Merge branch 'master' into master

problems/0019.删除链表的倒数第N个节点.md

@@ -39,7 +39,7 @@
 
 分为如下几步：
 
-* 首先这里我推荐大家使用虚拟头结点，这样方面处理删除实际头结点的逻辑，如果虚拟头结点不清楚，可以看这篇： [链表：听说用虚拟头节点会方便很多？](https://programmercarl.com/0203.移除链表元素.html)
+* 首先这里我推荐大家使用虚拟头结点，这样方便处理删除实际头结点的逻辑，如果虚拟头结点不清楚，可以看这篇： [链表：听说用虚拟头节点会方便很多？](https://programmercarl.com/0203.移除链表元素.html)
 
 * 定义fast指针和slow指针，初始值为虚拟头结点，如图：
 

problems/0027.移除元素.md

@@ -81,7 +81,7 @@ public:
 
 **双指针法（快慢指针法）在数组和链表的操作中是非常常见的，很多考察数组、链表、字符串等操作的面试题，都使用双指针法。**
 
-后序都会一一介绍到，本题代码如下：
+后续都会一一介绍到，本题代码如下：
 
 ```CPP
 // 时间复杂度：O(n)

problems/0059.螺旋矩阵II.md

@@ -564,6 +564,57 @@ int** generateMatrix(int n, int* returnSize, int** returnColumnSizes){
     return ans;
 }
 ```
+Scala:
+```scala
+object Solution {
+  def generateMatrix(n: Int): Array[Array[Int]] = {
+    var res = Array.ofDim[Int](n, n) // 定义一个n*n的二维矩阵
+    var num = 1 // 标志当前到了哪个数字
+    var i = 0 // 横坐标
+    var j = 0 // 竖坐标
 
+    while (num <= n * n) {
+      // 向右：当j不越界，并且下一个要填的数字是空白时
+      while (j < n && res(i)(j) == 0) {
+        res(i)(j) = num // 当前坐标等于num
+        num += 1 // num++
+        j += 1 // 竖坐标+1
+      }
+      i += 1 // 下移一行
+      j -= 1 // 左移一列
+
+      // 剩下的都同上
+
+      // 向下
+      while (i < n && res(i)(j) == 0) {
+        res(i)(j) = num
+        num += 1
+        i += 1
+      }
+      i -= 1
+      j -= 1
+
+      // 向左
+      while (j >= 0 && res(i)(j) == 0) {
+        res(i)(j) = num
+        num += 1
+        j -= 1
+      }
+      i -= 1
+      j += 1
+
+      // 向上
+      while (i >= 0 && res(i)(j) == 0) {
+        res(i)(j) = num
+        num += 1
+        i -= 1
+      }
+      i += 1
+      j += 1
+    }
+    res
+  }
+}
+```
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/0070.爬楼梯完全背包版本.md

@@ -199,6 +199,28 @@ var climbStairs = function(n) {
 };
 ```
 
+TypeScript：
+
+```typescript
+function climbStairs(n: number): number {
+    const m: number = 2;    // 本题m为2
+    const dp: number[] = new Array(n + 1).fill(0);
+    dp[0] = 1;
+    // 遍历背包
+    for (let i = 1; i <= n; i++) {
+        // 遍历物品
+        for (let j = 1; j <= m; j++) {
+            if (j <= i) {
+                dp[i] += dp[i - j];
+            }
+        }
+    }
+    return dp[n];
+};
+```
+
+
+
 
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/0102.二叉树的层序遍历.md

@@ -82,6 +82,26 @@ public:
     }
 };
 ```
+```CPP
+# 递归法
+class Solution {
+public:
+    void order(TreeNode* cur, vector<vector<int>>& result, int depth)
+    {
+        if (cur == nullptr) return;
+        if (result.size() == depth) result.push_back(vector<int>());
+        result[depth].push_back(cur->val);
+        order(cur->left, result, depth + 1);
+        order(cur->right, result, depth + 1);
+    }
+    vector<vector<int>> levelOrder(TreeNode* root) {
+        vector<vector<int>> result;
+        int depth = 0;
+        order(root, result, depth);
+        return result;
+    }
+};
+```
 
