weixin_38568503的博客

出现这种情况的array类似[2,2,3,4,5,6,6],此时最小数字一定就是array[mid]或者在mid的左。出现这种情况的array类似 [1,0,1,1,1] 或者[1,1,1,0,1]，此时最小数字不好判断在mid左边。出现这种情况的array类似[3,4,5,6,0,1,2]，此时最小数字一定在mid的右边。注意这里有个坑：如果待查询的范围最后只剩两个数，那么mid 一定会指向下标靠前的数字。如果high = mid - 1，就会产生错误， 因此high = mid。

在这里二段性的体现是峰值的左边单调增，右边单调减。虽然开始left和right之间可能有多个峰值，但是随着left和right不断逼近，最后两者之间一定会压缩到一个峰值上，因为两者都是向“峰”不断靠近的，但是不会超过最终的“峰”nums[mid] nums[mid + 1]说明在“下坡”，则应该使right = mid（mid可能是峰值），往“峰”处压缩。

这二者可能出现在不同功能的二分查找中，区别是：前者相当于两端都闭区间 [left, right]，后者相当于左闭右开区间 [left, right)，因为索引大小为 nums.length 是越界的。刚才明确了「搜索区间」这个概念，而且本算法的搜索区间是两端都闭的，即 [left, right]。step 2：如果中间值等于目标即找到了，可返回下标，如果中点值大于目标，说明中点以后的都大于目标，因此目标在中点左半区间，如果中点值小于目标，则相反。2. 若查找区间[low, high]不存在，则查找失败；

一个数组A中存有 n 个整数，在不允许使用另外数组的前提下，将每个整数循环向右移 M（ M >=0）个位置，即将A中的数据由（A0 A1 ……AN-1 ）变换为（AN-M ……AN-M-1 ）（最后 M 个数循环移至最前面的 M 个位置）……一个数组A中存有 n 个整数，在不允许使用另外数组的前提下，将每个整数循环向右移 M（ M >=0）个位置，即将A中的数据由（A0 A1。AN-M-1 ）（最后 M 个数循环移至最前面的 M 个位置）一个长度为n的数组，将数组整体循环右移m个位置（m可能大于n）

step 4：然后输出到了右边，正好就对最右边一列从上到下输出，到底后最右边一列已经输出完了，右边界就相应往左一列，要判断左右边界是否相遇相交。step 6：然后输出到了左边，正好就对最左边一列从下到上输出，到顶后最左边一列已经输出完了，左边界就相应往右一列，要判断左右边界是否相遇相交。step 5：然后对最下面一排从右到左进行遍历输出，到达最左边后最下一排就输出完了，下边界相应就往上一行，要判断上下边界是否相遇相交。step 1：首先排除特殊情况，即矩阵为空的情况。方法二：不推荐，有很多细节要考虑。

把字符串转换成整数(atoi)

描述在一个长为 字符串中找到第一个只出现一次的字符,并返回它的位置, 如果没有则返回 -1（需要区分大小写）.（从0开始计数）数据范围：0 \le n \le 100000≤n≤10000，且字符串只有字母组成。要求：空间复杂度 O(n)O(n)，时间复杂度 O(n)O(n)方法一：数组巧妙利用字母的ASCII码，因为我们知道小写字母z的ASCII码值为122。所以我们可以使用计数的方法，开辟一个空间为123（数组下标从0开始）的数组，使用ASCII码（对应数组的下标）表示字母，去统计字母出现的次数。最后

描述以字符串的形式读入两个数字，编写一个函数计算它们的乘积，以字符串形式返回。数据范围： 读入的数字大小满足 0 \le n \le 10^{1000}0≤n≤101000思路一：数学模拟法代码演示：思路相当于2轮循环：第一轮相当于1235=615第二轮相当于12340 = 4920然后相加两轮结果即可；

描述以字符串的形式读入两个数字，编写一个函数计算它们的和，以字符串形式返回。数据范围：s.length,t.length \le 100000s.length,t.length≤100000，字符串仅由’0’~‘9’构成要求：时间复杂度 O(n)O(n)借助整型数组和模拟数学加法计算：

