Merge branch 'youngyangyang04:master' into master

problems/0001.两数之和.md

@@ -274,6 +274,24 @@ class Solution {
     }
 }
 ```
+C#:
+```csharp
+public class Solution {
+    public int[] TwoSum(int[] nums, int target) {
+        Dictionary<int ,int> dic= new Dictionary<int,int>();
+        for(int i=0;i<nums.Length;i++){
+            int imp= target-nums[i];
+            if(dic.ContainsKey(imp)&&dic[imp]!=i){
+               return new int[]{i, dic[imp]};
+            }
+            if(!dic.ContainsKey(nums[i])){
+                dic.Add(nums[i],i);
+            }
+        }
+        return new int[]{0, 0};
+    }
+}
+```
 
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

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：
 
@@ -289,6 +289,28 @@ func removeNthFromEnd(_ head: ListNode?, _ n: Int) -> ListNode? {
     return dummyHead.next
 }
 ```
-
+Scala:
+```scala
+object Solution {
+  def removeNthFromEnd(head: ListNode, n: Int): ListNode = {
+    val dummy = new ListNode(-1, head) // 定义虚拟头节点
+    var fast = head // 快指针从头开始走
+    var slow = dummy // 慢指针从虚拟头开始头
+    // 因为参数 n 是不可变量，所以不能使用 while(n>0){n-=1}的方式
+    for (i <- 0 until n) {
+      fast = fast.next
+    }
+    // 快指针和满指针一起走，直到fast走到null
+    while (fast != null) {
+      slow = slow.next
+      fast = fast.next
+    }
+    // 删除slow的下一个节点 
+    slow.next = slow.next.next
+    // 返回虚拟头节点的下一个
+    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/0024.两两交换链表中的节点.md

@@ -311,7 +311,29 @@ func swapPairs(_ head: ListNode?) -> ListNode? {
     return dummyHead.next
 }
 ```
-
+Scala:
+```scala
+// 虚拟头节点
+object Solution {
+  def swapPairs(head: ListNode): ListNode = {
+    var dummy = new ListNode(0, head) // 虚拟头节点
+    var pre = dummy
+    var cur = head
+    // 当pre的下一个和下下个都不为空，才进行两两转换
+    while (pre.next != null && pre.next.next != null) {
+      var tmp: ListNode = cur.next.next // 缓存下一次要进行转换的第一个节点
+      pre.next = cur.next // 步骤一
+      cur.next.next = cur // 步骤二
+      cur.next = tmp // 步骤三
+      // 下面是准备下一轮的交换
+      pre = cur
+      cur = tmp
+    }
+    // 最终返回dummy虚拟头节点的下一个，return可以省略
+    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/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)
@@ -328,6 +328,20 @@ int removeElement(int* nums, int numsSize, int val){
     return slow;
 }
 ```
-
+Scala:
+```scala
+object Solution {
+  def removeElement(nums: Array[Int], `val`: Int): Int = {
+    var slow = 0
+    for (fast <- 0 until nums.length) {
+      if (`val` != nums(fast)) {
+        nums(slow) = nums(fast)
+        slow += 1
+      }
+    }
+    slow
+  }
+}
+```
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/0034.在排序数组中查找元素的第一个和最后一个位置.md