 python3代码：
 

problems/0112.路径总和.md

@@ -377,22 +377,22 @@ class solution {
 
 ```java
 class solution {
-    public list<list<integer>> pathsum(treenode root, int targetsum) {
-        list<list<integer>> res = new arraylist<>();
+    public List<List<Integer>> pathsum(TreeNode root, int targetsum) {
+        List<List<Integer>> res = new ArrayList<>();
         if (root == null) return res; // 非空判断
-        
-        list<integer> path = new linkedlist<>();
+
+        List<Integer> path = new LinkedList<>();
         preorderdfs(root, targetsum, res, path);
         return res;
     }
 
-    public void preorderdfs(treenode root, int targetsum, list<list<integer>> res, list<integer> path) {
+    public void preorderdfs(TreeNode root, int targetsum, List<List<Integer>> res, List<Integer> path) {
         path.add(root.val);
         // 遇到了叶子节点
         if (root.left == null && root.right == null) {
             // 找到了和为 targetsum 的路径
             if (targetsum - root.val == 0) {
-                res.add(new arraylist<>(path));
+                res.add(new ArrayList<>(path));
             }
             return; // 如果和不为 targetsum，返回
         }
@@ -1006,6 +1006,126 @@ func traversal(_ cur: TreeNode?, count: Int) {
 }
 ```
 
+## C
+> 0112.路径总和
+递归法：
+```c
+bool hasPathSum(struct TreeNode* root, int targetSum){
+    // 递归结束条件：若当前节点不存在，返回false
+    if(!root)
+        return false;
+    // 若当前节点为叶子节点，且targetSum-root的值为0。（当前路径上的节点值的和满足条件）返回true
+    if(!root->right && !root->left && targetSum == root->val)
+        return true;
+    
+    // 查看左子树和右子树的所有节点是否满足条件
+    return hasPathSum(root->right, targetSum - root->val) || hasPathSum(root->left, targetSum - root->val);
+}
+```
+
+迭代法:
+```c
+// 存储一个节点以及当前的和
+struct Pair {
+    struct TreeNode* node;
+    int sum;
+};
+
+bool hasPathSum(struct TreeNode* root, int targetSum){
+    struct Pair stack[1000];
+    int stackTop = 0;
+
+    // 若root存在，则将节点和值封装成一个pair入栈
+    if(root) {
+        struct Pair newPair = {root, root->val};
+        stack[stackTop++] = newPair;
+    }
+
+    // 当栈不为空时
+    while(stackTop) {
+        // 出栈栈顶元素
+        struct Pair topPair = stack[--stackTop];
+        // 若栈顶元素为叶子节点，且和为targetSum时，返回true
+        if(!topPair.node->left && !topPair.node->right && topPair.sum == targetSum)
+            return true;
+        
+        // 若当前栈顶节点有左右孩子，计算和并入栈
+        if(topPair.node->left) {
+            struct Pair newPair = {topPair.node->left, topPair.sum + topPair.node->left->val};
+            stack[stackTop++] = newPair;
+        }
+        if(topPair.node->right) {
+            struct Pair newPair = {topPair.node->right, topPair.sum + topPair.node->right->val};
+            stack[stackTop++] = newPair;
+        }
+    }
+    return false;
+}
+```
+> 0113.路径总和 II
+```c
+int** ret;
+int* path;
+int* colSize;
+int retTop;
+int pathTop;
+
+void traversal(const struct TreeNode* const node, int count) {
+    // 若当前节点为叶子节点
+    if(!node->right && !node->left) {
+        // 若当前path上的节点值总和等于targetSum。
+        if(count == 0) {
+            // 复制当前path
+            int *curPath = (int*)malloc(sizeof(int) * pathTop);
+            memcpy(curPath, path, sizeof(int) * pathTop);
+            // 记录当前path的长度为pathTop
+            colSize[retTop] = pathTop;
+            // 将当前path加入到ret数组中
+            ret[retTop++] = curPath;
+        }
+        return;
+    }
+
+    // 若节点有左/右孩子
+    if(node->left) {
+        // 将左孩子的值加入path中
+        path[pathTop++] = node->left->val;
+        traversal(node->left, count - node->left->val);
+        // 回溯
+        pathTop--;
+    }
+    if(node->right) {
+        // 将右孩子的值加入path中
+        path[pathTop++] = node->right->val;
+        traversal(node->right, count - node->right->val);
+        // 回溯
+        --pathTop;
+    }
+}
+
+int** pathSum(struct TreeNode* root, int targetSum, int* returnSize, int** returnColumnSizes){
+    // 初始化数组
+    ret = (int**)malloc(sizeof(int*) * 1000);
+    path = (int*)malloc(sizeof(int*) * 1000);
+    colSize = (int*)malloc(sizeof(int) * 1000);
+    retTop = pathTop = 0;
+    *returnSize = 0;
+
+    // 若根节点不存在，返回空的ret
+    if(!root)
+        return ret;
+    // 将根节点加入到path中
+    path[pathTop++] = root->val;
+    traversal(root, targetSum - root->val);
+
+    // 设置返回ret数组大小，以及其中每个一维数组元素的长度
+    *returnSize = retTop;
+    *returnColumnSizes = colSize;
+
+    return ret;
+}
+```
+
 
