代码随想录算法训练营第三十三天 | Leetcode随机抽题检测

最新推荐文章于 2024-07-25 21:13:04 发布
最新推荐文章于 2024-07-25 21:13:04 发布
阅读量379 收藏
点赞数
文章标签： 算法
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_45690942/article/details/132076199
版权

Leetcode随机抽题检测

70 爬楼梯

未看解答自己编写的青春版

动态规划写多了，果然就会不太注重初始值的设置，会有些想当然，比如本题我一开始想的是，设定 dp[0] = 1 , dp[1] = 1 , 这样的结果也是正确的，但是就是可能初始化的解释性上不太好，还是设定 dp[1] dp[2] 更好一些。

class Solution:
    def climbStairs(self, n: int) -> int:
        if n <= 1:
            return 1
        dp = [0]*3
        dp[1] = 1
        dp[2] = 2
        for i in range(3,n+1):
            total = dp[1]+dp[2]
            dp[1] = dp[2]
            dp[2] = total
        return dp[2]

重点

题解的代码

日后复习重新编写

118 杨辉三角

未看解答自己编写的青春版

感觉这道题没什么DP的味道。

class Solution:
    def generate(self, numRows: int) -> List[List[int]]:
        res = [[1]]
        for i in range(1,numRows):
            temp = [1]*(i+1)
            flag = res[-1]
            for j in range(1,i):
                temp[j] = flag[j-1]+flag[j]
            res.append(temp)
        return res

重点

题解的代码

日后复习重新编写

198 打家劫舍

未看解答自己编写的青春版

其实不需要设置两个初始状态, dp[1] dp[2] ，一个 dp[1] = nums[0] 就够了，这样也不用单独处理：只有一个房屋的情况了。

class Solution:
    def rob(self, nums: List[int]) -> int:
        n = len(nums)
        if n == 0 :
            return 0
        if n == 1 :
            return nums[0]
        dp = [0]*(n+1)
        dp[1] = nums[0]
        dp[2] = max(nums[0],nums[1])
        for i in range(3,n+1):
            dp[i] = max(dp[i-1],dp[i-2]+nums[i-1])
        return dp[n]

重点

动态规划，在人为设置初始状态时，要考虑输入直接被设置好的情况，及时判断并return , 不然会导致 index 错误。

题解的代码

日后复习重新编写

279 完全平方数

未看解答自己编写的青春版

这次写了个没有提前算好的版本，比提前算法的版本要耗时啊。

class Solution:
    def numSquares(self, n: int) -> int:
        dp = [inf]*(n+1)
        dp[0] = 0
        dp[1] = 1
        if n == 1 :
            return 1
        for i in range(2,n+1):
            mini = inf
            temp = int(sqrt(i)+1)
            for j in range(1,temp):
                if i-j*j >= 0 :
                    mini = min(mini,dp[i-j*j])
            dp[i] = 1 + mini
        print(dp)
        return dp[n]

提前算好每个平方数：（注意，双重循环的循序，先遍历 item ，再遍历 n ）

class Solution:
    def numSquares(self, n: int) -> int:
        items = []
        for i in range(1,int(sqrt(n))+2):
            if i*i <= n :
                items.append(i*i)

        m = len(items)
        dp = [inf]*(n+1)
        dp[0] = 0
        
        for i in range(m):
            for j in range(items[i],n+1):
                dp[j] = min(dp[j],dp[j-items[i]]+1)
        
        return dp[n]

提前算好每个平方数：（颠倒遍历顺序，耗时和第一版，不提前算好的方法，差不多了）

class Solution:
    def numSquares(self, n: int) -> int:
        items = []
        for i in range(1,int(sqrt(n))+2):
            if i*i <= n :
                items.append(i*i)

        m = len(items)
        dp = [inf]*(n+1)
        dp[0] = 0
        
        for i in range(1,n+1):
            for j in range(m):
                if i >= items[j] :
                    dp[i] = min(dp[i],dp[i-items[j]]+1)
        
        return dp[n]

