LeetCode 热题 100
文章目录
本文存储我刷题的笔记。
普通数组
13. 中等-最大子数组和
![](https://i-blog.csdnimg.cn/blog_migrate/d2c04cc4667dc179817d8660b5c815f2.png)
我的思路
思路:从第一个非负数开始,不断向右扩大窗口更新最大值;若当前窗口为负,则继续从下一个正数开始滑动窗口。
时间96ms(50.51%),内存64.89MB(56.76%)。
class Solution {
public:
int maxSubArray(std::vector<int>& nums) {
int len = nums.size();
// 寻找到第一个非负数
int left{ -1 };
int max_tmp{ nums[0] };
while (left < len - 1 && nums[++left] < 0) {
max_tmp = std::max(max_tmp, nums[left]);
}
// 向右扩大窗口,不断记录最大值,直到和为负或遍历完成
int sum{ 0 };
for (int i = left; i < len; i++) {
sum += nums[i];
max_tmp = std::max(max_tmp, sum);
// 若当前和为负则重新找下一个正数
if (sum < 0) {
while (i < len - 1 && nums[++i] < 0) {}
if (i == len - 1) {
return std::max(max_tmp, nums[i]);
}
--i;
sum = 0;
}
}
return max_tmp;
}
};
官方思路一:动态规划
- 思路:类似于滚动数组的思想。若使用 p r e ( i ) pre(i) pre(i) 表示以下标 i i i 为结尾的“连续子数组最大和”,显然我们只需要滚动遍历寻找 max 0 ≤ i ≤ n − 1 { p r e ( i ) } \max_{0 \le i \le n-1}\{ pre(i)\} max0≤i≤n−1{pre(i)} 即可。那每一步如何计算 p r e ( i ) pre(i) pre(i) 呢?可以使用递推的思想,也就是: p r e ( i ) = max { p r e ( i − 1 ) + nums [ i ] , nums [ i ] } 且 p r e ( 0 ) = nums [ 0 ] pre(i) = \max \{ pre(i-1) + \textit{nums}[i], \textit{nums}[i] \} \; 且 \; pre(0) = \textit{nums}[0] pre(i)=max{pre(i−1)+nums[i],nums[i]}且pre(0)=nums[0]。
- 时间复杂度: O ( n ) O(n) O(n),其中 n n n 为 nums \textit{nums} nums 数组的长度。我们只需要遍历一遍数组即可求得答案。
- 空间复杂度: O ( 1 ) O(1) O(1)。我们只需要常数空间存放若干变量。
- 时间80ms(92.74%),内存64.91MB(55.59%)。
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int pre = 0, maxAns = nums[0];
for (const auto &x: nums) {
pre = max(pre + x, x); // 求解本步骤的pre(i)
maxAns = max(maxAns, pre); // 求解最大值
}
return maxAns;
}
};
官方思路二:分治
- 思路:我们想通过定义一个递归函数
get(nums,l,r)
表示查询nums
序列[l,r]
区间 的最大子段和,于是get(nums,0,nums.size()-1)
就可以直接完成题目。每次查询时,都将区间拆成左右两个子区间 [ l , m ] [l,m] [l,m]、 [ m + 1 , r ] [m+1,r] [m+1,r]( m = ⌊ l + r 2 ⌋ m = \lfloor \frac{l + r}{2} \rfloor m=⌊2l+r⌋),直到子区间长度为1,然后再逐级根据两个子区间的信息返回当前子区间的信息。每个区间的“信息”包括四个:
- lSum \textit{lSum} lSum 表示 [ l , r ] [l,r] [l,r] 内以 l l l 为左端点的最大子段和
- rSum \textit{rSum} rSum 表示 [ l , r ] [l,r] [l,r] 内以 r r r 为右端点的最大子段和
- mSum \textit{mSum} mSum 表示 [ l , r ] [l,r] [l,r] 内的最大子段和
- iSum \textit{iSum} iSum 表示 [ l , r ] [l,r] [l,r] 的区间和
