LeetCode算法题型

最新推荐文章于 2024-03-14 22:15:58 发布

sendoh24

最新推荐文章于 2024-03-14 22:15:58 发布

阅读量272

点赞数

分类专栏： LeetCode 文章标签：算法

本文链接：https://blog.csdn.net/weixin_41601540/article/details/116449070

版权

LeetCode 专栏收录该内容

2 篇文章 2 订阅

订阅专栏

动态规划

取决于该问题是否能用动态规划解决的是这些”小问题“会不会被被重复调用。
动态规划主要分为两个核心部分，一是确定「DP 状态」，二是确定「DP 转移方程」。

DP状态
最优子结构：
什么是「最优子结构」？将原有问题化分为一个个子问题，即为子结构。而对于每一个子问题，其最优值均由「更小规模的子问题的最优值」推导而来，即为最优子结构。
无后效性
对于「无后效性」，顾名思义，就是我们只关心子问题的最优值，不关心子问题的最优值是怎么得到的。
DP转移方程
有了「DP 状态」之后，我们只需要用「分类讨论」的思想来枚举所有小状态向大状态转移的可能性即可推出「DP 转移方程」。
特别注意最优子结构和状态转移方程的推导
常用类型 ：
- 一般涉及到两个字符串时，常用动态规划
- 当前状态由前一个和前两个状态转移而来，类似于爬楼梯，计算到达某个状态的不同路径数，到达该状态的选择只有有限种。在字符串中是选择一个字符或者选择2个字符来组成某种状态
- 针对左右子树来确定更大的树的个数
- 组合排列个数的，可以由较小的个数推出较大的，类似于爬楼梯的改版
解决流程
1. 寻找最优子结构(状态表示)
  (1) 明确「状态」
  简单地理解就是分析题意，搞清楚怎么做，用什么方法，通过几点要素：a. 字符串模式匹配；b. 求解最多能匹配多少？最值问题，使用动态规划
  (2) 定义 dp 数组/函数的含义
  每个dp位置的元素代表什么意思。
2. 归纳状态转移方程(状态计算)
  (3) 明确「选择」
  有几种匹配状态，每种匹配状态会怎样有前面可得，确定边界条件。
  (4) 定义状态转移方程
3. 边界初始化

涉及题目：5、10、32、44、53、62、63、64、70、72、91、96、97、115、120、123

贪心策略

贪心算法，又名贪婪法，是寻找最优解问题的常用方法，这种方法模式一般将求解过程分成若干个步骤，但每个步骤都应用贪心原则，选取当前状态下最好/最优的选择（局部最有利的选择），并以此希望最后堆叠出的结果也是最好/最优的解。
贪心策略适用的前提是：局部最优策略能导致产生全局最优解
贪心算法往往是这种自顶向下的设计，先做出一个选择，然后再求解下一个问题，而不是自底向上解出许多子问题，然后再做出选择。
贪婪法的基本步骤：
- 步骤1：从某个初始解出发；
- 步骤2：采用迭代的过程，当可以向目标前进一步时，就根据局部最优策略，得到一部分解，缩小问题
- 步骤3：将所有解综合起来
涉及题目：12、45、46、55、56、130、131

快慢指针（双指针法）

**双指针法：**一般是指的在遍历对象的过程中，不是使用单个指针进行访问，而是使用两个相同方向或者相反方向的指针进行扫描，从而达到相应的目的。
一般双指针法有两种表现方式：
- 同向移动：在同向移动时，指针互相之间间隔一个距离进行移动
- 相向移动：在相向移动中，双指针一个指针在开头，另外一个指针在结尾，根据满足的条件进行移动指针；
快慢指针可以实现在原来数组的基础上，不创建辅助空间，进行移除元素、去重等操作，主要是快指针指向要检查的元素，慢指针指向要操作的元素的位置。
涉及题目：11、15、16、18、24、25、31、42、75、80

回溯法

回溯是一种通用的算法，把问题分步解决，在每一步都试验所有的可能，当发现已经找到一种方式或者目前这种方式不可能是结果的时候，退回上一步继续尝试其他可能。很多时候每一步的处理都是一致的，这时候用递归来实现就很自然。
「因为回溯的本质是穷举，穷举所有可能，然后选出我们想要的答案」
涉及题目：17、22、37、39、40、46、47、51、52、60、77、78、93、105、106、116、130