重点

综上，这道题还是选用方法二，因为迭代的次数较少，可以发现，每一个数，至少都可以写为 n 个 1 相加的情况，所以我们应该先遍历 item ，去判断取不取当前 item 就好了。

统一写法：

class Solution:
    def numSquares(self, n: int) -> int:
        items = []
        for i in range(1,int(sqrt(n))+2):
            if i*i <= n :
                items.append(i*i)

        m = len(items)
        dp = [inf]*(n+1)
        dp[0] = 0
        
        for i in range(m):
            for j in range(items[i],n+1):
                dp[j] = min(dp[j],dp[j-items[i]]+1)
        
        return dp[n]

怎么没看出来，这道题是完全背包啊！因为是求最少的数目，所以不管是组合数求法还是排列数求法都可以，这意味着，先遍历物品还是先遍历背包都可以！

01背包中，二维DP数组的两个for遍历，先后顺序可以颠倒。一维DP数组的两个for循环的顺序，一定是先遍历物品，再遍历背包，另外背包要倒序遍历，因为要保证每个物品只拿一个。而如果，01背包的一维DP数组，倒序遍历背包，但是先遍历背包，再遍历物品，得到的结果是，最后的背包中只有一个物品。（这里因为背包是倒序遍历，上来就把结果位置的输出遍历掉了，此时其他位置的值还都是初始值）

完全背包，不管是一维DP数组还是二维DP数组，遍历顺序都可以颠倒，一维DP数组时，背包的遍历顺序为正序遍历，且必须是正序遍历。

但是完全背包有一个要注意的点，就是完全背包问题的拓展应用题中，会涉及组合数和排列数的问题，而01背包没有类似的问题。求组合数，必须是先遍历物品，再遍历背包；求排列数，是先遍历背包，再遍历物品、

完全背包：一维DP时，背包必须正序遍历，先物品后背包：求组合数；先背包后物品：求排列数。

题解的代码

日后复习重新编写

322 零钱兑换

未看解答自己编写的青春版

也是完全背包！也是求可能结果中的最少元素个数，所以先遍历物品或背包，都无所谓，一维DP，正序遍历。

lass Solution:
    def coinChange(self, coins: List[int], amount: int) -> int:
        n = len(coins)
        dp = [inf]*(amount+1)
        if amount == 0 :
            return 0
        dp[0] = 0
        for i in range(n):
            for j in range(1,amount+1):
                if j >= coins[i] :
                    dp[j] = min(dp[j],dp[j-coins[i]]+1)
        if dp[amount]==inf :
            return -1
        else :
            return dp[amount]

重点

题解的代码

日后复习重新编写

139 单词拆分

未看解答自己编写的青春版

典型完全背包，求排列数的题目，因为字符的排列是要求顺序的.

用一维背包去写，全部顺序遍历，先遍历背包，再遍历物品.

注意这里的递推关系，要有 dp[i],并且逻辑关系是 or 。

class Solution:
    def wordBreak(self, s: str, wordDict: List[str]) -> bool:
        n = len(wordDict)
        m = len(s)
        dp = [False]*(m+1)
        dp[0] = True
        # 典型完全背包，求排列数的题目，因为字符的排列是要求顺序的
        # 用一维背包去写，全部顺序遍历，先遍历背包，再遍历物品
        for i in range(1,m+1):
            for j in range(n):
                if i >= len(wordDict[j]):
                    if s[i-len(wordDict[j]):i]==wordDict[j] :
                        # 注意这里的递推关系，要有 dp[i],并且逻辑关系是 or
                        dp[i] = dp[i] or dp[i-len(wordDict[j])]
        return dp[m]

重点

题解的代码

日后复习重新编写

这几道题做下来，我觉得动态规划我又需要复习了，果然是做一道忘一道，怎么都记不住啊。

300 最长递增子序列

未看解答自己编写的青春版

DP 方法容易想到，很简单，DP数组的含义就是 dp[i] : 以 i 为结尾的最长子序列的长度。

DP方法的时间复杂度为 O(n^2) 。

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        n = len(nums)
        dp = [1]*n
        maxi = 0

        for i in range(n):
            # 判断 i>0 可以省略，因为不涉及index=i-1的操作            
            for j in range(i):
                if nums[i] > nums[j] :
                    dp[i] = max(dp[i],dp[j]+1)
            maxi = max(maxi,dp[i])
        #print(dp)
        return maxi

