力扣刷题记录

已于 2024-07-03 17:42:34 修改
阅读量278 收藏 5
点赞数 2
文章标签： leetcode 算法 职场和发展
于 2024-06-18 17:28:19 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45016269/article/details/139754058
版权

目录

该文章刷题顺序按照代码随想录刷，只记录简单算法思路和源码

数组

链表

哈希表

字符串

双指针法

栈和队列

二叉树

回溯算法

在这里插入图片描述
回溯其实可以说是我们熟悉的DFS，本质上一种暴力枚举算法。回溯算法的唯一优化方法是剪枝。
回溯算法的模板

void backtracking(参数) {
    if (终止条件) {
        存放结果;
        return;
    }

    for (选择：本层集合中元素（树中节点孩子的数量就是集合的大小）) {
        处理节点;
        backtracking(路径，选择列表); // 递归
        回溯，撤销处理结果
    }
}

77、组合（中等）

class Solution {
public:
    void backTracking(vector<vector<int>>& res,vector<int>& temp,int n,int k,int index){
        //回溯
        if(temp.size()==k) {
            res.push_back(temp);
            return;
        }
        for(int i=index;i<=n-(k-temp.size())+1;i++){    //剪枝优化
            temp.push_back(i);
            backTracking(res,temp,n,k,i+1); //注意：i+1而不是index+1
            temp.pop_back();
        }
    }
    vector<vector<int>> combine(int n, int k) {
        //回溯的经典算法
        vector<vector<int>> res;
        vector<int> temp;
        backTracking(res,temp,n,k,1);
        return res;
    }
};

216、组合总和3

class Solution {
public:
    void backTracking(vector<vector<int>>& res,vector<int>& temp,int k,int n,int index){
        //回溯
        if(temp.size()==k && n==0){
            res.push_back(temp);
            return;
        }
        for(int i=index;i<=9;i++){ 
            if(n<0) continue;   //剪枝优化
            temp.push_back(i);
            n=n-i;
            backTracking(res,temp,k,n,i+1);
            temp.pop_back();
            n=n+i;
        }

    }
    vector<vector<int>> combinationSum3(int k, int n) {
        /*回溯*/
        vector<vector<int>> res;
        vector<int> temp;
        backTracking(res,temp,k,n,1);
        return res;
    }
};

17、电话号码的字母组合

class Solution {
public:
    void backTracking(vector<string>& res,vector<string>& temp,string& ans,int n,int index){
        //回溯
        if(index==n) {
            res.push_back(ans);
            return;
        }
        for(int i=0;i<temp[index].size();i++){
            ans.push_back(temp[index][i]);
            backTracking(res,temp,ans,n,index+1);
            ans.pop_back();
        }
        return;
    }
    vector<string> letterCombinations(string digits) {
        /**/
        vector<string> temp;
        vector<string> res;
        int n = digits.size();
        if(n==0) return res;
        for (char i : digits){
            if(i=='2') temp.push_back("abc");
            if(i=='3') temp.push_back("def");
            if(i=='4') temp.push_back("ghi");
            if(i=='5') temp.push_back("jkl");
            if(i=='6') temp.push_back("mno");
            if(i=='7') temp.push_back("pqrs");
            if(i=='8') temp.push_back("tuv");
            if(i=='9') temp.push_back("wxyz");
        }
        string ans;
        backTracking(res,temp,ans,n,0);
        return res;
    }
};

39组合总和

class Solution {
public:
    vector<vector<int>> res;
    vector<int> temp;
    vector<vector<int>> combinationSum(vector<int>& candidates, int target) {
        /*回溯实现*/
        backTracking(candidates,target,0);
        return res;
    }
    void backTracking(vector<int>& candidates, int target, int index) {
        /*回溯实现*/
        if( target ==0 ){
            res.push_back(temp);
            return ;
        }
        if(target < 0) {
            return ;
        }
        for(int i=index;i<candidates.size();i++){
            if(candidates[i]>target) continue; //剪枝
            temp.push_back(candidates[i]);
            backTracking(candidates,target-candidates[i],i);  //微调，这里是i而不是i+1，因为可以重复使用,保证本层使用了i之后下一层也可以使用i
            temp.pop_back();
        }
        return ;
    }
};

40、组合总和2（该题很好地讲解了去重的原理，多看）

class Solution {
public:
    void backTracking(vector<vector<int>>& res,vector<int>& candidates,vector<int>& path,int target,int index,vector<bool>& used){
        //回溯
        if(candidates.size()==0 || target==0){
            res.push_back(path);
            return;
        }
        for(int i=index;i<candidates.size();i++){
            if(i>0 && candidates[i]==candidates[i-1] && used[i-1]==false) continue; //细节，used[i-1]==false，如果为true，则为树枝上的去重
            used[i] = true;
            path.push_back(candidates[i]);
            backTracking(res,candidates,path,target-candidates[i],i+1,used);
            used[i] = false;
            path.pop_back();
        }
        return;
    }
    vector<vector<int>> combinationSum2(vector<int>& candidates, int target) {
        /*典型回溯算法*/
        vector<vector<int>> res;
        vector<int> path;
        vector<bool> used(candidates.size(),false);
        sort(candidates.begin(),candidates.end());
        backTracking(res,candidates,path,target,0,used);
        return res;
    }
};