@@ -480,7 +480,52 @@ var searchRange = function(nums, target) {
     return [-1, -1];
 };
 ```
+### Scala
+```scala
+object Solution {
+  def searchRange(nums: Array[Int], target: Int): Array[Int] = {
+    var left = getLeftBorder(nums, target)
+    var right = getRightBorder(nums, target)
+    if (left == -2 || right == -2) return Array(-1, -1)
+    if (right - left > 1) return Array(left + 1, right - 1)
+    Array(-1, -1)
+  }
 
+  // 寻找左边界
+  def getLeftBorder(nums: Array[Int], target: Int): Int = {
+    var leftBorder = -2
+    var left = 0
+    var right = nums.length - 1
+    while (left <= right) {
+      var mid = left + (right - left) / 2
+      if (nums(mid) >= target) {
+        right = mid - 1
+        leftBorder = right
+      } else {
+        left = mid + 1
+      }
+    }
+    leftBorder
+  }
+
+  // 寻找右边界
+  def getRightBorder(nums: Array[Int], target: Int): Int = {
+    var rightBorder = -2
+    var left = 0
+    var right = nums.length - 1
+    while (left <= right) {
+      var mid = left + (right - left) / 2
+      if (nums(mid) <= target) {
+        left = mid + 1
+        rightBorder = left
+      } else {
+        right = mid - 1
+      }
+    }
+    rightBorder
+  }
+}
+```
 
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/0035.搜索插入位置.md

@@ -316,7 +316,26 @@ func searchInsert(_ nums: [Int], _ target: Int) -> Int {
     return right + 1
 }
 ```
-
+### Scala
+```scala
+object Solution {
+  def searchInsert(nums: Array[Int], target: Int): Int = {
+    var left = 0
+    var right = nums.length - 1
+    while (left <= right) {
+      var mid = left + (right - left) / 2
+      if (target == nums(mid)) {
+        return mid
+      } else if (target > nums(mid)) {
+        left = mid + 1
+      } else {
+        right = mid - 1
+      }
+    }
+    right + 1
+  }
+}
+```
 
 ### PHP 
 

problems/0045.跳跃游戏II.md

@@ -217,18 +217,26 @@ class Solution:
 ### Go
 ```Go
 func jump(nums []int) int {
-	dp:=make([]int ,len(nums))
-	dp[0]=0
+    dp := make([]int, len(nums))
+    dp[0] = 0//初始第一格跳跃数一定为0
 
-	for i:=1;i<len(nums);i++{
-		dp[i]=i
-		for j:=0;j<i;j++{
-			if nums[j]+j>i{
-				dp[i]=min(dp[j]+1,dp[i])
-			}
-		}
-	}
-	return dp[len(nums)-1]
+    for i := 1; i < len(nums); i++ {
+        dp[i] = i
+        for j := 0; j < i; j++ {
+            if nums[j] + j >= i {//nums[j]为起点,j为往右跳的覆盖范围,这行表示从j能跳到i
+                dp[i] = min(dp[j] + 1, dp[i])//更新最小能到i的跳跃次数
+            }
+        }
+    }
+    return dp[len(nums)-1]
+}
+
+func min(a, b int) int {
+    if a < b {
+        return a
+    } else {
+        return b 
+    }
 }
 ```
 

problems/0056.合并区间.md

@@ -112,8 +112,8 @@ public:
 };
 ```
 
-* 时间复杂度：$O(n\log n)$ ，有一个快排
-* 空间复杂度：$O(1)$，我没有算result数组（返回值所需容器占的空间）
+* 时间复杂度：O(nlog n) ，有一个快排
+* 空间复杂度：O(n)，有一个快排，最差情况(倒序)时，需要n次递归调用。因此确实需要O(n)的栈空间
 
 
 ## 总结

problems/0059.螺旋矩阵II.md

@@ -130,57 +130,37 @@ Java：
 ```Java
 class Solution {
     public int[][] generateMatrix(int n) {
+        int loop = 0;  // 控制循环次数
         int[][] res = new int[n][n];
+        int start = 0;  // 每次循环的开始点(start, start)
+        int count = 1;  // 定义填充数字
+        int i, j;
 
-        // 循环次数
-        int loop = n / 2;
-
-        // 定义每次循环起始位置
-        int startX = 0;
-        int startY = 0;
-
-        // 定义偏移量
-        int offset = 1;
-
-        // 定义填充数字
-        int count = 1;
-
-        // 定义中间位置
-        int mid = n / 2;
-        while (loop > 0) {
-            int i = startX;
-            int j = startY;
-
+        while (loop++ < n / 2) { // 判断边界后，loop从1开始
             // 模拟上侧从左到右
-            for (; j<startY + n -offset; ++j) {
-                res[startX][j] = count++;
+            for (j = start; j < n - loop; j++) {
+                res[start][j] = count++;
             }
 