重点

题目进阶：时间复杂度为 O( nlogn ) 的方法是什么？

想不到。看题解。

在这里插入图片描述
在这里插入图片描述

这个贪心+二分的思想，真的太奈斯了！之前从来没接触过。

题解的代码

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        d = []
        for n in nums:
            if not d or n > d[-1]:
                d.append(n)
            else:
                l, r = 0, len(d) - 1
                loc = r
                while l <= r:
                    mid = (l + r) // 2
                    if d[mid] >= n:
                        loc = mid
                        r = mid - 1
                    else:
                        l = mid + 1
                d[loc] = n
        return len(d)

日后复习重新编写

152 乘积最大子数组

未看解答自己编写的青春版

用2个指标，去记录以 i 结尾的子串，最大正值和最小负值。

class Solution:
    def maxProduct(self, nums: List[int]) -> int:
        n = len(nums)
        # dp[i][0] : 以i为结尾的最大正值
        # dp[i][1] : 以i为结尾的最小负值
        dp = [[0]*2 for _ in range(n)]
        if nums[0] > 0 :
            dp[0][0] = nums[0]
        else :
            dp[0][1] = nums[0]
        # 这里初始化，如果给 maxi 为 -inf，那么就要单独考虑数组中只有一个元素的情况
        # 如果初始化为，第一个元素，就不需要特殊考虑了。
        maxi = nums[0]
        for i in range(1,n):
            if nums[i] > 0 :
                dp[i][0] = max(nums[i],dp[i-1][0]*nums[i])
                dp[i][1] = dp[i-1][1]*nums[i]
            else :
                dp[i][0] = dp[i-1][1]*nums[i]
                dp[i][1] = min(nums[i],dp[i-1][0]*nums[i])
            maxi = max(maxi,dp[i][0])
        #print(dp)
        return maxi

我的方法速度倒是挺快，但是在内存占用上只打败了5%。

重点

评论中的一种贪心的思想：很有道理
在这里插入图片描述

class Solution {
    public int maxProduct(int[] nums) {
        int a=1;  
        int max=nums[0];
        
        for(int num:nums){
            a=a*num;
            if(max<a)max=a;
            if(num==0)a=1;

        }
        a=1;
        for(int i=nums.length-1;i>=0;i--){
            a=a*nums[i];
            if(max<a)max=a;
            if(nums[i]==0)a=1;
        }  
        return max;
    }
}

嫌空间占用大？在最原始的DP代码编写中，发现当前状态只和前一个状态有关，那就进行状态压缩！压缩后占用空间打败60%。

class Solution:
    def maxProduct(self, nums: List[int]) -> int:
        n = len(nums)
        # dp[i][0] : 以i为结尾的最大正值
        # dp[i][1] : 以i为结尾的最小负值
        dp = [0,0]
        if nums[0] > 0 :
            dp[0] = nums[0]
        else :
            dp[1] = nums[0]
        # 这里初始化，如果给 maxi 为 -inf，那么就要单独考虑数组中只有一个元素的情况
        # 如果初始化为，第一个元素，就不需要特殊考虑了。
        maxi = nums[0]
        for i in range(1,n):
            if nums[i] > 0 :
                dp[0] = max(nums[i],dp[0]*nums[i])
                dp[1] = dp[1]*nums[i]
            else :
                # 在当前nums[i]是负数时，需要先保存一下dp[0]，因为在dp[1]更新要用到dp[0]
                # 但是这个值已经被改变了！其他情况，不存在这种被改变的case
                temp = dp[0]
                dp[0] = dp[1]*nums[i]
                dp[1] = min(nums[i],temp*nums[i])
            maxi = max(maxi,dp[0])
        #print(dp)
        return maxi