 
 -----------------------

problems/0139.单词拆分.md

@@ -345,6 +345,48 @@ const wordBreak = (s, wordDict) => {
 }
 ```
 
+TypeScript：
+
+> 动态规划
+
+```typescript
+function wordBreak(s: string, wordDict: string[]): boolean {
+    const dp: boolean[] = new Array(s.length + 1).fill(false);
+    dp[0] = true;
+    for (let i = 1; i <= s.length; i++) {
+        for (let j = 0; j < i; j++) {
+            const tempStr: string = s.slice(j, i);
+            if (wordDict.includes(tempStr) && dp[j] === true) {
+                dp[i] = true;
+                break;
+            }
+        }
+    }
+    return dp[s.length];
+};
+```
+
+> 记忆化回溯
+
+```typescript
+function wordBreak(s: string, wordDict: string[]): boolean {
+    // 只需要记忆结果为false的情况
+    const memory: boolean[] = [];
+    return backTracking(s, wordDict, 0, memory);
+    function backTracking(s: string, wordDict: string[], startIndex: number, memory: boolean[]): boolean {
+        if (startIndex >= s.length) return true;
+        if (memory[startIndex] === false) return false;
+        for (let i = startIndex + 1, length = s.length; i <= length; i++) {
+            const str: string = s.slice(startIndex, i);
+            if (wordDict.includes(str) && backTracking(s, wordDict, i, memory))
+                return true;
+        }
+        memory[startIndex] = false;
+        return false;
+    }
+};
+```
+
 
 
 -----------------------

problems/0198.打家劫舍.md

@@ -189,6 +189,29 @@ const rob = nums => {
 };
 ```
 
+TypeScript：
+
+```typescript
+function rob(nums: number[]): number {
+    /**
+        dp[i]: 前i个房屋能偷到的最大金额
+        dp[0]: nums[0];
+        dp[1]: max(nums[0], nums[1]);
+        ...
+        dp[i]: max(dp[i-1], dp[i-2]+nums[i]);
+     */
+    const length: number = nums.length;
+    if (length === 1) return nums[0];
+    const dp: number[] = [];
+    dp[0] = nums[0];
+    dp[1] = Math.max(nums[0], nums[1]);
+    for (let i = 2; i < length; i++) {
+        dp[i] = Math.max(dp[i - 1], dp[i - 2] + nums[i]);
+    }
+    return dp[length - 1];
+};
+```
+
 
 
 