131、分割回文串（多看，对于理解index和i的关系有好处）

class Solution {
public:
    bool isOrNo(string s){
        //该函数用于判断该子串是否是回文串
        int n=s.size();
        for(int i=0;i<n/2;i++){
            if(s[i]!=s[n-1-i]) return false;
        }
        return true;
    }
    void backTracking(vector<vector<string>>& res,string& s,vector<string>& path,int index){
        /*回溯*/
        if( index ==s.size()){
            res.push_back(path);
            return;
        }
        for(int i=index;i<s.size();i++){
            string s1;
            for(int j=index;j<=i;j++){  //想清楚为什么是从index到i
                s1.push_back(s[j]);
            }
            if(isOrNo(s1)){
                path.push_back(s1);
                backTracking(res,s,path,i+1);
                path.pop_back();
            }else{
                continue;
            }
        }
        return;
    }
    vector<vector<string>> partition(string s) {
        /*回溯算法，分割*/
        vector<vector<string>> res;
        vector<string> path;
        backTracking(res,s,path,0);
        return res;
    }
};

93、复原IP地址

class Solution {
public:
    int cnt=0;
    bool isIP(const string path){
        //该函数用于判断字符是否为0-255之间
        int n=path.size();
        if(n>3) return false;
        if(path[0]=='0' && n!=1) return false;
        if(n==3){
            int val = 0;
            for(int i=0;i<3;i++){
                val=val*10+path[i]-'0';
            }
            if(val>255) return false;
            else return true;
        }
        return true;
    }
    void backTracking(vector<string>& res,const string s,string& path,int index){
        //回溯
        if(cnt==4 && index==s.size()){
            res.push_back(path);
            return;
        }
        for(int i=index;i<s.size();i++){
            string temp;
            if(cnt<=2){
                for(int j=index;j<=i;j++){
                temp.push_back(s[j]);
                }
            }else{
                for(int j=index;j<s.size();j++){
                temp.push_back(s[j]);
                }
            }
            if(isIP(temp)){
                int sz=path.size();
                if(cnt==0) path+=temp;
                else{
                    path=path+'.'+temp;
                }
                cnt++;
                backTracking(res,s,path,i+1);
                path.resize(sz);
                cnt--;
            }else{
                break;
            }
        }
        return;
    }
    vector<string> restoreIpAddresses(string s) {
        /*分割字符串问题
        */
        vector<string> res;
        string path;
        backTracking(res,s,path,0);
        return res;
    }
};

78、子集

class Solution {
public:
    void backTracking(vector<vector<int>>& res,vector<int>& path,const vector<int> nums,int index){
        //回溯
        res.push_back(path);
        if(index==nums.size()){
            return;
        }
        for(int i=index;i<nums.size();i++){
            path.push_back(nums[i]);
            backTracking(res,path,nums,i+1);
            path.pop_back();
        }
        return;
    }
    vector<vector<int>> subsets(vector<int>& nums) {
        sort(nums.begin(),nums.end());
        vector<vector<int>> res;
        vector<int> path;
        backTracking(res,path,nums,0);
        return res;
    }
};

贪心算法

贪心的本质是选择每一阶段的局部最优，从而达到全局最优。
贪心算法一般分为如下四步：
将问题分解为若干个子问题
找出适合的贪心策略
求解每一个子问题的最优解
将局部最优解堆叠成全局最优解

455、分发饼干

class Solution {
public:
    int findContentChildren(vector<int>& g, vector<int>& s) {
        /*将胃口值g进行排序，优先满足小胃口的*/
        sort(g.begin(),g.end());
        sort(s.begin(),s.end());
        int n=g.size(),m=s.size();
        int cnt =0;
        for(int i=0;i<n;i++){
            for(int j=0;j<m;j++){
                if(g[i]<=s[j]){
                    cnt++;
                    s[j]=0;
                    break;
                }
            }
        }
        return cnt;
    }
};

376、摆动序列

动态规划

动规五部曲：
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

509、斐波那契数

class Solution {
public:
    int fib(int n) {
        /*动态规划问题*/
        if(n==0 ) return 0;
        if(n==2|| n==1) return 1;
        vector<int> DP;
        DP.push_back(0);
        DP.push_back(1);
        int i=2;
        for(i;i<=n;i++){
            DP.push_back(DP[i-2]+DP[i-1]);
        }
        return DP[n];
    }
};

70、爬楼梯

class Solution {
public:
    int climbStairs(int n) {
        /*动态规划
        递推公式f(n)=f(n-1)+f(n-2)
        DP数组表示爬i阶有DP[i]种方法
        初始化DP(0)=1,DP(1)=1,DP(2)=2
        从前向后遍历*/
        vector<int> DP(n+1);
        DP[0]=1;DP[1]=1;
        for(int i=2;i<=n;i++){
            DP[i] = DP[i-1]+DP[i-2];
        }
        return DP[n];
    }
};