每组表示 16 比特。比如, 2001:0db8:85a3:0000:0000:8a2e:0370:7334 是一个有效的地址。所以， 2001:db8:85a3:0:0:8A2E:0370:7334 也是一个有效的 IPv6 address地址 (即，忽略 0 开头，忽略大小写)。比如， 2001:0db8:85a3::8A2E:0370:7334 是无效的 IPv6 地址。比如， 02001:0db8:85a3:0000:0000:8a2e:0370:7334 是无效的。， 用(“.”)分割。

算法

霍夫曼编码,赫夫曼编码:

二叉树代码演示遍历：

简单总结一下HashMap是使用了哪些方法来有效解决哈希冲突的：使用拉链法（使用链表）来链接拥有相同hash值的数据；使用2次扰动函数（hash函数）来降低哈希冲突的概率，使得数据分布更平均；引入红黑树进一步降低遍历的时间复杂度，使得遍历更快；什么是哈希函数？Hash，一般翻译为“散列”，也有直接音译为“哈希”的，这就是把任意长度的输入通过散列算法，变换成固定长度的输出，该输出就是散列值（哈希值）；这种转换是一种压缩映射，也就是，散列值的空间通常远小于输入的空间，不同的输入可能会散列成相同的输

HashMap中的put()和get()的实现原理：1、map.put(k,v)实现原理：（1）首先将k,v封装到Node对象当中（节点）。（2）然后它的底层会调用K的hashCode()方法得出hashcode值。（3）通过哈希表函数/哈希算法，将hashcode值转换成数组的下标，下标位置上如果没有任何元素，就把Node添加到这个位置上。如果说下标对应的位置上有链表。此时，就会拿着k和链表上每个节点的k进行equal。如果所有的equals方法返回都是false，那么这个新的节点将被添加到链

目录hashcode概念：hashcode作用：hashcode应用场景（重点，一般面试可能会问到）：Hash函数：Hash函数的应用场景：hashmap源码解析(jdk1.8)：hashcode概念：根据一定的规则将与对象相关的信息（比如对象的存储地址，对象的字段等）映射成一个数值，这个数值称作为（hashcode）。hashcode方法是Object中的一个方法，我们的String，Integer,等都重写了此方法。且重写规则不同。如Integer的重写hashcode方法:public

散列表（Hash table，也叫哈希表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。哈希冲突也叫哈希碰撞；开放地址法中(数组一个位置存一个元素)，如果元素位置顺移后，原有数组位置不够了，就需要扩充数组大小，为了减少hash冲突而扩充数组容量，可能造成内存的浪费。...

集合框架底层数据结构总结:Collection：List：ArrayList：Object数组Vector：Object数组LinkedList：双向链表（JDK1.6之前为循环链表，JDK1.7取消了循环）Set：HashSet（无序，唯一）：基于HashMap实现的，底层采用HashMap来保存元素LinkedHashSet：LinkedHashSet继承于HashSet，并且其内部是通过LinkedHashMap来实现的。TreeSet（有序，唯一）：红黑树（自平衡的排序二叉树）。

修改走的策略：

队列简介：队列入队出队原理图：队列入队出队代码：代码演示：package com.fan.queue;//此类用来模拟队列，我们public class LinekdListAndQueue<E> { //根据队列的基本简介，需要有一个队头和队尾 //1.设置节点内为内部类,是单链表节点 private class Node<E> { //数据域,为了省略篇幅，没有用私有属性和set，get方法 E e;

一、双向链表头插法：原理示意图：package com.fan.linkedlist;public class DoubLinkedListTest3 { public static void main(String[] args) { DoubLinkedList3 doubLinkedList3 = new DoubLinkedList3(); doubLinkedList3.addFirst(1,"张1"); doubLinkedLis

一、单链表的头插法：头插法原理图：代码演示头插法：package com.fan.linkedlist;public class SingleLInkedListDemo3 { public static void main(String[] args) { SingleLInkedList3 singlelist3 = new SingleLInkedList3(); System.out.println(singlelist3.headInsert(1)

一、数据结构和算法概述：1.1 什么是数据结构：1.2 数据结构的分类：物理结构分类：顺序存储和链式存储1.3 什么是算法：以上两种算法的分析：需求二两种算法的分析：二、算法分析：1.1 算法的时间复杂度分析：测试三：算法的时间复杂度：1.2 算法的空间复杂度分析：...

rear:后面，尾部front:前面，首部总结，即增加数据在队列的尾部增加，和生活中的排队一样，而取出数据是在队列的队首。方式一：使用数组来模拟队列类：代码实现：测试：