元素，一个为买股票以后，自己手头的钱，第二是卖了以后，自己手头的钱。因为我们初始积蓄为0，买完以后就会是负数。所以要选最大的负数，对应了最便宜的股票。之后要找最大的股价来卖出，这样得到最高的利润。因为可以多次购买，所以持有股票时的最少钱不再是固定的-prices[i]，而是。122.买卖股票的最佳时机II。121. 买卖股票的最佳时机。

设置一个数组，记录当前位置元素的两个值，一个是偷左右节点不偷自己，一个是偷自己，不偷节点，然后使用回溯，遍历所有节点。因为首尾相连，最简单的处理方法就是分两次，一次包含头元素，一次包含尾元素。写成状态方程就会了，每一时刻的状态取决于前两次的状态。213.打家劫舍II。337.打家劫舍III。

解决方法，0-1背包多加一个遍历即可。关于多重背包，你该了解这些！

和上一道题代码相似，不过这里不存在错误值，因为任何数都可以用1来组成，所以一定有解。本质上和leetcode377一样。

此处涉及到排列情况，需要先遍历大小，再遍历容量。遍历硬币和金额，累加所有可能。518. 零钱兑换 II。377. 组合总和 Ⅳ。

大家看到(target + sum) / 2 应该担心计算的过程中向下取整有没有影响。求解在一半容量的情况下，最多能装多重的石头。假设正数的总和为x，那么负数对应的正数，其对应的总和就是sum - x。所以我们要求的是 x - (sum - x) = target。这里的x，就是bagSize，也就是我们后面要求的背包容量。读取每个字符串中01个数，然后在二维DP数组中更新。1049. 最后一块石头的重量 II。1049. 最后一块石头的重量 II。416. 分割等和子集。

所以递归公式： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);将sum/2看作背包容量，每一个数看作重量，进行遍历。如果背包恰好能装满，说明存在一个子集和为sum/2。dp[i][j]的含义：从下标为[0-i]的物品里任意取，放进容量为j的背包，价值总和最大是多少。二维数组简化为一维，注意背包从大到小遍历，避免重复放入第一个物品。那么可以有两个方向推出来dp[i][j]，416. 分割等和子集。

最关键的递推公式其中要注意循环方式要从大到小，避免物体重复放入。

将障碍物及其后方的地方，dp数组初始记为0，代表这些地方无法路过。每一位的结果等于上方与左侧结果和。63. 不同路径 II。