problems/0203.移除链表元素.md

@@ -478,6 +478,36 @@ impl Solution {
     }
 }
 ```
-
+Scala:
+```scala
+/**
+ * Definition for singly-linked list.
+ * class ListNode(_x: Int = 0, _next: ListNode = null) {
+ *   var next: ListNode = _next
+ *   var x: Int = _x
+ * }
+ */
+object Solution {
+  def removeElements(head: ListNode, `val`: Int): ListNode = {
+    if (head == null) return head
+    var dummy = new ListNode(-1, head) // 定义虚拟头节点
+    var cur = head // cur 表示当前节点
+    var pre = dummy // pre 表示cur前一个节点
+    while (cur != null) {
+      if (cur.x == `val`) {
+        // 相等，就删除那么cur的前一个节点pre执行cur的下一个
+        pre.next = cur.next
+      } else {
+        // 不相等，pre就等于当前cur节点
+        pre = cur
+      }
+      // 向下迭代
+      cur = cur.next
+    }
+    // 最终返回dummy的下一个，就是链表的头
+    dummy.next
+  }
+}
+```
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/0209.长度最小的子数组.md

@@ -400,6 +400,54 @@ class Solution {
     }
 }
 ```
+Scala:
+
+滑动窗口:
+```scala
+object Solution {
+  def minSubArrayLen(target: Int, nums: Array[Int]): Int = {
+    var result = Int.MaxValue // 返回结果，默认最大值
+    var left = 0 // 慢指针，当sum>=target，向右移动
+    var sum = 0 // 窗口值的总和
+    for (right <- 0 until nums.length) {
+      sum += nums(right)
+      while (sum >= target) {
+        result = math.min(result, right - left + 1) // 产生新结果
+        sum -= nums(left) // 左指针移动，窗口总和减去左指针的值
+        left += 1 // 左指针向右移动
+      }
+    }
+    // 相当于三元运算符，return关键字可以省略
+    if (result == Int.MaxValue) 0 else result
+  }
+}
+```
+
+暴力解法:
+```scala
+object Solution {
+  def minSubArrayLen(target: Int, nums: Array[Int]): Int = {
+    import scala.util.control.Breaks
+    var res = Int.MaxValue
+    var subLength = 0
+    for (i <- 0 until nums.length) {
+      var sum = 0
+      Breaks.breakable(
+        for (j <- i until nums.length) {
+          sum += nums(j)
+          if (sum >= target) {
+            subLength = j - i + 1
+            res = math.min(subLength, res)
+            Breaks.break()
+          }
+        }
+      )
+    }
+    // 相当于三元运算符
+    if (res == Int.MaxValue) 0 else res
+  }
+}
+```
 
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/0213.打家劫舍II.md

@@ -165,7 +165,30 @@ const robRange = (nums, start, end) => {
   return dp[end]
 }
 ```
+TypeScript：
+
+```typescript
+function rob(nums: number[]): number {
+    const length: number = nums.length;
+    if (length === 0) return 0;
+    if (length === 1) return nums[0];
+    return Math.max(robRange(nums, 0, length - 2),
+        robRange(nums, 1, length - 1));
+};
+function robRange(nums: number[], start: number, end: number): number {
+    if (start === end) return nums[start];
+    const dp: number[] = [];
+    dp[start] = nums[start];
+    dp[start + 1] = Math.max(nums[start], nums[start + 1]);
+    for (let i = start + 2; i <= end; i++) {
+        dp[i] = Math.max(dp[i - 1], dp[i - 2] + nums[i]);
+    }
+    return dp[end];
+}
+```
+
 Go：
+
 ```go
 // 打家劫舍Ⅱ 动态规划
 // 时间复杂度O(n) 空间复杂度O(n)

problems/0279.完全平方数.md

@@ -355,5 +355,24 @@ var numSquares2 = function(n) {
 };
 ```
 
+TypeScript：
+
+```typescript
+function numSquares(n: number): number {
+    const goodsNum: number = Math.floor(Math.sqrt(n));
+    const dp: number[] = new Array(n + 1).fill(Infinity);
+    dp[0] = 0;
+    for (let i = 1; i <= goodsNum; i++) {
+        const tempVal: number = i * i;
+        for (let j = tempVal; j <= n; j++) {
+            dp[j] = Math.min(dp[j], dp[j - tempVal] + 1);
+        }
+    }
+    return dp[n];
+};
+```
+
+
+
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/0322.零钱兑换.md

@@ -340,7 +340,21 @@ const coinChange = (coins, amount) => {
 }
 ```
 
+TypeScript：
 
+```typescript
+function coinChange(coins: number[], amount: number): number {
+    const dp: number[] = new Array(amount + 1).fill(Infinity);
+    dp[0] = 0;
+    for (let i = 0; i < coins.length; i++) {
+        for (let j = coins[i]; j <= amount; j++) {
+            if (dp[j - coins[i]] === Infinity) continue;
+            dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);
+        }
+    }
+    return dp[amount] === Infinity ? -1 : dp[amount];
+};
+```
 