             // 模拟右侧从上到下
-            for (; i<startX + n -offset; ++i) {
+            for (i = start; i < n - loop; i++) {
                 res[i][j] = count++;
             }
 
             // 模拟下侧从右到左
-            for (; j > startY; j--) {
+            for (; j >= loop; j--) {
                 res[i][j] = count++;
             }
 
             // 模拟左侧从下到上
-            for (; i > startX; i--) {
+            for (; i >= loop; i--) {
                 res[i][j] = count++;
             }
-
-            loop--;
-
-            startX += 1;
-            startY += 1;
-
-            offset += 2;
+            start++;
         }
 
         if (n % 2 == 1) {
-            res[mid][mid] = count;
+            res[start][start] = count;
         }
 
         return res;
@@ -564,6 +544,57 @@ 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/0077.组合.md

@@ -27,7 +27,7 @@
 
 也可以直接看我的B站视频：[带你学透回溯算法-组合问题（对应力扣题目：77.组合）](https://www.bilibili.com/video/BV1ti4y1L7cv#reply3733925949)
 
-# 思路 
+## 思路 
 
 
 本题这是回溯法的经典题目。
@@ -232,7 +232,7 @@ void backtracking(参数) {
 
 **对比一下本题的代码，是不是发现有点像！** 所以有了这个模板，就有解题的大体方向，不至于毫无头绪。 
 
-# 总结 
+## 总结 
 
 组合问题是回溯法解决的经典问题，我们开始的时候给大家列举一个很形象的例子，就是n为100，k为50的话，直接想法就需要50层for循环。
 
@@ -242,7 +242,7 @@ void backtracking(参数) {
 
 接着用回溯法三部曲，逐步分析了函数参数、终止条件和单层搜索的过程。
 
-# 剪枝优化
+## 剪枝优化
 
 我们说过，回溯法虽然是暴力搜索，但也有时候可以有点剪枝优化一下的。
 
@@ -324,7 +324,7 @@ public:
 };
 ```
 
-# 剪枝总结
+## 剪枝总结
 
 本篇我们准对求组合问题的回溯法代码做了剪枝优化，这个优化如果不画图的话，其实不好理解，也不好讲清楚。
 
@@ -334,10 +334,10 @@ public:
 
 
 
-# 其他语言版本
+## 其他语言版本
 
 
-## Java：
+### Java：
 ```java
 class Solution {
     List<List<Integer>> result = new ArrayList<>();
@@ -366,6 +366,8 @@ class Solution {
 }
 ```
 
+### Python 
+
 Python2:
 ```python
 class Solution(object):
@@ -395,7 +397,6 @@ class Solution(object):
         return result
 ```
 
-## Python 
 ```python
 class Solution:
     def combine(self, n: int, k: int) -> List[List[int]]:
@@ -432,7 +433,7 @@ class Solution:
 ```
 
 
-## javascript 
+### javascript 
 
 剪枝：
 ```javascript
@@ -456,7 +457,7 @@ const combineHelper = (n, k, startIndex) => {
 }
 ```
 
-## TypeScript
+### TypeScript
 
 ```typescript
 function combine(n: number, k: number): number[][] {
@@ -479,7 +480,7 @@ function combine(n: number, k: number): number[][] {
 
 
 
-## Go 
+### Go 
 ```Go
 var res [][]int 
 func combine(n int, k int) [][]int {
@@ -534,7 +535,7 @@ func backtrack(n,k,start int,track []int){
 }
 ```
 
-## C
+### C
 ```c
 int* path;
 int pathTop;
@@ -642,7 +643,7 @@ int** combine(int n, int k, int* returnSize, int** returnColumnSizes){
 }
 ```
 
-## Swift
+### Swift
 
 ```swift
 func combine(_ n: Int, _ k: Int) -> [[Int]] {

problems/0096.不同的二叉搜索树.md

@@ -227,7 +227,33 @@ const numTrees =(n) => {
 };
 ```
 