题解的代码

日后复习重新编写

416 分割等和子集

未看解答自己编写的青春版

01背包应用的典型题，一维DP，倒序遍历背包。

class Solution:
    def canPartition(self, nums: List[int]) -> bool:
        # 这不就是个01背包嘛
        n = len(nums)
        sumsum = sum(nums)
        if sumsum % 2 == 1 :
            return False
        target = sumsum // 2
        dp = [0]*(target+1)

        for i in range(n):
            for j in range(target,nums[i]-1,-1):
                dp[j] = max(dp[j],dp[j-nums[i]]+nums[i])
        if dp[-1]==target :
            return True
        else :
            return False

重点

题解的代码

日后复习重新编写

62 不同路径

未看解答自己编写的青春版

这道题注意初始化就可以了，

class Solution:
    def uniquePaths(self, m: int, n: int) -> int:
        dp = [[0] * n for _ in range(m)]
        dp[0][0]=1
        for i in range(1,m):
            dp[i][0] = 1
        for i in range(1,n):
            dp[0][i] = 1

        for i in range(1,m):
            for j in range(1,n):
                dp[i][j] = dp[i-1][j]+dp[i][j-1]

        return dp[m-1][n-1]

重点

题解的代码

日后复习重新编写

64 最小路径和

未看解答自己编写的青春版

和上一题解法基本一致，但是时间和空间指标较差。

class Solution:
    def minPathSum(self, grid: List[List[int]]) -> int:
        m = len(grid)
        n = len(grid[0])
        dp = [[0]*n for _ in range(m)]
        dp[0][0] = grid[0][0]
        for i in range(1,n):
            dp[0][i] = dp[0][i-1]+grid[0][i]
        for i in range(1,m):
            dp[i][0] = dp[i-1][0]+grid[i][0]
        for i in range(1,m):
            for j in range(1,n):
                dp[i][j] = min(dp[i-1][j],dp[i][j-1])+grid[i][j]
        return dp[-1][-1]

重点

看了下评论，也没有什么更好的思路，就是最基础的动态规划题目。

题解的代码

日后复习重新编写

5 最长回文子串

未看解答自己编写的青春版

回文串，回文串！遇到和动态规划相关的回文串题目，就用这种思路！

class Solution:
    def longestPalindrome(self, s: str) -> str:
        n = len(s)
        dp = [[False]*n for _ in range(n)]
        left = 0
        right = 0
        # dp[i][j]代表[i,j]是否是回文串，可以由dp[i+1][j-1]推出
        for i in range(n-1,-1,-1):
            for j in range(i,n):
                if i==j :
                    dp[i][j]=True
                else :
                    if s[i]==s[j]:
                        # 这里进过思考，不需要加一个条件，防止i+1溢出
                        # 因为如果溢出，则i=n-1，那么j大于等于i，且要小于n
                        # 那么j只能是n-1，则会执行上面的判断，不会进入到下面
                        if j-i == 1 or dp[i+1][j-1] :
                            dp[i][j]=True
                            if j-i > right-left :
                                left,right = i,j
        return s[left:right+1]

重点

本题的双指针也值得学习！提供了一种另外的思路。

本质思路是：遍历每一个位置 i ，考虑两种情况，以当前位置 i 向两边进行扩散，以当前位置 i 和下一个位置 i+1 ，

class Solution:
    def longestPalindrome(self, s: str) -> str:
        n = len(s)
        if n <= 1 :
            return s

        start = 0
        end = 0
        for i in range(n):
            left,right = self.find_point(i,i,s)
            start,end = self.compare(end,start,right,left)

            left,right = self.find_point(i,i+1,s)
            # 注意这里，第二次比较，其实这次比较的，已经是前面，以单字符为中心的最大结果了
            # 即是上一次的 left 和 right 结果，和这次的 left right 进行比较
            start,end = self.compare(end,start,right,left)

        return s[start:end]

        

    def find_point(self,i,j,s):
        while i >= 0 and j < len(s) and s[i]==s[j] :
            i -= 1
            j += 1
        return i+1,j


    def compare(self,a,b,c,d):
        if a-b > c-d :
            return b,a
        else :
            return d,c

