随笔分类 - LeetCode
摘要：假设最大子串为[i…k],那么其前缀之和sum[i…j](jsum[i…k]，这与假设相反。得到这一结论，我们就可以设置一个临时变量用来计算前k个输之和，若为负，则将其置为0，否则判断其是否比当前最大值大。当k=n时，就找到了最大子串。class Solution {public: int maxS...
阅读全文
摘要：这道题很容易得出递推关系了，因为每个数只能由其上一层相邻的左右两个数走到，所以dp[i][k]=min(dp[i-1][k],dp[i-1][k+1])+triangle[i][k]，由于我们只关心最小的数，所以其实可以直接用原来的数组存放中间值，到了最后一层中到达每个数的最小值的最小就是所求结...
阅读全文
摘要：典型的背包问题，假设小于n的完全平方数为Si,那么dp[n]=min(dp[n-S1],dp[n-S2],…dp[n-Si])+1class Solution {public: int numSquares(int n) { vectordp(n + 1, INT_MAX); dp[0]=0; ...
阅读全文
摘要：首先BST的定义为左子树每个结点小于根结点，右子树每个结点大于根节点。假设序列为[1…n]，最大BST为dp[n],那么我们知道所有的BST为以每个数k(1dp(n + 1, 0); dp[0] = dp[1] = 1; for (int i = 2; i < n + 1;++i) for...
阅读全文
摘要：很标准的动态规划，容易得到递推公式dp(i)=dp(i-num[0])+dp(i-num[1])+......dp(i-num[n])。 也就是最后一个数字可以是数组中的任何一个小于target的数字，然后把所有的加起来 比如例子{1,2,3,4}，则dp(4)=dp(0)+dp(1)+...
阅读全文
摘要：这道题直接依次比较字符就行了，相等就移动，如果s先移完，那说明是子串，如果t先移完，说明不是 class Solution {public: bool isSubsequence(string s, string t) { if (s.size() == 0) return 1; if...
阅读全文
摘要：起初发现这道题很像子串问题，我们只需要求出每个连续的Slices的长度，然后计算每个连续Slices的子串个数即可。假设某个连续的串长度为N，那么它所包含的子串个数为(N-1)*(N-2)/2，很简单的数学问题 class Solution { public: int numberOfArith...
阅读全文
摘要：动态规划，小偷有两种选择： 1.偷最后一个房子，则倒数第二个房子不能再偷 2.不偷最后一个房子 所以问题可以简化为r[i]=max{r[i-1],r[i-2]+i} 1 class Solution { 2 public: 3 int rob(vector<int>& nums) { 4 int n
阅读全文
摘要：动态规划问题，刚开始想直接写个二维数组，然后存下所有sum[i,j]，后来发现测试案例有1W，然后RUN TIME ERROR了 后来发现其实只需要一维数组就可以解决，sum[i]存储i之前所有值的和，求解sum[i,j]=sum[j]-sum[i-1] 还有就是数组为空时返回0，感觉这个测试案...
阅读全文
摘要：思路：这道题其实本质是一个排序问题，将pair元素排列，使得前面大于它的first元素的个数等于second。 思考一下很容易发现，对于那些height最低的元素，second就是他们的位置，所以可以直接先排列height最低的元素，排完之后会发现其实剩下的与之前类似，排第二低元素的时候只是有些位置
阅读全文
摘要：思路：这道题很简单，利用递归定义，一棵树的高度等于左右子树高度较大的加1，对于空树或者只有一个节点的数，高度为1。
阅读全文
摘要：思路： 这道题的核心是判断一个数是否为素数，但是如果利用最简单的将n以内的数遍历会超时。 新的思路为那些素数的倍数的数为合数，所以可以将这些数排除，而对于一个素数p，只需要从p2开始排除，因为之前的数已经被更小的素数排除了。最后还有一点可以改进，就是p只需要判断到就可以了，以为此时p2已经大于n了。
阅读全文
摘要：这道题的本质是求连续最大子区间问题，将数组中的每个元素转换为与前一位的差，那么最大的子区间就是收益最高的区间。 在求最大子区间时，可以想到，如果将区间分为两部分，那么最大子区间可能是左边区间的子区间，右边区间的子区间，也可能跨越中点的区间。对于左右子区间，可以很容易转化为递归步，所以只需要计算跨越中
阅读全文
摘要：很简单的二叉树遍历问题，递归定义：两颗树相等=根相等+左子树相等+右子树相等。特殊处理根为空的情况，很容易写出递归的实现。 非递归的话深度遍历使用栈，层次遍历使用队列。
阅读全文
摘要：很经典的递归题，爬楼梯的方法=最后走1步+最后走2步，所以很容易就能写出递归算法。然而发现超时了，知道需要使用动态编程。其实上面的也是动态编程的思路，只不过动态编程将中间结果保存，这样其实遍历一次就能得到结果。 现在重新思考了一下动态编程和分治的相同于区别： 相同点：都需要寻找子问题，由子问题的解得
阅读全文
摘要：方法1：平凡思路从前往后比较，小于等于就停止，O(n)。 方法2：在学习二分查找的时候知道二分查找不仅可以查找到元素是否存在，如果查找不到，那么停止的位置就是插入的位置。所以重新写一遍二分查找就好了，二分查找也有递归和非递归的，比较喜欢非递归，O(logn)。 遍历法： 二分法：
阅读全文
摘要：归并排序的归并步骤，只不过这里使用的是链表，但是归并并不需要随机访问，所以处理链表和数组的思路是一样的。 设需要归并的两个链表分别为p,q(默认为升序排列)，比较p和q最左边的元素大小，较小的向后移动，直到一个走到了链表末尾。将没有走完的链表接到已排好序的链表后面即可。
阅读全文
摘要：方法1：由于链表不能随机访问，所以很自然的想法是第一遍得到链表长度，然后计算倒数第n个结点的位置，但这样时间复杂度O(n2)，想到用空间换取时间，可以用一个地址数组存储每个结点的地址，然后直接删除掉倒数第n个，返回头结点。 方法2：上面的方法虽然时间复杂度达到了线性，但是需要额外的空间，更好的方法是
阅读全文
浙公网安备 33010602011771号