-C:
+TypeScript
+
+```typescript
+function numTrees(n: number): number {
+    /**
+        dp[i]: i个节点对应的种树
+        dp[0]: -1; 无意义；
+        dp[1]: 1;
+        ...
+        dp[i]: 2 * dp[i - 1] + 
+            (dp[1] * dp[i - 2] + dp[2] * dp[i - 3] + ... + dp[i - 2] * dp[1]); 从1加到i-2
+     */
+    const dp: number[] = [];
+    dp[0] = -1; // 表示无意义
+    dp[1] = 1;
+    for (let i = 2; i <= n; i++) {
+        dp[i] = 2 * dp[i - 1];
+        for (let j = 1, end = i - 1; j < end; j++) {
+            dp[i] += dp[j] * dp[end - j];
+        }
+    }
+    return dp[n];
+};
+```
+
+### C
+
 ```c
 //开辟dp数组
 int *initDP(int n) {

problems/0101.对称二叉树.md

@@ -238,7 +238,7 @@ public:
 };
 ```
 
-# 总结
+## 总结
 
 这次我们又深度剖析了一道二叉树的“简单题”，大家会发现，真正的把题目搞清楚其实并不简单，leetcode上accept了和真正掌握了还是有距离的。
 
@@ -248,7 +248,7 @@ public:
 
 如果已经做过这道题目的同学，读完文章可以再去看看这道题目，思考一下，会有不一样的发现！
 
-# 相关题目推荐
+## 相关题目推荐
 
 这两道题目基本和本题是一样的，只要稍加修改就可以AC。
 

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/0121.买卖股票的最佳时机.md

@@ -426,6 +426,46 @@ var maxProfit = function(prices) {
 };
 ```
 
+TypeScript：
+
+> 贪心法
+
+```typescript
+function maxProfit(prices: number[]): number {
+    if (prices.length === 0) return 0;
+    let buy: number = prices[0];
+    let profitMax: number = 0;
+    for (let i = 1, length = prices.length; i < length; i++) {
+        profitMax = Math.max(profitMax, prices[i] - buy);
+        buy = Math.min(prices[i], buy);
+    }
+    return profitMax;
+};
+```
+
+> 动态规划
+
+```typescript
+function maxProfit(prices: number[]): number {
+    /**
+        dp[i][0]: 第i天持有股票的最大现金
+        dp[i][1]: 第i天不持有股票的最大现金
+     */
+    const length = prices.length;
+    if (length === 0) return 0;
+    const dp: number[][] = [];
+    dp[0] = [-prices[0], 0];
+    for (let i = 1; i < length; i++) {
+        dp[i] = [];
+        dp[i][0] = Math.max(dp[i - 1][0], -prices[i]);
+        dp[i][1] = Math.max(dp[i - 1][0] + prices[i], dp[i - 1][1]);
+    }
+    return dp[length - 1][1];
+};
+```
+
+
+
 
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/0122.买卖股票的最佳时机II（动态规划）.md

@@ -295,6 +295,42 @@ const maxProfit = (prices) => {
 }
 ```
 
+TypeScript：
+
+> 动态规划
+
+```typescript
+function maxProfit(prices: number[]): number {
+    /**
+        dp[i][0]: 第i天持有股票
+        dp[i][1]: 第i天不持有股票
+     */
+    const length: number = prices.length;
+    if (length === 0) return 0;
+    const dp: number[][] = new Array(length).fill(0).map(_ => []);
+    dp[0] = [-prices[0], 0];
+    for (let i = 1; i < length; i++) {
+        dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
+        dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
+    }
+    return dp[length - 1][1];
+};
+```
+
+> 贪心法
+
+```typescript
+function maxProfit(prices: number[]): number {
+    let resProfit: number = 0;
+    for (let i = 1, length = prices.length; i < length; i++) {
+        if (prices[i] > prices[i - 1]) {
+            resProfit += prices[i] - prices[i - 1];
+        }
+    }
+    return resProfit;
+};
+```
+
 