题解的代码

日后复习重新编写

自己复写了二分法的方法：难点在于 find 函数的理解。以及时刻抓住循环不变量：左闭右闭区间。

class Solution:
    def longestPalindrome(self, s: str) -> str:
        n = len(s)
        start = 0
        end = 0
        # 注意区间，这里我定义为：左闭右闭
        for i in range(n):
            left,right = self.find(s,i,i)
            if right-left > end-start :
                start,end = left,right
            # 想不明白，find函数到底能不能正确处理i+1=n(即超出index)的情况
            # 那就用if逻辑把它剔除嘛，本来这种逻辑也是非法的。
            if i < n-1 :
                left,right = self.find(s,i,i+1)
                if right-left > end-start :
                    start,end = left,right
        return s[start:end+1]

    def find(self,s,i,j):
        n = len(s)
        while i >= 0 and j < n :
            # 这里注意二分法的定义，是以i,j这两个位置的元素为中心
            # abba叫以'bb'为中心，而'aba'不叫以'ab'为中心！
            # 'aba'的情况，被i=j='b'的情况所包含了
            if s[i]!=s[j]:
                break
            else :
                i-=1
                j+=1
        # 始终牢记左闭右闭规则
        return [i+1,j-1]

1143 最长公共子序列

未看解答自己编写的青春版

一开始题意理解错了，以为 text1 是母串， text2 是子串，但是重读题后，发现两个串是互相独立的，这也就意味着：dp[i][j] 更新要同时考虑 max(dp[i-1][j],dp[i][j-1]) ， 所以本题也无法做状态压缩，必须是二维DP数组。

这是编辑距离的经典类型题了，dp[i][j]的意义是：text1[0:i] 和 text2[0:j] 的最长公共子序列的长度。

class Solution:
    def longestCommonSubsequence(self, text1: str, text2: str) -> int:
        n = len(text1)
        m = len(text2)
        dp = [[0]*(m+1) for _ in range(n+1)]
        for i in range(1,n+1):
            for j in range(1,m+1):
                if text1[i-1]==text2[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[-1][-1]

重点

题解的代码

日后复习重新编写

72 编辑距离

未看解答自己编写的青春版

编辑距离，主要理解两点：如何初始化；如何表示替换操作。

首先明确：插入和删除操作是互逆的，所以我们只需要考虑删除操作就可以了，其中，dp[i-1][j] , dp[i][j-1] ，都代表着删除操作，即：删除word1[i] , 用 word1[0:i-1] 和 word2[0:j] 匹配。删除word2[j] , 用 word1[0:i] 和 word2[0:j-1] 匹配。

而替换操作：dp[i-1][j-1] 将word1[i] or word2[j] 替换为相对应的那个值，这时候，word1[i] 和 word2[j] 是匹配上的，且不能用于前面子串的匹配，所以前面子串的操作个数为 ： dp[i-1][j-1] 。

class Solution:
    def minDistance(self, word1: str, word2: str) -> int:
        m = len(word1)
        n = len(word2)
        if n == 0:
            return m
        if m==0 :
            return n

        dp = [[0] * (n+1) for _ in range(m+1)]
        # 初始化很重要
        for i in range(1,n+1):
            dp[0][i] = i
        for i in range(1,m+1):
            dp[i][0] = i

        for i in range(1,m+1):
            for j in range(1,n+1):
                if word1[i-1]==word2[j-1]:
                    dp[i][j] = dp[i-1][j-1]
                else :
                    dp[i][j] = min(dp[i-1][j],dp[i][j-1],dp[i-1][j-1])+1
        return dp[-1][-1]