可以优化DP数组，只存储两个值即可

class Solution {
public:
    int climbStairs(int n) {
        /*动态规划
        递推公式f(n)=f(n-1)+f(n-2)
        DP数组表示爬i阶有DP[i]种方法
        初始化DP(0)=1,DP(1)=1,DP(2)=2
        从前向后遍历*/
        vector<int> DP(2);
        DP[0]=1;DP[1]=1;
        for(int i=2;i<=n;i++){
            int temp = DP[0]+DP[1];
            DP[0] = DP[1];
            DP[1] = temp;
        }
        return DP[1];
    }
};

746、使用最小花费爬楼梯

class Solution {
public:
    int minCostClimbingStairs(vector<int>& cost) {
        /*动态规划
        DP[i]表示当前在第i个台阶，下一步累积的最低花费
        初始化：DP[0]=0,DP[1]=0
        递推公式：f(n)=min(f(n-1)+cost(n-1),f(n-2)+cost(n-2))
        */
        int n=cost.size();
        if(n==0) return 0;
        vector<int> DP(n+1);
        DP[0]=0;DP[1]=0;
        for(int i=2;i<=n;i++){
            DP[i] = min(DP[i-1]+cost[i-1],DP[i-2]+cost[i-2]);
        }
        return DP[n];
    }
};

62、不同路径

class Solution {
public:
    int uniquePaths(int m, int n) {
        /*动态规划
        DP[i][j]表示走到第i，j位置总共有的路径条数
        初始化DP[0][j]=1,DP[i][0]=1;
        递推公式：DP[i][j]=DP[i-1][j]+DP[i][j-1],注意边界条件
        遍历顺序：*/
        vector<vector<int>> A;
        for(int i=0;i<m;i++){
            vector<int> temp(n,1);
            A.push_back(temp);
        }
        for(int i=1;i<m;i++){
            for(int j=1;j<n;j++){
                A[i][j]=A[i-1][j]+A[i][j-1];
            }
        }
        return A[m-1][n-1];
    }
};

63、不同路径2

class Solution {
public:
    int uniquePathsWithObstacles(vector<vector<int>>& obstacleGrid) {
        /*动态规划：
        DP[i][j]代表走到第i，j位置需要的路径数，如果有障碍则置为0
        DP[i][0]=1,DP[0][j]=1,如果边界上有障碍，则后续为0
        递推关系：分四种情况，没障碍，障碍在上面，障碍在左边,两边都有障碍
        遍历顺序:*/
        vector<vector<int>> DP;
        int m = obstacleGrid.size();
        int n = obstacleGrid[0].size();
        //DP初始化
        for(int i=0;i<m;i++){
            vector<int> temp(n,0);
            DP.push_back(temp);
        }
        for(int i=0;i<n;i++){
            if(obstacleGrid[0][i]==1) break;
            DP[0][i]=1;
        }
        for(int i=0;i<m;i++){
            if(obstacleGrid[i][0]==1) break;
            DP[i][0]=1;
        }
        //遍历DP数组
        for(int j=1;j<n;j++){
            for(int i=1;i<m;i++){
                if(obstacleGrid[i-1][j]!=1 && obstacleGrid[i][j-1]!=1)  {
                    DP[i][j]=DP[i-1][j]+DP[i][j-1];
                }
                else if(obstacleGrid[i-1][j]==1 && obstacleGrid[i][j-1]!=1){
                    DP[i][j]=DP[i][j-1];
                }
                else if(obstacleGrid[i][j-1]==1 && obstacleGrid[i-1][j]!=1){
                    DP[i][j]=DP[i-1][j];
                }
                else{
                    DP[i][j]=0;
                }
            }
        }
        if(obstacleGrid[m-1][n-1]==1)   return 0;
        else    return DP[m-1][n-1];
    }
};

343、整数拆分

该题难在递推关系，怎么推导。

class Solution {
public:
    int integerBreak(int n) {
        /*DP[i]表示拆分i，返回的乘积最大值
        初始值：DP[1]=1，DP[2]=1,DP[3] =2
        递推关系：DP[i] = max(j*DP[i-j],j*(i-j))，j从1到i
        遍历顺序：依次*/
        vector<int> DP(n+1,1);
        DP[1]=1; DP[2]=1;
        for(int i=3;i<n+1;i++){
            for(int j=1;j<i;j++){
                int temp = DP[i];
                DP[i] = max(j*(i-j),j*DP[i-j]);
                DP[i] = max(DP[i],temp);
            }
        }
        return DP[n];
    }
};

96、不同的二叉搜索树

关键在于递推公式为：
D P [ i ] = ∑ j = 0 i − 1 D P [ j ] D P [ i − j − 1 ] DP[i]=\sum_{j=0}^{i-1} DP[j]DP[i-j-1] DP[i]=j=0∑i−1​DP[j]DP[i−j−1]

class Solution {
public:
    int numTrees(int n) {
        /*动态规划，难点在于递推公式*/
        vector<int> DP(n+1,0);
        DP[0]=1;DP[1]=1;
        for(int i=2;i<=n;i++){
            for(int j=0;j<i;j++){
                DP[i] += DP[j]*DP[i-j-1];
            }
        }
        return DP[n];
    }
};