 
 -----------------------

problems/0123.买卖股票的最佳时机III.md

@@ -352,6 +352,36 @@ const maxProfit = prices => {
 };
 ```
 
+TypeScript：
+
+> 版本一
+
+```typescript
+function maxProfit(prices: number[]): number {
+    /**
+        dp[i][0]: 无操作; 
+        dp[i][1]: 第一次买入；
+        dp[i][2]: 第一次卖出；
+        dp[i][3]: 第二次买入；
+        dp[i][4]: 第二次卖出；
+     */
+    const length: number = prices.length;
+    if (length === 0) return 0;
+    const dp: number[][] = new Array(length).fill(0)
+        .map(_ => new Array(5).fill(0));
+    dp[0][1] = -prices[0];
+    dp[0][3] = -prices[0];
+    for (let i = 1; i < length; i++) {
+        dp[i][0] = dp[i - 1][0];
+        dp[i][1] = Math.max(dp[i - 1][1], -prices[i]);
+        dp[i][2] = Math.max(dp[i - 1][2], dp[i - 1][1] + prices[i]);
+        dp[i][3] = Math.max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
+        dp[i][4] = Math.max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
+    }
+    return Math.max(dp[length - 1][2], dp[length - 1][4]);
+};
+```
+
 Go:
 
 > 版本一：

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/0142.环形链表II.md

@@ -370,7 +370,31 @@ ListNode *detectCycle(ListNode *head) {
 }
 ```
 
-
+Scala:
+```scala
+object Solution {
+  def detectCycle(head: ListNode): ListNode = {
+    var fast = head // 快指针
+    var slow = head // 慢指针
+    while (fast != null && fast.next != null) {
+      fast = fast.next.next // 快指针一次走两步
+      slow = slow.next // 慢指针一次走一步
+      // 如果相遇，fast快指针回到头
+      if (fast == slow) {
+        fast = head
+        // 两个指针一步一步的走，第一次相遇的节点必是入环节点
+        while (fast != slow) {
+          fast = fast.next
+          slow = slow.next
+        }
+        return fast
+      }
+    }
+    // 如果fast指向空值，必然无环返回null
+    null
+  }
+}
+```
 
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/0150.逆波兰表达式求值.md

@@ -136,19 +136,19 @@ java:
 class Solution {
     public int evalRPN(String[] tokens) {
         Deque<Integer> stack = new LinkedList();
-        for (int i = 0; i < tokens.length; ++i) {
-            if ("+".equals(tokens[i])) {        // leetcode 内置jdk的问题，不能使用==判断字符串是否相等
+        for (String s : tokens) {
+            if ("+".equals(s)) {        // leetcode 内置jdk的问题，不能使用==判断字符串是否相等
                 stack.push(stack.pop() + stack.pop());      // 注意 - 和/ 需要特殊处理
-            } else if ("-".equals(tokens[i])) {
+            } else if ("-".equals(s)) {
                 stack.push(-stack.pop() + stack.pop());
-            } else if ("*".equals(tokens[i])) {
+            } else if ("*".equals(s)) {
                 stack.push(stack.pop() * stack.pop());
-            } else if ("/".equals(tokens[i])) {
+            } else if ("/".equals(s)) {
                 int temp1 = stack.pop();
                 int temp2 = stack.pop();
                 stack.push(temp2 / temp1);
             } else {
-                stack.push(Integer.valueOf(tokens[i]));
+                stack.push(Integer.valueOf(s));
             }
         }
         return stack.pop();