重点

如果想复习编辑距离的原理，可以复习文章。

编辑距离

题解的代码

日后复习重新编写

我爱py数据分析
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
代码随想录算法训练营第三十四天 | LeetCode 51、37
Bingjiaokong的博客
01-30 1025
代码随想录刷题-day34
leetcode-master（代码随想录出品）-算法题资源
07-03
LeetCode 20060w50C++JavaPythonGoJavaScript
代码随想录算法训练营第一天|LeetCode704.二分查找、LeetCode27.移除元素。
m0_74294107的博客
12-28 364
LeetCode/力扣704.二分查找与LeetCode/力扣24.移除元素解法
代码随想录算法训练营第一天|leetcode27、704题
m0_74934708的博客
02-21 3431
法二：使用左右指针，左右指针开始均指向第一个元素，如果右指针指向的元素值不为val，将右指针指向的元素值代替左指针指向的元素值，左右指针均向右移动1；如果右指针指向的元素值为val，则将右指针向右移动1，左指针不动，直到右指针遍历完整个数组为止。这样左指针之前的元素值均不为val。法一：从数组开头扫描，遇到值等于val的元素就将其与当前数组最后一个元素互换而后将数组的长度减一，直到扫描的元素为当前数组的最后一个元素。本题要求在目标数组中删除值等于val的元素，下面展示两种解法。
代码随想录算法训练营第十天|LeetCode 20， 1047， 150
iwtup的博客
07-09 147
栈与队列：栈的运用
代码随想录算法训练营第三十六天|leetcode416题
m0_74934708的博客
04-02 302
本题要求数组分成两个子集，子集的和是否相等，可以转化为0-1背包问题，即背包容量为数组元素和的1/2，物品大小即为元素大小。设置dp数组，dp[i]表示为背包容量为i能放置的元素大小，可知dp[i]为不放第i个元素和放第i个元素二者的最大值，由于单层数组的特殊性要从后向前遍历才能使得每一个元素只参与dp数组运算一次，最后如果dp数组中下标为target的元素值为target则为true，否则返回false。
代码随想录算法训练营第三十二天|leetcode738题
m0_74934708的博客
03-29 280
本题要求返回小于等于给定数字且从最高位到最低位呈单调递增的数值，需要从最低位向最高位遍历，如果最低位比其前一位小则若要使改变后数值最大需要将前一位作减一操作并记录下当前位，在遍历结束后将记录的当前位之后的所有位数值都置为9，此时返回的数值即为所求。
代码随想录算法训练营第3天|LeetCode
weixin_73795426的博客
07-05 344
用两个参数的构造器new dummyNode,即 ListNode dummyNode = new ListNode(-1,head)，既新建结点，又完成赋值。只能感觉是理解会了，用递归法优化了两个指针一同向前移动的技巧。在链表前设置个虚拟头结点，那么删除第一个结点就和普通结点一样，最后返回虚拟头结点的next结点即可。cur = cur.next提到if-else判断逻辑外面，不管怎么样，每次cur都是要往前走的。删除结点语句是prev.next = cur.next,画个图就明白了。
C#代码随想录算法训练营第十三天 | LeetCode239 LeetCode347
Deuss的博客
05-20 404
定义了一个单调链表，保证链表的头为最大值，每次进链表的时候，会去判断当前进入的值是否为链表中的最大值，如果是则将前面的元素全部移除。主要思想：用的优先级队列。
代码随想录算法训练营第三十八天|leetcode377、518题
m0_74934708的博客
04-07 298
本题是完全背包问题，要考虑物品放入背包的先后顺序，因此要先遍历背包再遍历物品。该题是完全背包问题，不需要考虑物品放入背包的先后顺序。
代码随想录算法训练营第十天 |LeetCode 232.用栈实现队列 225. 用队列实现栈
qq_53009915的博客
04-29 1515
补卡第十天，到了非常轻松的栈和队列啦~
DataStructure-Algorithm-TS：数据结构和算法解析| LeetCode解题|剑指提供面试题集
01-30
数据结构算法LeetCode上带有TypeScript问题JavaScript数据结构和算法在线阅读地址：数据结构二叉树的实现对称二叉树｜ LeetCode [101]二叉树总计｜剑指报价[19]检测二叉平衡树二叉树的层次遍历|剑指提供[23]根据先序...
代码随想录 动态规划、回溯、递归、二叉树、贪心
12-25
《代码随想录》是一本深受程序员喜爱的编程学习资料，尤其在算法领域，它提供了丰富的实例和深入的解析，帮助读者理解并掌握动态规划、回溯、递归、二叉树以及贪心等核心算法。这些算法是解决复杂计算问题的基础工具...
