- 博客(57)
- 收藏
- 关注
RSS订阅原创 1116面试
HashMap 通过 key 的 hashcode 经过扰动函数处理过后得到 hash 值，然后通过 (n - 1) & hash 判断当前元素存放的位置（这里的 n 指的是数组的长度），如果当前位置存在元素的话，就判断该元素与要存入的元素的 hash 值以及 key 是否相同，如果相同的话，直接覆盖，不相同就通过拉链法解决冲突。如果子类重写了父类的方法，真正执行的是子类覆盖的方法，如果子类没有覆盖父类的方法，执行的是父类的方法。：表示一个对象具有多种的状态，具体表现为父类的引用指向子类的实例。
2023-11-16 23:06:19
488
原创 【无标题】
Redis是一种存储key-value的内存型数据库，它的key都是字符串类型，value支持存储5种类型的数据：String（字符串类型）、List（列表类型）、Hash（哈希表类型、即key-value类型）、Set（无序集合类型，元素不可重复）、Zset（有序集合类型，元素不可重复）。将所有就绪进程按 FCFS（先来先服务） 的原则排成一个队列，每次调度时，把 CPU 时间分配给队首进程，该进程可以执行一个时间片。：原子性是指一个事务是一个不可分割的单位，要么全部成功，要么全部失败。
2023-10-13 13:09:00
236
原创 Java并发-满老师
我们都知道 JVM 中由堆、栈、方法区所组成，其中栈内存是给谁用的呢？其实就是线程，每个线程启动后，虚拟机就会为其分配一块栈内存。（Program Counter Register），它的作用是记住下一条 jvm 指令的执行地址，是线程私有的。因为以下一些原因导致 cpu 不再执行当前的线程，转而执行另一个线程的代码。当 Context Switch 发生时，需要由操作系统。，并恢复另一个线程的状态，Java 中对应的概念就是。
2023-10-03 15:55:12
92
原创 【面试总结大纲】
AOP(Aspect-Oriented Programming:面向切面编程)能够将那些与业务无关，却为业务模块所共同调用的逻辑或责任（例如事务处理、日志管理、权限控制等）封装起来，便于减少系统的重复代码，降低模块间的耦合度，并有利于未来的可拓展性和可维护性。: 我们的项目需要连接多个数据库，而且不同的客户在每次访问中根据需要会去访问不同的数据库。Spring的AOP是对一个类的方法在不进行任何修改的前提下实现增强，这些方法我们给起了一个名字叫。返回值越小优先级越高。
2023-10-02 21:33:53
452
原创 Day51 算法记录| 动态规划 18（单调栈）
最近大的值：需要一个单调递减的栈（大于栈顶元素就弹出）最近最小值：单调递减栈方向： 右边，从后往前遍历 左边：从头遍历。
2023-08-02 11:33:27
143
原创 Day50 算法记录| 动态规划 17（子序列）
1.动态规划和2.中心扩展这个视频是基于上面的视频的代码方法1:动态规划布尔类型的dp[i][j]：表示区间范围[i,j] （注意是左闭右闭）的子串是否是回文子串，如果是dp[i][j]为true，否则为false。dp[i][j] = (c[i] = c[j]) &&( (j-i
2023-07-31 23:12:13
151
原创 Day49 算法记录|动态规划16 (子序列)
这道题求得的最小步数，是这道题的变种Min(步数）=str1.length+str2.length−2∗(Max(公共字符串长度）)Min(步数） = str1.length + str2.length - 2 *(Max(公共字符串长度）)Min(步数）=str1.length+str2.length−2∗(Max(公共字符串长度）)72. 编辑距离讲的超级好，推荐！！！dp[i][j]dp[i][j]dp[i][j]表示s1的前iii个字符和说的前jjj个字符相同所需要的最小的步数``总结
2023-07-31 18:27:48
310
原创 Day48 算法记录|动态规划15 (子序列)
dp[i][j] 表示以下标i-1为结尾的字符串s，和以下标j-1为结尾的字符串t，相同子序列的长度为dp[i][j]。dp[i][j]：以i-1为结尾的s子序列中出现以j-1为结尾的t的个数为dp[i][j]。初始化，如果t表示空，那么在s中只有一个子集,
2023-07-30 13:25:26
275
原创 Day47 算法记录|动态规划14子序列
（1）dp[i-1]<0，不能加，dp[i] =nums[i] （2）dp[i-1]>0，dp[i] =dp[i-1] + nums[i]以绘制连接两个数字 A[i] 和 B[j] 的直线，只要 A[i] == B[j]，且直线不与任何其他连线（非水平线）相交。这道题和718. 最长重复子数组的区别：这道题的。以及nums[i],所以，如果全为正数的化。和上面一道题一摸一样。
2023-07-30 11:21:45