动规：背包问题

在这里插入图片描述
有n件物品和一个最多能背重量为w 的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。
在这里插入图片描述

01背包问题

每个物品只有一个，求背包能容纳的最大价值。（看代码随想录讲解，很详细）
两个关注点：1、递推公式的推导，2、两个for循环遍历的顺序（如果求组合数，外层for循环遍历物品，内层for遍历背包，如果求排列数，外层for遍历背包，内层for遍历物品，01背包内层for循环逆序遍历，完全背包内层for循环顺序遍历）。

注意：怎么理解遍历背包时，逆序是01背包，顺序是完全背包。因为，DP数组本身每一项DP[i]都是依赖于DP[0~i-1]前i-1项推导出来的，如果顺序则会出现套娃的情况，实现的效果为每个物品任取背包容量大小次。而逆序，先更新第i+1，后更新第i项，更新结果取决于初始值，则每个物品只取了一次。

416、分割等和子集

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        /*每个数取一次，看成动态规划里的01背包问题，本题物品价值等于物品大小
        DP[j]表示，背包大小为j的背包，所能装载的最大价值
        初始化：DP[0]=0,DP[j]=0
        递推公式：DP[j]=max{DP[j],DP[j-nums[i]]+nums[i]}
        遍历顺序：先物品i，再背包大小j（逆序）
        打印DP数组*/
        int sum=0;
        int n=nums.size();
        for(int i=0;i<n;i++){
            sum+=nums[i];
        }
        int target = sum/2;
        if(sum%2==1) return false;
        vector<int> DP(target+1,0);
        for(int i=0;i<n;i++){
            for(int j=target;j>=nums[i];j--){
                DP[j] = max(DP[j],DP[j-nums[i]]+nums[i]);
            }
        }
        if(DP[target]==target) return true;
        return false;
    }
};

1049、最后一块石头的重量2

class Solution {
public:
    int lastStoneWeightII(vector<int>& stones) {
        /*分解为，将石头分为大小和几乎相等的两堆，
        相撞后差的最小值，如果两堆大小相等则返回0*/
        int n=stones.size();
        int sum=0;
        for(int i=0;i<n;i++){
            sum+=stones[i];
        }
        int target = sum/2;
        vector<int> DP(target+1,0);
        for(int i=0;i<n;i++){
            for(int j=target;j>=stones[i];j--){
                DP[j] = max(DP[j],DP[j-stones[i]]+stones[i]);
            }
        }
        return abs(sum-2*DP[target]);

    }
};

494、目标和

DP[j]表示装满大小为j的背包有DP[j]中方法。
递推公式：
D P [ j ] = ∑ i = 0 n − 1 D P [ j − n u m s [ i ] ] DP[j]=\sum_{i=0}^{n-1} DP[j-nums[i]] DP[j]=i=0∑n−1​DP[j−nums[i]]

class Solution {
public:
    int findTargetSumWays(vector<int>& nums, int target) {
        /*动规五部曲*/
        int sum=0;
        for(int i:nums) sum+=i;
        if(abs(target)>sum) return 0;
        if((target+sum)%2==1) return 0;
        int left = (target+sum)/2;
        vector<int> DP(left+1,0);
        DP[0] =1;
        for(int i=0;i<nums.size();i++){
            for(int j=left;j>=nums[i];j--){
                DP[j]+=DP[j-nums[i]];
            }
        }
        return DP[left];
    }
};

474、一和零

class Solution {
public:
    int findMaxForm(vector<string>& strs, int m, int n) {
        vector<vector<int>> dp(m + 1, vector<int> (n + 1, 0)); // 默认初始化0
        for (string str : strs) { // 遍历物品
            int oneNum = 0, zeroNum = 0;
            for (char c : str) {
                if (c == '0') zeroNum++;
                else oneNum++;
            }
            for (int i = m; i >= zeroNum; i--) { // 遍历背包容量且从后向前遍历！
                for (int j = n; j >= oneNum; j--) {
                    dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
                }
            }
        }
        return dp[m][n];
    }
};

完全背包问题

每个物品可以使用无数次

518、零钱兑换2

递推公式：
D P [ j ] = ∑ i = 0 n − 1 D P [ j − c o i n [ i ] ] DP[j]=\sum_{i=0}^{n-1} DP[j-coin[i]] DP[j]=i=0∑n−1​DP[j−coin[i]]

class Solution {
public:
    int change(int amount, vector<int>& coins) {
        /*动规五部曲
        dp[j] 就是所有的dp[j - coins[i]]（考虑coins[i]的情况）相加。*/
        int n=coins.size();
        vector<int> DP(amount+1,0);
        DP[0]=1;
        for(int i=0;i<n;i++){
            for(int j=coins[i];j<=amount;j++){
                DP[j]+=DP[j-coins[i]];
            }
        }
        return DP[amount];
    }
};

377、组合总和4

class Solution {
public:
    int combinationSum4(vector<int>& nums, int target) {
        /**/
        int n=nums.size();
        vector<int> DP(target+1,0);
        DP[0]=1;
        for (int i = 0; i <= target; i++) { // 遍历背包
            for (int j = 0; j < n; j++) { // 遍历物品
                if (i - nums[j] >= 0 && DP[i] < INT_MAX - DP[i - nums[j]]) {
                    DP[i] += DP[i - nums[j]];
                }
            }
        }
        return DP[target];
    }
};