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/0377.组合总和Ⅳ.md

@@ -221,7 +221,27 @@ const combinationSum4 = (nums, target) => {
 };
 ```
 
+TypeScript：
+
+```typescript
+function combinationSum4(nums: number[], target: number): number {
+    const dp: number[] = new Array(target + 1).fill(0);
+    dp[0] = 1;
+    // 遍历背包
+    for (let i = 1; i <= target; i++) {
+        // 遍历物品
+        for (let j = 0, length = nums.length; j < length; j++) {
+            if (i >= nums[j]) {
+                dp[i] += dp[i - nums[j]];
+            }
+        }
+    }
+    return dp[target];
+};
+```
+
 Rust 
+
 ```Rust
 impl Solution {
     pub fn combination_sum4(nums: Vec<i32>, target: i32) -> i32 {

problems/0416.分割等和子集.md

@@ -416,6 +416,108 @@ var canPartition = function(nums) {
 };
 ```
 
+
+C:
+二维dp：
+```c
+/**
+1. dp数组含义：dp[i][j]为背包重量为j时，从[0-i]元素和最大值
+2. 递推公式：dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - nums[i]] + nums[i])
+3. 初始化：dp[i][0]初始化为0。因为背包重量为0时，不可能放入元素。dp[0][j] = nums[0]，当j >= nums[0] && j < target时
+4. 遍历顺序：先遍历物品，再遍历背包
+*/
+#define MAX(a, b) (((a) > (b)) ? (a) : (b))
+
+int getSum(int* nums, int numsSize) {
+    int sum = 0;
+
+    int i;
+    for(i = 0; i < numsSize; ++i) {
+        sum += nums[i];
+    }
+    return sum;
+}
+
+bool canPartition(int* nums, int numsSize){
+    // 求出元素总和
+    int sum = getSum(nums, numsSize);
+    // 若元素总和为奇数，则不可能得到两个和相等的子数组
+    if(sum % 2)
+        return false;
+
+    // 若子数组的和等于target，则nums可以被分割
+    int target = sum / 2;
+    // 初始化dp数组
+    int dp[numsSize][target + 1];
+    // dp[j][0]都应被设置为0。因为当背包重量为0时，不可放入元素
+    memset(dp, 0, sizeof(int) * numsSize * (target + 1));
+
+    int i, j;
+    // 当背包重量j大于nums[0]时，可以在dp[0][j]中放入元素nums[0]
+    for(j = nums[0]; j <= target; ++j) {
+        dp[0][j] = nums[0];
+    }
+
+    for(i = 1; i < numsSize; ++i) {
+        for(j = 1; j <= target; ++j) {
+            // 若当前背包重量j小于nums[i]，则其值等于只考虑0到i-1物品时的值
+            if(j < nums[i])
+                dp[i][j] = dp[i - 1][j];
+            // 否则，背包重量等于在背包中放入num[i]/不放入nums[i]的较大值
+            else
+                dp[i][j] = MAX(dp[i - 1][j], dp[i - 1][j  - nums[i]] + nums[i]);
+        }
+    }
+    // 判断背包重量为target，且考虑到所有物品时，放入的元素和是否等于target
+    return dp[numsSize - 1][target] == target;
+}
+```
+滚动数组：
+```c
+/**
+1. dp数组含义：dp[j]为背包重量为j时，其中可放入元素的最大值
+2. 递推公式：dp[j] = max(dp[j], dp[j - nums[i]] + nums[i])
+3. 初始化：均初始化为0即可
+4. 遍历顺序：先遍历物品，再后序遍历背包
+*/
+#define MAX(a, b) (((a) > (b)) ? (a) : (b))
+
+int getSum(int* nums, int numsSize) {
+    int sum = 0;
+
+    int i;
+    for(i = 0; i < numsSize; ++i) {
+        sum += nums[i];
+    }
+    return sum;
+}
+
+bool canPartition(int* nums, int numsSize){
+    // 求出元素总和
+    int sum = getSum(nums, numsSize);
+    // 若元素总和为奇数，则不可能得到两个和相等的子数组
+    if(sum % 2)
+        return false;
+    // 背包容量
+    int target = sum / 2;
+
+    // 初始化dp数组，元素均为0
+    int dp[target + 1];
+    memset(dp, 0, sizeof(int) * (target + 1));
+
+    int i, j;
+    // 先遍历物品，后遍历背包
+    for(i = 0; i < numsSize; ++i) {
+        for(j = target; j >= nums[i]; --j) {
+            dp[j] = MAX(dp[j], dp[j - nums[i]] + nums[i]);
+        }
+    }
+    
+    // 查看背包容量为target时，元素总和是否等于target
+    return dp[target] == target;
+}
+```
+
 TypeScript:
 
 > 一维数组，简洁

problems/0701.二叉搜索树中的插入操作.md

@@ -279,7 +279,7 @@ class Solution:
             root.right = self.insertIntoBST(root.right, val)
 
         # 返回更新后的以当前root为根节点的新树
-        return roo
+        return root
 ```
 