problems/0188.买卖股票的最佳时机IV.md

@@ -409,5 +409,27 @@ var maxProfit = function(k, prices) {
 };
 ```
 
+TypeScript：
+
+```typescript
+function maxProfit(k: number, prices: number[]): number {
+    const length: number = prices.length;
+    if (length === 0) return 0;
+    const dp: number[][] = new Array(length).fill(0)
+        .map(_ => new Array(k * 2 + 1).fill(0));
+    for (let i = 1; i <= k; i++) {
+        dp[0][i * 2 - 1] = -prices[0];
+    }
+    for (let i = 1; i < length; i++) {
+        for (let j = 1; j < 2 * k + 1; j++) {
+            dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - 1] + Math.pow(-1, j) * prices[i]);
+        }
+    }
+    return dp[length - 1][2 * k];
+};
+```
+
+
+
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

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/0202.快乐数.md

@@ -385,5 +385,61 @@ bool isHappy(int n){
     return bHappy;
 }
 ```
+
+Scala:
+```scala
+object Solution {
+  // 引入mutable
+  import scala.collection.mutable
+  def isHappy(n: Int): Boolean = {
+    // 存放每次计算后的结果
+    val set: mutable.HashSet[Int] = new mutable.HashSet[Int]()
+    var tmp = n // 因为形参是不可变量，所以需要找到一个临时变量
+    // 开始进入循环
+    while (true) {
+      val sum = getSum(tmp) // 获取这个数每个值的平方和
+      if (sum == 1) return true // 如果最终等于 1，则返回true
+      // 如果set里面已经有这个值了，说明进入无限循环，可以返回false，否则添加这个值到set
+      if (set.contains(sum)) return false
+      else set.add(sum)
+      tmp = sum
+    }
+    // 最终需要返回值，直接返回个false
+    false
+  }
+
+  def getSum(n: Int): Int = {
+    var sum = 0
+    var tmp = n
+    while (tmp != 0) {
+      sum += (tmp % 10) * (tmp % 10)
+      tmp = tmp / 10
+    }
+    sum
+  }
+
+
+C#：
+```csharp
+public class Solution {
+    private int getSum(int n) {
+        int sum = 0;
+        //每位数的换算
+        while (n > 0) {
+            sum += (n % 10) * (n % 10);
+            n /= 10;
+        }
+        return sum;
+    }
+    public bool IsHappy(int n) {
+        HashSet <int> set = new HashSet<int>();
+        while(n != 1 && !set.Contains(n)) { //判断避免循环
+            set.Add(n);
+            n = getSum(n);
+        }
+        return n == 1;
+    }
+}
+```
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

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/0206.翻转链表.md

@@ -496,6 +496,40 @@ struct ListNode* reverseList(struct ListNode* head){
     return reverse(NULL, head);
 }
 ```
+Scala:
 
+双指针法：
+```scala
+object Solution {
+  def reverseList(head: ListNode): ListNode = {
+    var pre: ListNode = null
+    var cur = head
+    while (cur != null) {
+      var tmp = cur.next
+      cur.next = pre
+      pre = cur
+      cur = tmp
+    }
+    pre
+  }
+}
+```
+递归法：
+```scala
+object Solution {
+  def reverseList(head: ListNode): ListNode = {
+    reverse(null, head)
+  }
+
+  def reverse(pre: ListNode, cur: ListNode): ListNode = {
+    if (cur == null) {
+      return pre    // 如果当前cur为空，则返回pre
+    }
+    val tmp: ListNode = cur.next
+    cur.next = pre
+    reverse(cur, tmp)   // 此时cur成为前一个节点，tmp是当前节点
+  }
+}
+```
 -----------------------
 <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/0242.有效的字母异位词.md

@@ -307,6 +307,52 @@ impl Solution {
     }
 }
 ```
+
+
+Scala:
+```scala
+object Solution {
+  def isAnagram(s: String, t: String): Boolean = {
+    // 如果两个字符串的长度不等，直接返回false
+    if (s.length != t.length) return false
+    val record = new Array[Int](26) // 记录每个单词出现了多少次
+    // 遍历字符串，对于s字符串单词对应的记录+=1，t字符串对应的记录-=1
+    for (i <- 0 until s.length) {
+      record(s(i) - 97) += 1
+      record(t(i) - 97) -= 1
+    }
+    // 如果不等于则直接返回false
+    for (i <- 0 until 26) {
+      if (record(i) != 0) {
+        return false
+      }
+    }
+    // 如果前面不返回false，说明匹配成功，返回true，return可以省略
+    true
+  }
+}
+```
+
+
+C#：
+```csharp
+ public bool IsAnagram(string s, string t) {
+         int sl=s.Length,tl=t.Length;
+        if(sl!=tl) return false;
+        int[] a = new int[26];
+        for(int i = 0; i < sl; i++){
+             a[s[i] - 'a']++;
+             a[t[i] - 'a']--;
+        }       
+        foreach (int i in a)
+        {
+            if (i != 0)
+                return false;
+        }
+        return true;
+    }
+```
+
 ## 相关题目
 