322、零钱兑换

递推公式：
D P [ j ] = m i n i = 0 n − 1 ( D P [ j ] , D P [ j − c o i n s [ i ] ] + 1 ) DP[j]=min_{i=0}^{n-1}(DP[j],DP[j-coins[i]]+1) DP[j]=mini=0n−1​(DP[j],DP[j−coins[i]]+1)

class Solution {
public:
    int coinChange(vector<int>& coins, int amount) {
        /*动规五部曲*/
        int n=coins.size();
        vector<int> DP(amount+1,INT_MAX-1);
        DP[0]=0;
        for(int i=0;i<n;i++){
            for(int j=coins[i];j<=amount;j++){
                DP[j]=min(DP[j],DP[j-coins[i]]+1);
            }
        }
        if(DP[amount]==INT_MAX-1) return -1;
        else return DP[amount];
    }
};

279、完全平方数

递推公式：
D P [ j ] = m i n i = 0 n u m s . s i z e ( ) − 1 ( D P [ j ] , D P [ j − n u m s [ i ] ] + 1 ) DP[j]=min_{i=0}^{nums.size()-1}(DP[j],DP[j-nums[i]]+1) DP[j]=mini=0nums.size()−1​(DP[j],DP[j−nums[i]]+1)
遍历顺序：完全背包问题，且求组合，先物品，后背包，背包顺序遍历。

class Solution {
public:
    int numSquares(int n) {
        /*递归五部曲*/
        vector<int> nums;
        for(int i=1;i*i<=n;i++){
            nums.push_back(i*i);
        }
        vector<int> DP(n+1,INT_MAX);
        DP[0]=0;DP[1]=1;
        for(int i=0;i<nums.size();i++){
            for(int j=nums[i];j<=n;j++){
                DP[j]=min(DP[j],DP[j-nums[i]]+1);
            }
        }
        return DP[n];
    }
};

139、单词拆分

class Solution {
public:
    bool wordBreak(string s, vector<string>& wordDict) {
        unordered_set<string> wordSet(wordDict.begin(),wordDict.end());
        int n=s.size();
        vector<bool> DP(n+1,false);
        DP[0] = true;
        for(int j=1;j<=n;j++){    //遍历背包
            for(int i=0;i<j;i++){ //遍历物品
                string temp = s.substr(i,j-i);
                if(wordSet.find(temp)!=wordSet.end() && DP[i])
                    DP[j] = true;
            }
        }
        return DP[n];
    }
};

动规：打家劫舍系列

198、打家劫舍

DP[j] 表示j个房间能偷到的最高金额
递推公式：
D P [ j ] = m a x ( D P [ j − 1 ] , D P [ j − 2 ] + n u m s [ j − 1 ] ) DP[j] = max(DP[j-1],DP[j-2]+nums[j-1]) DP[j]=max(DP[j−1],DP[j−2]+nums[j−1])
初始化：DP[0]=0,DP[1]=nums[0]
遍历顺序：顺序
打印DP数组

class Solution {
public:
    int rob(vector<int>& nums) {
        /*动规五部曲*/
        int n=nums.size();
        if(n==1) return nums[0];
        vector<int> DP(n+1,0);
        DP[1]=nums[0];
        for(int i=2;i<=n;i++){
            DP[i]=max(DP[i-1],DP[i-2]+nums[i-1]);
        }
        return DP[n];
    }
};

213、打家劫舍2

内容同1，将1进行拆分成两个数组。

class Solution {
public:
    int rob_old(vector<int>& nums) {
        /*动规五部曲*/
        int n=nums.size();
        if(n==1) return nums[0];
        vector<int> DP(n+1,0);
        DP[1]=nums[0];
        for(int i=2;i<=n;i++){
            DP[i]=max(DP[i-1],DP[i-2]+nums[i-1]);
        }
        return DP[n];
    }
    int rob(vector<int>& nums) {
        /*将打家劫舍1分装成函数，将该问题拆分为两个子数组，分别传入函数即可*/
        int n = nums.size();
        if(n==1) return nums[0];
        vector<int> nums_pre,nums_sub;
        for(int i=0;i<n;i++){
            if(i==0){
                nums_pre.push_back(nums[i]);
            }else if(i==n-1){
                nums_sub.push_back(nums[i]);
            }else{
                nums_sub.push_back(nums[i]);
                nums_pre.push_back(nums[i]);
            }
        }
        return max(rob_old(nums_pre),rob_old(nums_sub));
    }
};

337、打家劫舍3（没怎么看懂）

动态规划，使用01DP数组

class Solution {
public:
    int rob(TreeNode* root) {
        vector<int> result = robTree(root);
        return max(result[0], result[1]);
    }
    // 长度为2的数组，0：不偷，1：偷
    vector<int> robTree(TreeNode* cur) {
        if (cur == nullptr) return vector<int>{0, 0};
        vector<int> left = robTree(cur->left);
        vector<int> right = robTree(cur->right);
        // 偷cur，那么就不能偷左右节点。
        int val1 = cur->val + left[0] + right[0];
        // 不偷cur，那么可以偷也可以不偷左右节点，则取较大的情况
        int val2 = max(left[0], left[1]) + max(right[0], right[1]);
        return {val2, val1};
    }
};