 **递归法** - 无返回值

problems/0977.有序数组的平方.md

@@ -382,5 +382,42 @@ class Solution {
 }
 ```
 
+Scala:
+
+双指针:
+```scala
+object Solution {
+  def sortedSquares(nums: Array[Int]): Array[Int] = {
+    val res: Array[Int] = new Array[Int](nums.length)
+    var top = nums.length - 1
+    var i = 0
+    var j = nums.length - 1
+    while (i <= j) {
+      if (nums(i) * nums(i) <= nums(j) * nums(j)) {
+        // 当左侧平方小于等于右侧，res数组顶部放右侧的平方，并且top下移，j左移
+        res(top) = nums(j) * nums(j)
+        top -= 1
+        j -= 1
+      } else {
+        // 当左侧平方大于右侧，res数组顶部放左侧的平方，并且top下移，i右移
+        res(top) = nums(i) * nums(i)
+        top -= 1
+        i += 1
+      }
+    }
+    res
+  }
+}
+```
+骚操作(暴力思路):
+```scala
+object Solution {
+  def sortedSquares(nums: Array[Int]): Array[Int] = {
+    nums.map(x=>{x*x}).sortWith(_ < _)
+  }
+}
+```
+
+
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/1005.K次取反后最大化的数组和.md

@@ -209,6 +209,22 @@ var largestSumAfterKNegations = function(nums, k) {
         return a + b
     })
 };
+
+// 版本二 (优化: 一次遍历)
+var largestSumAfterKNegations = function(nums, k) {
+    nums.sort((a, b) => Math.abs(b) - Math.abs(a)); // 排序
+    let sum = 0;
+    for(let i = 0; i < nums.length; i++) {
+        if(nums[i] < 0 && k-- > 0) { // 负数取反（k 数量足够时）
+            nums[i] = -nums[i];
+        }
+        sum += nums[i]; // 求和
+    }
+    if(k % 2 > 0) { // k 有多余的（k若消耗完则应为 -1）
+        sum -= 2 * nums[nums.length - 1]; // 减去两倍的最小值（因为之前加过一次）
+    }
+    return sum;
+};
 ```
 
 

problems/背包理论基础01背包-1.md

@@ -432,6 +432,54 @@ function test () {
 test();
 ```
 
+
+### C
+```c
+#include <stdio.h>
+#include <stdlib.h>
+#include <string.h>
+
+#define MAX(a, b) (((a) > (b)) ? (a) : (b))
+#define ARR_SIZE(a) (sizeof((a)) / sizeof((a)[0]))
+#define BAG_WEIGHT 4
+
+void backPack(int* weights, int weightSize, int* costs, int costSize, int bagWeight) {
+    // 开辟dp数组
+    int dp[weightSize][bagWeight + 1];
+    memset(dp, 0, sizeof(int) * weightSize * (bagWeight + 1));
+    
+    int i, j;
+    // 当背包容量大于物品0的重量时，将物品0放入到背包中
+    for(j = weights[0]; j <= bagWeight; ++j) {
+        dp[0][j] = costs[0];
+    }
+
+    // 先遍历物品，再遍历重量
+    for(j = 1; j <= bagWeight; ++j) {
+        for(i = 1; i < weightSize; ++i) {
+            // 如果当前背包容量小于物品重量
+            if(j < weights[i])
+                // 背包物品的价值等于背包不放置当前物品时的价值
+                dp[i][j] = dp[i-1][j];
+            // 若背包当前重量可以放置物品
+            else
+                // 背包的价值等于放置该物品或不放置该物品的最大值
+                dp[i][j] = MAX(dp[i - 1][j],  dp[i - 1][j - weights[i]] + costs[i]);
+        }
+    }
+
+    printf("%d\n", dp[weightSize - 1][bagWeight]);
+}
+
+int main(int argc, char* argv[]) {
+    int weights[] = {1, 3, 4};
+    int costs[] = {15, 20, 30};
+    backPack(weights, ARR_SIZE(weights), costs, ARR_SIZE(costs), BAG_WEIGHT);
+    return 0;
+}
+```
+
+
 ### TypeScript
 
