diff --git a/README.md b/README.md index eddc37a1..5121dd29 100644 --- a/README.md +++ b/README.md @@ -571,7 +571,7 @@ 也欢迎与我交流,备注:「个人简单介绍」 + 交流,围观朋友圈,做点赞之交(备注没有自我介绍不通过哦) -
+
# 公众号 diff --git a/problems/0188.买卖股票的最佳时机IV.md b/problems/0188.买卖股票的最佳时机IV.md index 49e5342b..840e268c 100644 --- a/problems/0188.买卖股票的最佳时机IV.md +++ b/problems/0188.买卖股票的最佳时机IV.md @@ -71,14 +71,14 @@ vector> dp(prices.size(), vector(2 * k + 1, 0)); * 操作一:第i天买入股票了,那么dp[i][1] = dp[i - 1][0] - prices[i] * 操作二:第i天没有操作,而是沿用前一天买入的状态,即:dp[i][1] = dp[i - 1][1] -选最大的,所以 dp[i][1] = max(dp[i - 1][0] - prices[i], dp[i - 1][0]); +选最大的,所以 dp[i][1] = max(dp[i - 1][0] - prices[i], dp[i - 1][1]); 同理dp[i][2]也有两个操作: * 操作一:第i天卖出股票了,那么dp[i][2] = dp[i - 1][1] + prices[i] * 操作二:第i天没有操作,沿用前一天卖出股票的状态,即:dp[i][2] = dp[i - 1][2] -所以dp[i][2] = max(dp[i - 1][i] + prices[i], dp[i][2]) +所以dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2]) 同理可以类比剩下的状态,代码如下: diff --git a/problems/0347.前K个高频元素.md b/problems/0347.前K个高频元素.md index 43706b83..4a682779 100644 --- a/problems/0347.前K个高频元素.md +++ b/problems/0347.前K个高频元素.md @@ -64,6 +64,8 @@ 那么问题来了,定义一个大小为k的大顶堆,在每次移动更新大顶堆的时候,每次弹出都把最大的元素弹出去了,那么怎么保留下来前K个高频元素呢。 +而且使用大顶堆就要把所有元素都进行排序,那能不能只排序k个元素呢? + **所以我们要用小顶堆,因为要统计最大前k个元素,只有小顶堆每次将最小的元素弹出,最后小顶堆里积累的才是前k个最大元素。** 寻找前k个最大元素流程如图所示:(图中的频率只有三个,所以正好构成一个大小为3的小顶堆,如果频率更多一些,则用这个小顶堆进行扫描) diff --git a/problems/0844.比较含退格的字符串.md b/problems/0844.比较含退格的字符串.md index 57caad12..5d629a8c 100644 --- a/problems/0844.比较含退格的字符串.md +++ b/problems/0844.比较含退格的字符串.md @@ -34,7 +34,7 @@ * 解释:S 会变成 “c”,但 T 仍然是 “b”。 -# 思路 +## 思路 本文将给出 空间复杂度$O(n)$的栈模拟方法 以及空间复杂度是$O(1)$的双指针方法。 @@ -155,9 +155,9 @@ public: * 空间复杂度:$O(1)$ -# 其他语言版本 +## 其他语言版本 -Java: +### Java: ```java // 普通方法(使用栈的思路) @@ -185,9 +185,8 @@ class Solution { } ``` -Python: -python3 +### python ```python class Solution: @@ -207,8 +206,7 @@ class Solution: pass ``` - -Go: +### Go ```go @@ -230,7 +228,7 @@ func backspaceCompare(s string, t string) bool { ``` -JavaScript: +### JavaScript ```javascript // 双栈 var backspaceCompare = function(s, t) { diff --git a/problems/0925.长按键入.md b/problems/0925.长按键入.md index 5067e9a7..3aacee5c 100644 --- a/problems/0925.长按键入.md +++ b/problems/0925.长按键入.md @@ -34,7 +34,7 @@ * 输出:true * 解释:长按名字中的字符并不是必要的。 -# 思路 +## 思路 这道题目一看以为是哈希,仔细一看不行,要有顺序。 @@ -94,9 +94,9 @@ public: 空间复杂度:$O(1)$ -# 其他语言版本 +## 其他语言版本 -Java: +### Java ```java class Solution { public boolean isLongPressedName(String name, String typed) { @@ -127,7 +127,7 @@ class Solution { } } ``` -Python: +### Python ```python class Solution: def isLongPressedName(self, name: str, typed: str) -> bool: @@ -154,7 +154,7 @@ class Solution: return True ``` -Go: +### Go ```go @@ -179,7 +179,7 @@ func isLongPressedName(name string, typed string) bool { } ``` -JavaScript: +### JavaScript: ```javascript var isLongPressedName = function(name, typed) { let i = 0, j = 0; diff --git a/problems/1221.分割平衡字符串.md b/problems/1221.分割平衡字符串.md index 0d299235..1a9b34a2 100644 --- a/problems/1221.分割平衡字符串.md +++ b/problems/1221.分割平衡字符串.md @@ -38,7 +38,7 @@ * 输出:2 * 解释:s 可以分割为 "RL"、"RRRLLRLL" ,每个子字符串中都包含相同数量的 'L' 和 'R' 。 -# 思路 +## 思路 这道题目看起来好像很复杂,其实是非常简单的贪心,关于贪心,我在这里[关于贪心算法,你该了解这些!](https://programmercarl.com/贪心算法理论基础.html)有详细的讲解。 @@ -71,7 +71,7 @@ public: }; ``` -# 拓展 +## 拓展 一些同学可能想,你这个推理不靠谱,都没有数学证明。怎么就能说是合理的呢,怎么就能说明 局部最优可以推出全局最优呢? @@ -86,9 +86,9 @@ public: -# 其他语言版本 +## 其他语言版本 -## Java +### Java ```java class Solution { @@ -105,17 +105,17 @@ class Solution { } ``` -## Python +### Python ```python ``` -## Go +### Go ```go ``` -## JavaScript +### JavaScript ```js var balancedStringSplit = function(s) { diff --git a/problems/二叉树中递归带着回溯.md b/problems/二叉树中递归带着回溯.md index 3818b3ec..20b87f87 100644 --- a/problems/二叉树中递归带着回溯.md +++ b/problems/二叉树中递归带着回溯.md @@ -90,7 +90,7 @@ public: 如下为精简之后的递归代码:(257. 二叉树的所有路径) -``` +```CPP class Solution { private: void traversal(TreeNode* cur, string path, vector& result) { @@ -131,8 +131,7 @@ traversal(cur->left, path, result); // 左 即: -``` - +``` CPP if (cur->left) { path += "->"; traversal(cur->left, path, result); // 左