动规：股票系列

121、买卖股票的最佳时机

DP[i]表示第i天卖出股票所能获得的最大利润为DP[i]
递推公式： D P [ i ] = p r i c e s [ i ] − m i n . p r e DP[i]=prices[i]-min.pre DP[i]=prices[i]−min.pre其中min.pre表示第i天及之前所出现的最低价格

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        /*动态规划*/
        int min_pre=prices[0];
        int n = prices.size();
        vector<int> DP(n+1,0);
        int max_val=0;
        for(int i=1;i<n;i++){
            min_pre = min(min_pre,prices[i]);
            DP[i] = prices[i]-min_pre;
            max_val = max(DP[i],max_val);
        }
        return max_val;
    }
};

122、买卖股票的最佳时机2

没使用动态规划，直接做差求和。代码如下

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        /*遍历一遍prices如果前项小于后项，则做差，否则为0*/
        int n=prices.size();
        int sum=0;
        for(int i=1;i<n;i++){
            int k = prices[i]-prices[i-1];
            if(k>0) sum+=k;
        }
        return sum;
    }
};

动规：子序列系列

300、最长递归子序列

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        /*难点在于DP数组的定义，以及递推公式*/
        int n=nums.size();
        vector<int> DP(n,1);
        int max_val=1;
        for(int i=1;i<n;i++){
            for(int j=0;j<i;j++){
                if(nums[i]>nums[j]) DP[i] = max(DP[j]+1,DP[i]);
            }
            max_val = max(max_val,DP[i]);
        }
        return max_val;
    }
};

674、最长连续递增序列

class Solution {
public:
    int findLengthOfLCIS(vector<int>& nums) {
        int n=nums.size();
        vector<int> DP(n,1);
        int max_val = 1;
        for(int i=1;i<n;i++){
            if(nums[i]>nums[i-1]) DP[i]=DP[i-1]+1;
            max_val=max(max_val,DP[i]);
        }
        return max_val;
    }
};

718、最长重复(连续)子数组

class Solution {
public:
    int findLength(vector<int>& nums1, vector<int>& nums2) {
        /*本题难点在于DP数组的定义
        DP[i][j]定义为以i-1为结尾的nums1，和以j-1为结尾的nums2，最长重复子数组的长度
        递推公式：DP[i][j]=DP[i-1][j-1]+1,if(nums1[i]==nums2[j])*/
        int m=nums1.size();
        int n=nums2.size();
        vector<vector<int>> DP(m+1,vector<int> (n+1,0));
        int max_val=0;
        for(int i=1;i<=m;i++){
            for(int j=1;j<=n;j++){
                if(nums1[i-1]==nums2[j-1]) DP[i][j]=DP[i-1][j-1]+1;
                max_val=max(max_val,DP[i][j]);
            }
        }
        return max_val;
    }
};

1143、最长公共子序列（不连续）

class Solution {
public:
    int longestCommonSubsequence(string text1, string text2) {
        /*子序列，不连续*/
        int m=text1.size();
        int n=text2.size();
        vector<vector<int>> DP(m+1,vector<int> (n+1,0));
        for(int i=1;i<=m;i++){
            for(int j=1;j<=n;j++){
                if(text1[i-1]==text2[j-1]) DP[i][j] = DP[i-1][j-1]+1;
                else DP[i][j] = max(DP[i][j-1],DP[i-1][j]);
            }
        }
        return DP[m][n];
    }
};

1035、不相交的线

class Solution {
public:
    int maxUncrossedLines(vector<int>& nums1, vector<int>& nums2) {
        /*动态规划
        DP[i][j]表示以i-1为结尾的nums1和以j-1为结尾的nums2的最大连线数
        DP[i][j]=DP[i-1][j-1] if(nums1[i-1]==nums2[j-1])
                =max(DP[i-1][j],DP[i][j-1]) else
        初始化：全部为0
        遍历顺序
        打印DP数组*/
        int n=nums1.size();
        int m=nums2.size();
        vector<vector<int>> DP(n+1,vector<int> (m+1,0));
        for(int i=1;i<=n;i++){
            for(int j=1;j<=m;j++){
                if(nums1[i-1]==nums2[j-1]) DP[i][j]=DP[i-1][j-1]+1;
                else DP[i][j] = max(DP[i-1][j],DP[i][j-1]);
            }
        }
        return DP[n][m];
    }
};

53、最大子数组和

如果使用双指针，会超时。建议动态规划

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        /*双指针*/
        int n=nums.size();
        if(n==0) return 0;
        int sum=0;
        int max_val=nums[0];
        for(int left=0;left<n;left++){
            for(int right=left;right<n;right++){
                int temp_val=0;
                for(int temp=left;temp<=right;temp++){
                    temp_val+=nums[temp];
                }
                if(temp_val<=0) {
                    max_val=max(max_val,nums[right]);
                    left=right+1;
                    continue;
                }
                max_val=max(max_val,temp_val);
            }
        }
        return max_val;
    }
};