 * 383.赎金信

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/0309.最佳买卖股票时机含冷冻期.md

@@ -325,6 +325,66 @@ const maxProfit = (prices) => {
 };
 ```
 
+TypeScript：
+
+> 版本一，与本文思路一致
+
+```typescript
+function maxProfit(prices: number[]): number {
+    /**
+        dp[i][0]: 持股状态；
+        dp[i][1]: 无股状态，当天为非冷冻期；
+        dp[i][2]: 无股状态，当天卖出；
+        dp[i][3]: 无股状态，当天为冷冻期；
+     */
+    const length: number = prices.length;
+    const dp: number[][] = new Array(length).fill(0).map(_ => []);
+    dp[0][0] = -prices[0];
+    dp[0][1] = dp[0][2] = dp[0][3] = 0;
+    for (let i = 1; i < length; i++) {
+        dp[i][0] = Math.max(
+            dp[i - 1][0],
+            Math.max(dp[i - 1][1], dp[i - 1][3]) - prices[i]
+        );
+        dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][3]);
+        dp[i][2] = dp[i - 1][0] + prices[i];
+        dp[i][3] = dp[i - 1][2];
+    }
+    const lastEl: number[] = dp[length - 1];
+    return Math.max(lastEl[1], lastEl[2], lastEl[3]);
+};
+```
+
+> 版本二，状态定义略有不同，可以帮助理解
+
+```typescript
+function maxProfit(prices: number[]): number {
+    /**
+        dp[i][0]: 持股状态，当天买入；
+        dp[i][1]: 持股状态，当天未买入；
+        dp[i][2]: 无股状态，当天卖出；
+        dp[i][3]: 无股状态，当天未卖出；
+        
+        买入有冷冻期限制，其实就是状态[0]只能由前一天的状态[3]得到；
+        如果卖出有冷冻期限制，其实就是[2]由[1]得到。
+     */
+    const length: number = prices.length;
+    const dp: number[][] = new Array(length).fill(0).map(_ => []);
+    dp[0][0] = -prices[0];
+    dp[0][1] = -Infinity;
+    dp[0][2] = dp[0][3] = 0;
+    for (let i = 1; i < length; i++) {
+        dp[i][0] = dp[i - 1][3] - prices[i];
+        dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0]);
+        dp[i][2] = Math.max(dp[i - 1][0], dp[i - 1][1]) + prices[i];
+        dp[i][3] = Math.max(dp[i - 1][3], dp[i - 1][2]);
+    }
+    return Math.max(dp[length - 1][2], dp[length - 1][3]);
+};
+```
+
+
+
 
 -----------------------
 <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/0337.打家劫舍III.md

@@ -429,7 +429,50 @@ const rob = root => {
 };
 ```
 
+### TypeScript
+
+> 记忆化后序遍历
+
+```typescript
+const memory: Map<TreeNode, number> = new Map();
+function rob(root: TreeNode | null): number {
+    if (root === null) return 0;
+    if (memory.has(root)) return memory.get(root);
+    // 不取当前节点
+    const res1: number = rob(root.left) + rob(root.right);
+    // 取当前节点
+    let res2: number = root.val;
+    if (root.left !== null) res2 += rob(root.left.left) + rob(root.left.right);
+    if (root.right !== null) res2 += rob(root.right.left) + rob(root.right.right);
+    const res: number = Math.max(res1, res2);
+    memory.set(root, res);
+    return res;
+};
+```
+
+> 状态标记化后序遍历
+
+```typescript
+function rob(root: TreeNode | null): number {
+    return Math.max(...robNode(root));
+};
+// [0]-不偷当前节点能获得的最大金额; [1]-偷~~
+type MaxValueArr = [number, number];
+function robNode(node: TreeNode | null): MaxValueArr {
+    if (node === null) return [0, 0];
+    const leftArr: MaxValueArr = robNode(node.left);
+    const rightArr: MaxValueArr = robNode(node.right);
+    // 不偷
+    const val1: number = Math.max(leftArr[0], leftArr[1]) +
+        Math.max(rightArr[0], rightArr[1]);
+    // 偷
+    const val2: number = leftArr[0] + rightArr[0] + node.val;
+    return [val1, val2];
+}
+```
+
 ### Go 
+
 ```go
 // 打家劫舍Ⅲ 动态规划
 // 时间复杂度O(n) 空间复杂度O(logn)

problems/0343.整数拆分.md

@@ -274,7 +274,33 @@ var integerBreak = function(n) {
 };
 ```
 