显然区间长度为1时,四个量都等于序列值。区间长度大于1时:
- 首先最好维护的是 iSum \textit{iSum} iSum,区间 [ l , r ] [l,r] [l,r] 的 iSum \textit{iSum} iSum 就等于「左子区间」的 iSum \textit{iSum} iSum 加上「右子区间」的 iSum \textit{iSum} iSum。
- 对于 [ l , r ] [l,r] [l,r] 的 lSum \textit{lSum} lSum,存在两种可能,它要么等于「左子区间」的 lSum \textit{lSum} lSum,要么等于「左子区间」的 iSum \textit{iSum} iSum 加上「右子区间」的 lSum \textit{lSum} lSum,二者取大。
- 对于 [ l , r ] [l,r] [l,r] 的 rSum \textit{rSum} rSum,同理,它要么等于「右子区间」的 rSum \textit{rSum} rSum,要么等于「右子区间」的 iSum \textit{iSum} iSum 加上「左子区间」的 rSum \textit{rSum} rSum,二者取大。
- 当计算好上面的三个量之后,就很好计算 [ l , r ] [l,r] [l,r] 的 mSum \textit{mSum} mSum 了。我们可以考虑 [ l , r ] [l,r] [l,r] 的 mSum \textit{mSum} mSum 对应的区间是否跨越 m m m——它可能不跨越 m m m,也就是说 [ l , r ] [l,r] [l,r] 的 mSum \textit{mSum} mSum 可能是「左子区间」的 mSum \textit{mSum} mSum 和 「右子区间」的 mSum \textit{mSum} mSum 中的一个;它也可能跨越 m m m,可能是「左子区间」的 rSum \textit{rSum} rSum 和 「右子区间」的 lSum \textit{lSum} lSum 求和。三者取大。
- 时间92ms(63.50%),内存64.87MB(59.37%)。
力扣官方 注:这个分治方法类似于「线段树求解最长公共上升子序列问题」的
pushUp
操作。 也许读者还没有接触过线段树,没有关系,方法二的内容假设你没有任何线段树的基础。当然,如果读者有兴趣的话,推荐阅读线段树区间合并法解决多次询问的「区间最长连续上升序列问题」和「区间最大子段和问题」,还是非常有趣的。
class Solution {
public:
// 每个区间[l,r]都定义了四种量
struct Status {
int lSum, // 区间[l,r]内,以 l 为左端点的最大子段和
rSum, // 区间[l,r]内,以 r 为右端点的最大子段和
mSum, // 区间[l,r]内的最大子段和
iSum; // 区间[l,r]的区间和
};
// 根据左右子区间的信息,计算当前区间的信息
Status pushUp(Status l, Status r) {
int iSum = l.iSum + r.iSum;
int lSum = std::max(l.lSum, l.iSum + r.lSum);
int rSum = std::max(r.rSum, r.iSum + l.rSum);
int mSum = std::max(std::max(l.mSum, r.mSum), l.rSum + r.lSum);
return Status { lSum, rSum, mSum, iSum };
};
// 分治法:采用递归思想
Status get(std::vector<int>& a, int l, int r) {
// 长度为1,直接返回
if (l == r) {
return Status { a[l], a[l], a[l], a[l] };
}
// 将区间对半分,递归寻找每个子区间的信息
int m = (l + r) >> 1; // 区间的中点
Status lSub = get(a, l, m); // 左子区间
Status rSub = get(a, m + 1, r); // 右子区间
return pushUp(lSub, rSub); // 根据左右子区间信息,计算当前区间最大字段和
}
// 主函数
int maxSubArray(std::vector<int>& nums) {
return get(nums, 0, nums.size() - 1).mSum;
}
};
14. 中等-合并区间
15. 中等-轮转数组
16. 中等-除自身以外数组的乘积
17. 困难-缺失的第一个正数
矩阵
18. 中等-矩阵置零
19. 中等-螺旋矩阵
20. 中等-旋转图像
21. 中等-搜索二维矩阵II
我的思路
思路:
时间??ms(??%),内存??MB(??%)。
官方思路:
思路:
时间??ms(??%),内存??MB(??%)。