动规：
DP[i]表示以i为结尾的数组nums中最大的子数组和为DP[i]
递推公式
D P [ i ] = m a x ( D P [ i − 1 ] + n u m s [ i ] , n u m s [ i ] ) DP[i]=max(DP[i-1]+nums[i],nums[i]) DP[i]=max(DP[i−1]+nums[i],nums[i])

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        /*难点在于递推公式即DP数组的定义*/
        int n=nums.size();
        if(n==0) return 0;
        vector<int> DP(n,0);
        DP[0] = nums[0];
        int max_val=DP[0];
        for(int i=1;i<n;i++){
            DP[i] = max(DP[i-1]+nums[i],nums[i]);
            max_val = max(DP[i],max_val);
        }
        return max_val;
    }
};

392、判断子序列

class Solution {
public:
    bool isSubsequence(string s, string t) {
        //双指针
        int s_size = s.size();
        int t_size = t.size();
        int i=0;
        for(int j=0;j<t_size;j++){
            if(t[j]==s[i]) i++;
        }
        if(i==s_size) return true;
        else return false;
    }
};

115、不同的子序列

uint64_t，注意写法

class Solution {
public:
    int numDistinct(string s, string t) {
        /*难点在于DP数组的定义，以及递推公式，初始化*/
        int n=s.size();
        int m=t.size();
        vector<vector<uint64_t>> DP(n+1,vector<uint64_t> (m+1,0));
        for(int i=0;i<=n;i++)   DP[i][0] = 1;
        for(int i=1;i<=n;i++){
            for(int j=1;j<=m;j++){
                if(s[i-1]==t[j-1]) DP[i][j] = DP[i-1][j-1]+DP[i-1][j];
                else DP[i][j] = DP[i-1][j];
            }
        }
        return DP[n][m];
    }
};