递归法

在函数中存在着调用函数本身的情况
找重复:
找到一种划分成更小规模问题的方法, 或者是单个划分,或者是多个划分, 另外也可能选择划分
找到递推公式或者等价转换
即：将问题进行细化，要用到返回的值。好到地推的公式，最后必须有一个结束状态！！！！
一个问题可以分解成具有相同解决思路的子问题，子子问题，换句话说这些问题都能调用同一个函数
经过层层分解的子问题最后一定是有一个不能再分解的固定值的（即终止条件）,如果没有的话,就无穷无尽地分解子问题了，问题显然是无解的。
涉及题目：21、23、24、25、29、39、40、79、90、110、111、124

快乘法

迅速找到一个数a在另一个数b中最大正数倍，每次使得t=b，count =1进行快乘，首先进行遍历每次判断t+t是否超过b，没超过的话t+=t，count+=t，再次递归调用(b-t,a)。最终递归得到最终结果。
涉及题目：29

幂乘法

每次递归计算的是该幂次数//2的结果，幂返回的便是该幂下的一半的结果，然后判断该幂是否是2的整数倍，如果是2的整数倍，返回的是y*y（其中y的该幂一半的结果），如果不是整数倍，返回的是y*y*x。结束条件n =0.
涉及题目：50

滑动窗口

其实就是一个队列,比如例题中的 abcabcbb，进入这个队列（窗口）为 abc 满足题目要求，当再进入 a，队列变成了 abca，这时候不满足要求。所以，我们要移动这个队列！
主要的应用的就是：每次放入最新的，当出现问题时，将其左边的窗口的进行移动，直到解决最新的问题，右边的窗口的最新的结果
如何移动？
我们只要把队列的左边的元素移出就行了，直到满足题目要求！一直维持这样的队列，找出队列出现最长的长度时候，求出解
涉及题目：3、30、38、76

哈希表

若关键字为k，则其值存放在f(k)的存储位置上，可以使用 from collections import Counter 的Counter来进行建立哈希表。
哈希表的作用是可以用作那些包含重复的，与顺序无关的问题来进行比较。！！主要的作用使用来去重，标记每个数重复的个数，还可以改造hash来作为标志是否存在(如打表法）
如：建立一个哈希表来做为原始的哈希表，新的比较的哈希表，每次出现一个，就在其后面的数字加一，如果超过了则不成功。
涉及题目：30、40，41

二分查找

二分查找的条件：主要针对的是有序数组，或者划分之后至少一侧是有序的，然后取中间元素，检查两侧的位置，确定left或right的下一个位置
注意：（1）循环的条件为left<=right,注意等号，当等号成立的时候，mid就是检查两个指针共同指向的元素。结束的条件为right>left。
（2）每次mid为（left+right+1）//2 或（left+right）//2的效果是一样的不用进行考虑。
注意，当查找某个边界的值，即不大于某个的值，使用ans，当满足不大于时给ans赋值，不断的进行二分查找，直到不满足left<right.最后ans会更新为最大的不大于边界的值
涉及题目：33、34、69、74、81

深度优先搜索DFS

深度优先遍历，每次在一个状态选取一个值进入下一个状态，知道进行完所有状态。然后回溯上一个状态来遍历其他情况。
常与：回溯和递归一起使用
针对问题：对于每个阶段有多种情况，每种情况会对后面产生影响，根据后面的来决定前面的选择，即需要回溯重新选择
一般相当于暴力的方式，可以进行剪枝
涉及题目：37、51、52、60、77、78、79、98、104、129、133

广度优先搜索（BFS)

涉及题目：133

单调栈

单调栈主要解决以下问题：
- 寻找下一个更大元素
- 寻找前一个更大元素
- 寻找下一个更小元素
- 寻找前一个更小元素
- qualified 的窗口的 max/min
- sliding window max/min
模板
for 元素 in 列表:
while 栈不为空 and 栈顶元素（大于或者小于）目标值
出栈
根据业务处理
入栈
涉及题目：84、85

二分查找

导入有序列表
- from sortedcontainers import SortedList
bisect_left
- 从列表使用二分查找查找的最接近该元素的位置，可以根据该位置来取出元素进行操作
- 有序列表，可以快速的将元素插入到合适的位置。