182
原创 Day46 算法记录| 动态规划 13（子序列）
------ 第二层for循环找到当前元素前面有几个小于该值的元素。因为当前元素依赖于（x-1，y-1）,所以就需要从后向前去遍历。：动态规划：dp[i]表示前面有几个连续小于当前位置的值。相当于在二维空间里面，从最后一行开始遍历。第一层for循环遍历每一个元素，结尾需要统计最多的个数。
2023-07-29 11:41:33
310
原创 Day44 算法记录| 动态规划 11 (股票问题）
在只能进行一次股票交易，贪心算法，从前往后遍历，记录最底的价格以及最高的利润。：0表示no-action， 1-k表示交易的次数。：0表示买入，buy;1 表示卖出， sold。dp[天数] [交易次数][交易状态]
2023-07-27 11:56:26
123
原创 Day 43算法记录|动态规划 10（股票）
了（注意只有一只股票，所以再次购买前要出售掉之前的股票）hold[ ] 和 sold [ ] 可以用dp[ ][0] 和dp[ ][1]表示。改进：dp[0]表示持有，dp[1]表示当天卖出的最大利润。和121相比，这道题是可以多次购买，代码区别。本题和121的唯一区别是本题股票可以。当天的卖与不买的收益只与前一天有关。
2023-07-25 16:41:52
74
原创 Day 42 算法记录|动态规划 09 （打家劫舍）
3.初始化，dp[0] 和 dp[1]，dp[0] 一定是 nums[0]，dp[1] = max(nums[0], nums[1]);每个节点是否选择，取决于其左右子节点（所以只需要记录临近节点的状态，其余就不用管，就像上一道里面的上一个，上上个）3.遍历顺序，dp[i] 是根据dp[i - 2] 和 dp[i - 1] 推导出来的，那么一定是从前到后遍历！从根节点开始遍历，分为两种情况，偷当前节点和孙子节点，不偷当前节点，偷孩子。dp[0]，dp[1]分别表示当前节点没有被选中，和被选中。
2023-07-25 11:52:47
226
原创 Day 42算法记录| 动态规划 08
把这五部都搞透了，算是对动规来理解深入了。确定dp数组（dp table）以及下标的含义确定递推公式dp数组如何初始化确定遍历顺序举例推导dp数组2.遍历顺序一维：第二层的背包是从大到小注意for循环分别表示的含义。
2023-07-24 16:10:28
89
原创 Day 41 算法记录|动态规划 07
4.确定遍历顺序：1、2 步 和 2、1 步都是上三个台阶，但是这两种方法不一样！2.凑满金额有最少个数，min{添加当前金额，不添加当前金额}2.装满背包有几种方法，dp[i] += dp[i - j]1.dp[i]：爬到有i个台阶的楼顶，有dp[i]种方法。1.dp[i]：凑到金额i，有最少需要dp[i]个硬币。m阶就是物品，楼顶就是背包。排列：顺序很重要， 先背包再物品。组合：不同的组合，先物品再背包。4.确定遍历顺序：金额个数，，先遍历背包，在遍历物品。1.先物品，就是存放。
2023-07-23 19:56:19
162
原创 Day 40算法记录|dp完全背包问题 06
因为01里面的，选择当前商品时，从大到小遍历，dp[j - coins[i]]表示前(i-1)种物品被选中的情况。完全里面，选择当前商品时，一个物品可以选多次，所以dp[j - coins[i]]表示当前商品以前也可以被选择。(1).选 dp[j-coins[i]] (2).不选，dp[j]2.递推公式：dp[j] += dp[j - coins[i]];1.是组合数：dp[j]：凑成总金额j的货币组合数为dp[j]就是外层for循环遍历物品，内层for遍历背包。所以就是for循环背包，再循环物品。
2023-07-22 16:00:06
54
原创 Day 39算法记录| 背包问题 05
讲的很好最小可能重量：1.剩余0,就可以看成两个完全相同的背包问题2. 剩余不是0，要越小越好 = half(+) - half(-) ，这样就可以返回越小的值从stone中选择石头，使得<=背包容量1.二维数组i <= n;i ++) // 遍历商品 for(int j = 1;j <= half;j ++) {//背包容量 int cur = stones [ i - 1 ];// 装不下 dp [ i ] [ j ] = dp [ i - 1 ] [ j ];
2023-07-22 11:21:13
52
原创 Day 38算法记录|动态规划 04
就是dp[3][11] 里面装的11，那对应的dp[i - 1][j - nums[i]] = dp[2][6]也装满了,就是【1，5，5】dp[i][j]表示从数组的 [0, i] 这个子区间内挑选一些正整数 ， 每个数只能用一次，使得这些数的和恰好等于 j。只有把这个包装满，才算true, 包的容量是sum/2 ,所以有两种情况，选不选当前商品。初始化：dp[0] = true;dp[i]表示当前背包容量为。关键点：这道题要倒着写。