单调栈

图论

躺平的吧啦啊吧
关注
  • 2
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
力扣刷题记录2
acbdyp的博客
11-19 184
力扣刷题记录2 283-移动零，和一些思考 第一题是每日一题的简单题。需要记的并不多，一是用迭代器对vector的一些基本操作。可以参考这里 for(vector::iterator iter=num.begin();iter!=num.end();iter++){ if(*iter==k){ num.erase(iter); break; } } 另外是快排的思想。这种思想实用性很广，即使不需要排序，在找出最大的k个数，对数组进行分割（以中间点为基准）等可以大大降低时间复杂度。下面是找出最大的k个数的快排
LeetCode：力扣刷题记录
02-08
这个“LeetCode：力扣刷题记录”显然是一份记录了用户在LeetCode上刷题过程的资料，可能包括解题思路、代码实现以及解题心得等内容。由于标签为“Python”，我们可以推断这些记录主要使用Python语言来解答问题。 ...
力扣刷题记录12
acbdyp的博客
12-08 175
剑指 Offer 56 - I. 数组中数字出现的次数 这个我想到啦！！！最近被位运算折磨的太惨了，想到了同一数同一位运算符操作两次还原的问题。于是就想到了这个办法，但是对位运算掌握 太差了，只好看题解。。。想到算法已经很开心啦！位运算要学习，不能拖。另外题目条件要看仔细，全用到! 题解: class Solution { public: vector singleNumbers(vector& nums) { int ret = 0; for (int n : nums) ret ^= n; in
3.15力扣刷题记录
yznfk的博客
03-15 430
文章目录1.省份数量（并查集）2.统计子岛屿（DFS）3.每日一题：统计按位或能得到最大值的子集数目（DFS） 1.省份数量（并查集） 题目描述： 有 n 个城市，其中一些彼此相连，另一些没有相连。如果城市 a 与城市 b 直接相连，且城市 b 与城市 c 直接相连，那么城市 a 与城市 c 间接相连。 省份 是一组直接或间接相连的城市，组内不含其他没有相连的城市。 给你一个 n x n 的矩阵 isConnected ，其中 isConnected[i][j] = 1 表示第 i 个城市和第 j 个城市直
力扣刷题记录（Java）（六）
qq_43967413的博客
08-29 1031
【代码】力扣刷题记录（Java）（六）
力扣刷题记录（Java）按代码随想录顺序——链表篇
lx741602698的博客
02-01 402
203. 移除链表元素。
力扣刷题记录13
acbdyp的博客
12-09 179
最近每天晚上和室友做力扣 ，白天整理下。 16. 最接近的三数之和 这里室友想到的解法是贪心，不断缩小，但最终我们判断这种方法不可行。我想到的解法是先排序，对有序数组的前两个数都是遍历找到的，第三个数通过二分找，这样时间复杂度是O(n²logn)，也没有缩小很多。。。 最后，我们看了答案。 从答案中有两点可以学习到。一是记得调用abs数学函数，另外要记得在有序数组中找两个数相加和目标值最接近的寻找方法是O(n)复杂度，即题解的做法。 下面是官方题解: class Solution { public:
力扣刷题记录8
acbdyp的博客
11-27 109
454. 四数相加 II 给定四个包含整数的数组列表 A , B , C , D ,计算有多少个元组 (i, j, k, l) ，使得 A[i] + B[j] + C[k] + D[l] = 0。 为了使问题简单化，所有的 A, B, C, D 具有相同的长度 N，且 0 ≤ N ≤ 500 。所有整数的范围在 -228 到 228 - 1 之间，最终结果不会超过 231 - 1 。 看到这个题目我以为会用递归，即先找到一个A[i]，再使得接下来的问题变为，找到B[j]+C[k]+D[l]=-A[i],但显
力扣刷题记录（自己看）
12-27
刷题记录，从面试的刷题开始，把一些感兴趣算法的实现，一些思路记录下来，对这些对自己的算法进行对比，删选得到能够使自己变得更加强大的方法
华为OD和力扣刷题记录库
05-10
前端写算法使用编程语言是 JavaScript 或者 TypeScript，我个人更倾向于推荐使用 TypeScript。 当然你可以先写一遍 JavaScript，再尝试着转换为 TypeScript。 为什么呢？以前是个人的一些见解 ...
leetcode-record:力扣刷题记录
04-02
力扣刷题记录 _____ ____ _ _ |_ _|_ _/__ |_| ___| | | || | | | / /| |/ _ \ | | || |_| |/ /_| | __/ | |_||_____/____|_|\___|_|文件结构|- src/ --------------------- |- problems ------------- 每个问题对应...
leetcode跳跃-leetcoe:力扣刷题记录
06-30
力扣刷题记录 括号匹配 合并两个有序链表 合并二叉树 翻转二叉树 x的平方根 跳跃游戏II 二叉树最大深度 //遍历记录深度 多树最大深度 对称二叉树 遍历树 熟悉树结构 平衡二叉树 ...
Java | Leetcode Java题解之第205题同构字符串
m0_57195758的博客
06-30 279
Java | Leetcode Java题解之第205题同构字符串
Leetcode3190. 使所有元素都可以被 3 整除的最少操作数
ProgramNovice的博客
06-29 405
Leetcode3190. 使所有元素都可以被 3 整除的最少操作数
【LeetCode】53. 最大子数组和
说文科技，做有态度的研究。
06-29 253
刚开始拿到题目，没有什么想法。但是开始分析起来的时候，就立马有思路了。所以做题要敢于分析，敢于思考，敢于动脑。
Java | Leetcode Java题解之第206题反转链表
m0_57195758的博客
06-30 272
Java | Leetcode Java题解之第206题反转链表
力扣2055.蜡烛之间的盘子
Pisasama的博客
06-30 362
【代码】力扣2055.蜡烛之间的盘子。
Leetcode 90. 子集 II
最新发布
zjshuster的博客
07-01 331
给你一个整数数组 nums ，其中可能包含重复元素，请你返回该数组所有可能的子集。解集 不能 包含重复的子集。返回的解集中，子集可以按 任意顺序 排列。
力扣刷题C++常用操作
10-18
好的，关于力扣刷题C++常用操作，我可以给你一些常见的操作和技巧： 1. 使用 STL 容器和算法库：STL（Standard Template Library）是 C++ 标准库中的一个重要组成部分，包含了许多常用的容器和算法。在力扣刷题中，使用 STL 可以大大提高代码的效率和可读性。例如，vector 可以用来存储动态数组，sort 可以用来排序等等。 2. 使用 auto 关键字：auto 关键字可以自动推导变量类型，可以减少代码量和提高可读性。例如，auto x = 1; 可以自动推导出 x 的类型为 int。 3. 使用 lambda 表达式：lambda 表达式是 C++11 中引入的一种匿名函数，可以方便地定义一些简单的函数对象。在力扣刷题中，使用 lambda 表达式可以简化代码，例如在 sort 函数中自定义比较函数。 4. 使用位运算：位运算是一种高效的运算方式，在力扣刷题中经常会用到。例如，左移运算符 << 可以用来计算 2 的幂次方，右移运算符 >> 可以用来除以 2 等等。 5. 使用递归：递归是一种常见的算法思想，在力扣刷题中也经常会用到。例如，二叉树的遍历、链表的反转等等。 6. 使用 STL 中的 priority_queue：priority_queue 是 STL 中的一个容器，可以用来实现堆。在力扣刷题中，使用 priority_queue 可以方便地实现一些需要维护最大值或最小值的算法。 7. 使用 STL 中的 unordered_map：unordered_map 是 STL 中的一个容器，可以用来实现哈希表。在力扣刷题中，使用 unordered_map 可以方便地实现一些需要快速查找和插入的算法。 8. 使用 STL 中的 string：string 是 STL 中的一个容器，可以用来存储字符串。在力扣刷题中，使用 string 可以方便地处理字符串相关的问题。 9. 注意边界条件：在力扣刷题中，边界条件往往是解决问题的关键。需要仔细分析题目，考虑各种边界情况，避免出现错误。 10. 注意时间复杂度：在力扣刷题中，时间复杂度往往是评判代码优劣的重要指标。需要仔细分析算法的时间复杂度，并尽可能优化代码。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值