分治法

将大的问题分解成有限个子问题，解决了子问题，将子问题的结果合并大问题的结果
一般适用于类似于树的构建，如划分成左右两个子树，然后合并成一个树

涉及题目：105、106

前缀和

针对一个连续区间，求满足某个条件的区间，使用前缀和。
前缀和：
- 将所有的元素相加，构建新的数组，在新的数组的位置元素的值为原数组中该位置之前所有的元素之和。
- 优点：在取某个区间时，不用再对区间中的所有元素求和，直接根据前缀和数组的两个位置做差便可以直接得出前缀和。
前缀和+HashMap
- 再求某个特殊的区间时，如相加为某个值的最长区间，遍历时将前面存在的区间值最早出现的对应位置存在HashMap中，每次检索，如果存在直接从HashMap中取出，如果不存在，创建并存到HashSet中。
- 初始化，要在HashSet中放一个初始状态的位置。
涉及题目：525

亦或问题

两个相同的数亦或的值为0.（检查重复出现两次的）
任何数亦或0都等于其本身
涉及题目：136

与&的问题

2的幂指数问题。（如果x是2的幂指数，则存在：x&(x-1)=0 或 (x&-x)=x
涉及题目：231

区间和解决方案

问题定义
- 数组不变，求区间和：「前缀和」、「树状数组」、「线段树」
- 多次修改某个数，求区间和：「树状数组」、「线段树」
- 多次整体修改某个区间，求区间和：「线段树」、「树状数组」（看修改区间的数据范围）
- 多次将某个区间变成同一个数，求区间和：「线段树」、「树状数组」（看修改区间的数据范围）
优先级区分
- 简单求区间和，用「前缀和」
- 多次将某个区间变成同一个数，用「线段树」
- 其他情况，用「树状数组」

树状数组模板

// 上来先把三个方法写出来
{
    int[] tree;
    int lowbit(int x) {
        return x & -x;
    }
    // 查询前缀和的方法
    int query(int x) {
        int ans = 0;
        for (int i = x; i > 0; i -= lowbit(i)) ans += tree[i];
        return ans;
    }
    // 在树状数组 x 位置中增加值 u
    void add(int x, int u) {
        for (int i = x; i <= n; i += lowbit(i)) tree[i] += u;
    }
}

// 初始化「树状数组」，要默认数组是从 1 开始
{
    for (int i = 0; i < n; i++) add(i + 1, nums[i]);
}

// 使用「树状数组」：
{   
    void update(int i, int val) {
        // 原有的值是 nums[i]，要使得修改为 val，需要增加 val - nums[i]
        add(i + 1, val - nums[i]); 
        nums[i] = val;
    }
    
    int sumRange(int l, int r) {
        return query(r + 1) - query(l);
    }
}

哈希表

哈希表主要是统计无序的信息，使其可以通过key直接检索到，并且value中还可以存储一定的信息。
其可以快速检索无序的信息，并且取出相应的key值。

Set表

将无序的信息放到Set表，只可以快速的检索是否存在

排序

基数排序
- 基本思想：从低位向高位排序
  如果要从高位排序, 那么次高位的排序会影响高位已经排好的大小关系. 在数学中, 数位越高,数位值对数的大小的影响就越大.从低位开始排序,就是对这种影响的排序. 数位按照影响力从低到高的顺序排序, 数位影响力相同则比较数位值.
- 基本流程：
  - 每轮针对一个数位，从低位到高位，
  - 每轮排序建立0-9十个桶，数按照相对位放进相应的桶中
  - 桶使用队列的方式，先进先出，得到一轮的结果
  - 进行下一轮，如果高位没有，则认为为零
- 伪代码：
- 代码实现:
```
while(maxValue>=e){
    int[] cnt = new int[10];
    for(int i =0;i<n;i++){
        int digit = (nums[i]/e)%10;
        cnt[digit]++;
    }
    for(int i =1;i<10;i++){
        cnt[i] += cnt[i-1];
    }
    for(int i =n-1;i>=0;i--){
        int digit = (nums[i]/e)%10;
        cp[cnt[digit]-1] = nums[i];
        cnt[digit]--;
    }
    e*= 10;
    System.arraycopy(cp,0,nums,0,n);
}
```
- 涉及题目：164

sendoh24

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
LeetCode算法题型

文章目录动态规划贪心策略快慢指针（双指针法）回溯法递归法快乘法幂乘法滑动窗口哈希表二分查找深度优先搜索DFS单调栈二分查找分治法动态规划取决于该问题是否能用动态规划解决的是这些”小问题“会不会被被重复调用。动态规划主要分为两个核心部分，一是确定「DP 状态」，二是确定「DP 转移方程」。DP状态最优子结构：什么是「最优子结构」？将原有问题化分为一个个子问题，即为子结构。而对于每一个子问题，其最优值均由「更小规模的子问题的最优值」推导而来，即为最优子结构。无后效性对于「无后效性」，顾名
复制链接

扫一扫