2023-07-20 19:49:04
61
原创 Day 37算法记录|动态规划 03
第一个max: max((i - j) * j, dp[i - j] * j),表示在当前j下，拆分和不拆分选最大的。递推公式：dp[i] = max(dp[i], max((i - j) * j, dp[i - j] * j));2：j * dp[i - j]，相当于是拆分(i - j)。外面的max:不同的j下，是上一次的大还是当前的大。1：j * (i - j) 直接相乘。确定递推公式：得到dp[i]，是因为j是从1开始遍历的。
2023-07-20 16:16:03
67
原创 Day36算法记录|动态规划 dp02
dp[i][j] = dp[i - 1][j] + dp[i][j - 1]，dp[i][j]都是从其上方和左方推导而来，那么从左到右一层一层遍历就可以了。，dp[i][0]一定都是1，因为从(0, 0)的位置到(i, 0)的路径只有一条，dp[0][j]也同理。，求dp[i][j]，只能有两个方向来推导出来，即dp[i - 1][j] 和 dp[i][j - 1]。dp[i][j] ：表示从（0 ，0）出发，到(i, j) 有dp[i][j]条不同的路径。很容易忽略了障碍之后应该都是0的情况。
2023-07-19 15:17:58
817
原创 Day35 算法记录|动态规划01
记忆法（也称备忘录）是一种优化技术，通过存储函数调用结果（通常比较昂贵），最简单的递归：（时间复杂度= 递归调用次数 x 单次函数的时间 )dp[ ] 数组里面装的东西和cache[ ]数组装的是一样的。这道题目我举例推导状态转移公式了么？记忆法是动态规划的一种情况，强调的是。打印出来了dp数组和我想的一样么？(用一维数组存储之前计算过的元素)递归—记忆法优化—自顶向下的递归。我们想要的是自底向上的dp（我打印dp数组的日志了么？
2023-07-18 16:20:57
64
原创 Day33算法记录|贪心算法05
（因为两道题有一点点差异，所以在判断的时候一个是<，另一个是<=。2. 当索引值和当前最大的end相等的时候就可以截断为一个区间。1.利用map记录每个字母最后出现的位置。对每个区间的起点和终点分别排序。，气球是找出没有重叠的区域，有。
2023-07-16 15:43:40
38
原创 Day 32 算法记录|贪心算法
局部最优：优先按身高高的people的k来插入。插入操作过后的people满足队列属性。局部最优：当气球出现重叠，一起射，所用弓箭最少。全局最优：把所有气球射爆所用弓箭最少。情况三：账单是20，优先消耗一个10和一个5，如果不够，再消耗三个5。先按照末尾升序，如果前一个的尾部小于后一个头部，则需要新的。全局最优：最后都做完插入操作，整个队列满足题目队列属性。情况二：账单是10，消耗一个5，增加一个10。维护三种金额的数量，5，10和20。排列，若身高相同，比第二个属性，情况一：账单是5，直接收下。
2023-07-15 23:23:19
44
原创 Day31算法记录|贪心算法03
对数组进行升序排序，首先依次遍历每一个负数（将负数修改为正数），再遍历所有的数（将 000 或最小的正数进行修改）。局部最优：让绝对值大的负数变为正数，当前数值达到最大，整体最优：整个数组和达到最大。如果第i个加油站能到达第j个加油站，说明剩余的油量是大于等于0的。第三步：如果K还大于0，那么反复转变数值最小的元素，将K用完。第一步：将数组按照绝对值大小从大到小排序，注意要按照。第二步：从前向后遍历，遇到负数将其变为正数，同时K–
2023-07-13 16:46:15
46
原创 Day 30 算法记录|贪心算法（2）
边界问题，考虑第一天结束后，hold[1] = -p;sold[1] = sold[0]， 所以就需要hold[0] = Integer.MIN_VALUE。相当于(prices[3] - prices[2]) + (prices[2] - prices[1]) + (prices[1] - prices[0])。因为可以多次购买，所以就只在有上涨的时段购买和抛售，累加起就是我的收益。所以如果只计算到倒数第二步，如果curmax也恰好框到这里，就直接加1。如果存在0，jump[i] = 0+i;
2023-07-12 14:25:32
33
原创 Day 29算法记录|贪心算法 01
那么就应该从 nums[i+1]开始从 0 累积 count 了，因为已经变为负数的 count，只会拖累总和。从代码角度上来讲：遍历 nums，从头开始用 count 累积，如果 count 一旦加上 nums[i]变为。局部最优的情况下，并记录最大的“连续和”，可以推出全局最优。result 要初始化为最小负数（以防输入的数组全是负数）是先遍历的胃口，在遍历的饼干。
2023-07-10 15:30:48
42
原创 Day 28算法记录|回溯
