随笔分类 - 算法和数据结构
摘要：1.二叉树最大深度 思路： 如果节点为空 (root null)，表示这一部分的深度是 0。 如果节点不为空，递归地计算左子树和右子树的深度，然后返回左右子树深度的最大值加上 1（表示当前节点的深度） 代码实现： function maxDepth(root) { // 基本情况：如果节点为空，深度
阅读全文
摘要：问题描述： 给定一个整数数组 nums，要求找到一个连续的子数组（至少包含一个元素），使得该子数组的和最大。返回这个最大和 输入: [-2,1,-3,4,-1,2,1,-5,4]输出: 6解释: 子数组 [4,-1,2,1] 的和最大，为 6。 解决方法 这个问题可以使用动态规划来求解。 动态规划转
阅读全文
摘要：爬楼梯问题是一个经典的动态规划问题，通常表述为：一个人站在楼梯的底部，每次可以选择爬 1 级或 2 级楼梯，问到达楼顶有多少种不同的方式。 问题分析 每次可以选择向上爬 1 层楼梯，或者 2 层楼梯。 假设我们在第 n 层楼梯，那么在到达第 n 层楼梯时，前一步可以是从第 n-1 层楼梯爬上来的，或
阅读全文
摘要：一个峰值元素是指一个元素，它大于或等于它的左右邻居（如果有的话）。 问题描述 给定一个整数数组 nums，请找出其中的一个峰值元素，并返回它的索引。 你可以假设数组的左右边界的元素永远是负无穷。 例如，nums = [1, 2, 3, 1]，则峰值元素是 3，返回其索引 2。 解法思路 我们可以利用
阅读全文
摘要：常数时间 O(1) 指的是无论数据量多大，操作的执行时间都保持恒定不变，不会随着输入规模增加而增加。换句话说，不管栈中有 10 个元素还是 10 万个元素，执行某个操作（如获取最小元素）所需的时间都是一样的。 例： 示例: MinStack minStack = new MinStack(); mi
阅读全文
摘要：给定一个只包括 '('，')'，'{'，'}'，'['，']' 的字符串 s ，判断字符串是否有效,例： 输入：() -> 返回 true 输入：()[]{} -> 返回 true 输入：(] -> 返回 false 输入：([)] -> 返回 false 输入：{[]} -> 返回true 示例表
阅读全文
摘要：https://zhuanlan.zhihu.com/p/9179488776
阅读全文
摘要：哈希表是什么 是一种用于存储键值对（key-value pair）的数据结构。在哈希表中，通过哈希函数将键（key）映射到数组的某个位置（索引），然后在该位置存储对应的值（value）。 哈希表适用于处理需要根据键快速查找的场景，如数据库索引、缓存等。 哈希表的关键特性： 键的唯一性：每个键在哈希表
阅读全文
摘要：链表（Linked List）是一种线性数据结构，它由一系列的节点组成，其中每个节点包含两部分： 数据部分：存储节点的实际数据。 指针部分：存储指向下一个节点的引用（或指针）。 与数组不同，链表中的元素不需要在内存中是连续的。每个节点通过指针连接到下一个节点，形成一个链式结构。 链表有多个变种，包括
阅读全文
摘要：栈（Stack） 栈是一种遵循 后进先出（LIFO, Last In First Out）原则的数据结构。也就是说，最后被放入栈中的元素会最先被取出。 push()：将一个或多个元素添加到数组的末尾，返回新数组的长度。 pop()：移除数组的最后一个元素，并返回该元素。 peek()（自定义方法）：
阅读全文
摘要：数组中找到两个数，它们的和等于给定的目标值 判断一个字符串是否是回文字符串 二分查找法(变种的：数组峰值) 快速排序算法 动态规划： 爬楼梯 最小子序列和 栈的应用： 括号匹配 常数时间内找出栈中的最小元素 随机数相关： js抽奖算法 js生成指定范围的随机数 深拷贝函数的实现 双指针边界总结
阅读全文
摘要：在一个给定的数字数组中找到两个数，它们的和等于给定的目标值。可以通过多种方法来解决这个问题，以下是两种常见且高效的解决方案。 方法 1：使用哈希表 (Set 或 Map) 通过哈希表来存储已经遍历过的数字，利用哈希表的快速查找特性来实现。在遍历数组的同时，检查当前数字与目标值的差值是否已经存在于哈希
阅读全文
摘要：回文字符串是指正着读和反着读都相同的字符串。比如 "racecar" 或 "level"。 方法 1：使用双指针法 通过使用两个指针，一个指向字符串的开始，另一个指向字符串的结束，逐个比较字符。 function isPalindrome(str) { let left = 0; let right
阅读全文
摘要：一、常用排序算法 快速排序 插入排序 归并排序 二、使用场景 排序算法适用场景时间复杂度（平均）时间复杂度（最坏）空间复杂度是否稳定 快速排序（Quick Sort） 大规模数据、随机数据、数组排序 O(n log n) O(n²)（选错 Pivot） O(log n)（原地排序） ❌ 不稳定 插入
阅读全文
摘要：LRU 缓存算法基于一个基本假设：如果一个数据长时间没有被访问，那么它未来也很可能不会再被访问。因此，当缓存达到上限时，应该淘汰掉最久未被访问的数据。 过期时间：缓存项有一个时间戳（timestamp），每次访问时都会重新设置一个新的过期时间 maxAge，如果缓存项超过 maxAge 设定的过期时
阅读全文
摘要：核心思路： 设定概率： 奖项1概率：5% 即 [0 - 0.05) 的范围 奖项2率：10%. 即 [0.05 - 0.1) 的范围。注：为什么是从0.05开始？因为<0.05的话就是中了上一个奖 不中奖. 即 [0.05 - 1) 的范围 要提高中奖难度，可以通过 缩小中奖概率区间 来减少中奖的机
阅读全文
摘要：使用JSON.parse(Json.stringify())实现深拷贝有哪些坑? 如果属性值是undefined、或者函数，序列化后属性丢失； 如果属性值是RegExp、Error对象，序列化后值是{}; 如果属性值是NaN、Infinity和-Infinity，则序列化的结果会变成null 因此一
阅读全文
摘要：插入排序跟打扑克牌一样，每次抽一张牌，按照从小到大的顺序插入到手里的正确位置，操作过程如下： 你从桌面上拿起第一张牌（已经排序）。 拿起第二张牌，插入到正确的位置。 拿起第三张牌，找到它应该在手中的位置，插入。 依次遍历每张牌，找到合适的位置插入。 速记口诀如下：左边有序，右边待插，拿起一张，插入应
阅读全文
摘要：1.矩形相交检测算法 两个矩形相交有如下四种情况： 如果两个矩形，假设为o1和o2,若两者相交，那么矩形o1、o2的中心点与矩形的边长是有一定关系的，如下图： if(Math.abs(x0 - x1) <= o1.width/2 + o2.width /2 && Math.abs(y0- y1) <
阅读全文
摘要：归并排序的时间复杂度是 O(n log n)，不论是最坏、最好还是平均情况，因此它是一个非常高效的排序算法。 归并排序的空间复杂度是 O(n)，因为它需要额外的空间来存储合并过程中的临时数组。 示意图 实现 先拆分（Divide）：不断将数组拆成左右两半，直到每个子数组只剩一个元素。 1. 递归法（
阅读全文
浙公网安备 33010602011771号