leetcode2-clion:数据结构|c++|算法|LeetCode部分代码（leetcode文件夹下）
06-29
leetcode 2 clion 数据结构。内容包括: 1：带头节点的单链表-List 2：数组表示的顺序链表—sqlList 3：数组表示的顺序队列—queue 4：链栈—LinkedStack 5：插入排序—Insertsort 6：折半插入排序—...leetcode算法
LeetCode高频算法面试题,含解题思路及代码实现
02-17
这个压缩包文件"leetcode"很可能包含了这些热门算法题目的解题思路和代码实现，这对于提升编程技能和应对面试至关重要。 1. **数据结构**：在LeetCode中，常见数据结构包括数组、链表、栈、队列、哈希表、二叉树等...
算法-KMP字符串匹配
xx_xb的博客
07-23 178
next[i] 就是使子串 s[0…i] 有最长相等前后缀的前缀的最后一位的下标。总体来说解next数组和模板串匹配的过程很相似，触类旁通。
【LeetCode】141.环形链表、142. 环形链表 II（算法 + 图解）
最新发布
明志の博客
07-25 863
环形链表
AtCoder Beginner Contest 363
2301_80105412的博客
07-21 660
AtCoder Beginner Contest 363 ABCDE
算法力扣刷题记录 五十八【701.二叉搜索树中的插入操作】
danaaaa的博客
07-24 760
二叉搜索树向左或向右指明方向，不用遍历整个树。
代码随想录算法训练营第二十二天
09-13
第二十二天的算法训练营主要涵盖了Leetcode题目中的三道题目，分别是Leetcode 28 "Find the Index of the First Occurrence in a String"，Leetcode 977 "有序数组的平方"，和Leetcode 209 "长度最小的子数组"。 首先是Leetcode 28题，题目要求在给定的字符串中找到第一个出现的字符的索引。思路是使用双指针来遍历字符串，一个指向字符串的开头，另一个指向字符串的结尾。通过比较两个指针所指向的字符是否相等来判断是否找到了第一个出现的字符。具体实现的代码如下： ```python def findIndex(self, s: str) -> int: left = 0 right = len(s) - 1 while left <= right: if s[left == s[right]: return left left += 1 right -= 1 return -1 ``` 接下来是Leetcode 977题，题目要求对给定的有序数组中的元素进行平方，并按照非递减的顺序返回结果。这里由于数组已经是有序的，所以可以使用双指针的方法来解决问题。一个指针指向数组的开头，另一个指针指向数组的末尾。通过比较两个指针所指向的元素的绝对值的大小来确定哪个元素的平方应该放在结果数组的末尾。具体实现的代码如下： ```python def sortedSquares(self, nums: List[int]) -> List[int]: left = 0 right = len(nums) - 1 ans = [] while left <= right: if abs(nums[left]) >= abs(nums[right]): ans.append(nums[left ** 2) left += 1 else: ans.append(nums[right ** 2) right -= 1 return ans[::-1] ``` 最后是Leetcode 209题，题目要求在给定的数组中找到长度最小的子数组，使得子数组的和大于等于给定的目标值。这里可以使用滑动窗口的方法来解决问题。使用两个指针来表示滑动窗口的左边界和右边界，通过移动指针来调整滑动窗口的大小，使得滑动窗口中的元素的和满足题目要求。具体实现的代码如下： ```python def minSubArrayLen(self, target: int, nums: List[int]) -> int: left = 0 right = 0 ans = float('inf') total = 0 while right < len(nums): total += nums[right] while total >= target: ans = min(ans, right - left + 1) total -= nums[left] left += 1 right += 1 return ans if ans != float('inf') else 0 ``` 以上就是第二十二天的算法训练营的内容。通过这些题目的练习，可以提升对双指针和滑动窗口等算法的理解和应用能力。
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