 ```typescript

problems/背包理论基础01背包-2.md

@@ -137,6 +137,8 @@ dp[1] = dp[1 - weight[0]] + value[0] = 15
 
 因为一维dp的写法，背包容量一定是要倒序遍历（原因上面已经讲了），如果遍历背包容量放在上一层，那么每个dp[j]就只会放入一个物品，即：背包里只放入了一个物品。
 
+倒序遍历的原因是，本质上还是一个对二维数组的遍历，并且右下角的值依赖上一层左上角的值，因此需要保证左边的值仍然是上一层的，从右向左覆盖。
+
 （这里如果读不懂，就在回想一下dp[j]的定义，或者就把两个for循环顺序颠倒一下试试！）
 
 **所以一维dp数组的背包在遍历顺序上和二维其实是有很大差异的！**，这一点大家一定要注意。
@@ -315,6 +317,40 @@ function test () {
 test();
 ```
 
+### C
+```c
+#include <stdio.h>
+#include <string.h>
+
+#define MAX(a, b) (((a) > (b)) ? (a) : (b))
+#define ARR_SIZE(arr) ((sizeof((arr))) / sizeof((arr)[0]))
+#define BAG_WEIGHT 4
+
+void test_back_pack(int* weights, int weightSize, int* values, int valueSize, int bagWeight) {
+    int dp[bagWeight + 1];
+    memset(dp, 0, sizeof(int) * (bagWeight + 1));
+
+    int i, j;
+    // 先遍历物品
+    for(i = 0; i < weightSize; ++i) {
+        // 后遍历重量。从后向前遍历
+        for(j = bagWeight; j >= weights[i]; --j) {
+            dp[j] = MAX(dp[j], dp[j - weights[i]] + values[i]);
+        }
+    }
+
+    // 打印最优结果
+    printf("%d\n", dp[bagWeight]);
+}
+
+int main(int argc, char** argv) {
+    int weights[] = {1, 3, 4};
+    int values[] = {15, 20, 30};
+    test_back_pack(weights, ARR_SIZE(weights), values, ARR_SIZE(values), BAG_WEIGHT);
+    return 0;
+}
+```
+
 ### TypeScript
 
 ```typescript

problems/背包问题理论基础多重背包.md

@@ -334,6 +334,64 @@ func Test_multiplePack(t *testing.T) {
 PASS
 ```
 
+TypeScript：
+
+> 版本一（改变数据源）：
+
+```typescript
+function testMultiPack() {
+  const bagSize: number = 10;
+  const weightArr: number[] = [1, 3, 4],
+    valueArr: number[] = [15, 20, 30],
+    amountArr: number[] = [2, 3, 2];
+  for (let i = 0, length = amountArr.length; i < length; i++) {
+    while (amountArr[i] > 1) {
+      weightArr.push(weightArr[i]);
+      valueArr.push(valueArr[i]);
+      amountArr[i]--;
+    }
+  }
+  const goodsNum: number = weightArr.length;
+  const dp: number[] = new Array(bagSize + 1).fill(0);
+  // 遍历物品
+  for (let i = 0; i < goodsNum; i++) {
+    // 遍历背包容量
+    for (let j = bagSize; j >= weightArr[i]; j--) {
+      dp[j] = Math.max(dp[j], dp[j - weightArr[i]] + valueArr[i]);
+    }
+  }
+  console.log(dp);
+}
+testMultiPack();
+```
+
+> 版本二（改变遍历方式）：
+
+```typescript
+function testMultiPack() {
+  const bagSize: number = 10;
+  const weightArr: number[] = [1, 3, 4],
+    valueArr: number[] = [15, 20, 30],
+    amountArr: number[] = [2, 3, 2];
+  const goodsNum: number = weightArr.length;
+  const dp: number[] = new Array(bagSize + 1).fill(0);
+  // 遍历物品
+  for (let i = 0; i < goodsNum; i++) {
+    // 遍历物品个数
+    for (let j = 0; j < amountArr[i]; j++) {
+      // 遍历背包容量
+      for (let k = bagSize; k >= weightArr[i]; k--) {
+        dp[k] = Math.max(dp[k], dp[k - weightArr[i]] + valueArr[i]);
+      }
+    }
+  }
+  console.log(dp);
+}
+testMultiPack();
+```
+
+
+
 
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/链表理论基础.md

@@ -210,6 +210,13 @@ type ListNode struct {
 }
 ```
 
+Scala:
+```scala
+class ListNode(_x: Int = 0, _next: ListNode = null) {
+  var next: ListNode = _next
+  var x: Int = _x
+}
+```
 
 
 -----------------------