我的总结：参考了：利用HashMap和LinkedList,这个map:键保存起始地，值装一个优先队列51. N 皇后java版本讲得很好：方法二：对其中的col和pie和na都同时表示是否被前面的皇后映射到了，所以就可以用数组表示这个讲的很暴力函数1：需要dfs回溯（按照行），函数2：需要检查该点的上面的和左上，右上是否有皇后，函数3：把char数组board变成一个list数组board变成一个list37.数独1.首先找到’.'的坐标，再依次添加1-9判断是否合法代码随想录得题解
2023-07-10 12:54:54
34
原创 Day 27算法记录|回溯-分割/排列
递归下一层递归的startIndex要从i+2开始（因为需要在字符串中加入了分隔符.）数组 nums ，其中可能包含重复元素，解集 不能 包含重复的子集。组合：是到最后一个叶子节点了，才放入结果集中。上一道回文字符串和这道题目类似。排列：每一个节点的值都要放入。段位以0为开头的数字不合法。段位里有非正整数字符不合法。段位如果大于255了不合法。这是全排列问题，和前面。
2023-07-05 17:41:03
36
原创 Day 26算法记录|回溯（组合）
没有提前sum = sum + candidates[i],再把sum调入递归函数，这样子就少了弹出之后， sum = sum- candidate[i]这一步。队列： path.add( xx ) 和 path.removeLast( xx ) 这个一直在尾部操作。如果是多个集合取组合，各个集合之间相互不影响，那么就不用startIndex（如17）栈：path.push(xx) 和path.pop( ）这个一直在头部操作。如果path需要的结果集的顺序很重要的话，就会报错。
2023-07-04 15:49:10
51
原创 Day 25算法记录|回溯-组合
相比于77题，多了一步剪枝的操作是，如果 sum>targetsum，就可以直接结束。就是9 - (k - path.size()) + 1。个，所以最多取到倒数第。
2023-06-28 15:49:08
55
原创 Day 24回溯|组合-组合
例子，n = 4，k = 4的话，那么第一层for循环的时候，从元素2开始的遍历都没有意义了。在第二层for循环，从元素3开始的遍历都没有意义了。所以就是还需要的个数 = k(需要的个数) - path.size(）(path中已有的个数），回溯部分的模板：1.选择（树层） 2.递归（树枝方向） 3.撤回选择。例如：第一层，需要 4个=4-0，i最高只能取到1。for循环用来横向遍历，递归的过程是纵向遍历。回溯：向下的树枝部分从当前节点的下一个结点开始。第二层：需要3个=4-1，i 最高只能取到 2。
2023-06-28 09:36:47
42
原创 Day 23|回溯（全排列）
对于同一树层，不能出现相同的元素(used[i-1]==false,因为回溯之后会把对应的used设为false)回溯是一个增量构造答案的过程（这个过程用递归实现）1.进行选择 2.递归 3.撤回选择。其中的depth其实就是stack的大小。
2023-06-27 14:17:46
48
原创 Day 22|二叉搜素树（剪枝）
3.单层循环：中间节点作为根节点，前面的就作为左子树，后面就是右子树。关键：找到根节点，以及对应的索引，确定哪一块表示左子树和右子树。2.处理左子树（此时根节点在范围内，所以左边只有小于low）用二分法，先找到中间节点，前面的就作为左子树，后面就是右子树。1.反反复复处理根节点，直到根节点在目标范围内。满老师这两道题也用了这个思路，叫做上下限递归。3.处理右子树（只考虑大于high的情况）方法二：反中序遍历（右我左）----迭代。求范围和-力扣 938 题。方法一：递归（分治法）方法一：分治法（同上）
2023-06-26 11:00:50
47
1
原创 Day21|算法记录
要删除某节点（称为 D），必须先找到被删除节点的==父节点（ Parent）==和。找到遍历的节点为null的时候，就是要插入节点的位置了，并把插入的节点返回。搜索树是有方向了，可以根据插入元素的数值，决定递归方向。先用一个类似指针找到应该插入的位置，标记父节点；(建立新的节点和之前的父节点之间的父子关系）判断节点与目标值的大小，决定往那个方向便宜。二叉搜索树的中序遍历就是一个有序的数组。终止条件，遍历到空节点直接返回。单层递归逻辑：上述的五种情况。3. 确定单层递归的逻辑。三要素：返回值和形参，
2023-06-25 11:53:59
23
原创 Day20|算法记录
2.求出最大值之后，再将对应的节点放入数组中。方法一：中序递归（和98题的区别不大）二叉搜索树的中序遍历结果就是有序。1.找到出现次数的最大值。方法一：中序遍历-递归版。方法二：中序遍历-迭代版。方法二：中序非递归实现。
2023-06-21 17:28:59
21
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