-C:
+### TypeScript
+
+```typescript
+function integerBreak(n: number): number {
+    /**
+        dp[i]: i对应的最大乘积
+        dp[2]: 1;
+        ...
+        dp[i]: max(
+            1 * dp[i - 1], 1 * (i - 1),
+            2 * dp[i - 2], 2 * (i - 2),
+            ..., (i - 2) * dp[2], (i - 2) * 2
+        );
+     */
+    const dp: number[] = new Array(n + 1).fill(0);
+    dp[2] = 1;
+    for (let i = 3; i <= n; i++) {
+        for (let j = 1; j <= i - 2; j++) {
+            dp[i] = Math.max(dp[i], j * dp[i - j], j * (i - j));
+        }
+    }
+    return dp[n];
+};
+```
+
+### C
+
 ```c
 //初始化DP数组
 int *initDP(int num) {

problems/0349.两个数组的交集.md

@@ -313,6 +313,69 @@ int* intersection1(int* nums1, int nums1Size, int* nums2, int nums2Size, int* re
 }
 ```
 
+Scala:
+
+正常解法:
+```scala
+object Solution {
+  def intersection(nums1: Array[Int], nums2: Array[Int]): Array[Int] = {
+    // 导入mutable
+    import scala.collection.mutable
+    // 临时Set，用于记录数组1出现的每个元素
+    val tmpSet: mutable.HashSet[Int] = new mutable.HashSet[Int]()
+    // 结果Set，存储最终结果
+    val resSet: mutable.HashSet[Int] = new mutable.HashSet[Int]()
+    // 遍历nums1，把每个元素添加到tmpSet
+    nums1.foreach(tmpSet.add(_))
+    // 遍历nums2，如果在tmpSet存在就添加到resSet
+    nums2.foreach(elem => {
+      if (tmpSet.contains(elem)) {
+        resSet.add(elem)
+      }
+    })
+    // 将结果转换为Array返回，return可以省略
+    resSet.toArray
+  }
+}
+```
+骚操作1:
+```scala
+object Solution {
+  def intersection(nums1: Array[Int], nums2: Array[Int]): Array[Int] = {
+    // 先转为Set，然后取交集，最后转换为Array
+    (nums1.toSet).intersect(nums2.toSet).toArray
+  }
+}
+```
+骚操作2:
+```scala
+object Solution {
+  def intersection(nums1: Array[Int], nums2: Array[Int]): Array[Int] = {
+    // distinct去重，然后取交集
+    (nums1.distinct).intersect(nums2.distinct)
+  }
+}
+
+
+C#:
+```csharp
+ public int[] Intersection(int[] nums1, int[] nums2) {
+    if(nums1==null||nums1.Length==0||nums2==null||nums1.Length==0)
+    	return new int[0]; //注意数组条件
+    HashSet<int> one = Insert(nums1);
+    HashSet<int> two = Insert(nums2);
+    one.IntersectWith(two);
+    return one.ToArray();
+	}
+ public HashSet<int> Insert(int[] nums){
+    HashSet<int> one = new HashSet<int>();
+    foreach(int num in nums){
+    	one.Add(num);         
+    	}
+        return one;
+	}
+
+```
 ## 相关题目
 
 * 350.两个数组的交集 II

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/0383.赎金信.md

@@ -363,5 +363,22 @@ impl Solution {
 }
 ```
 
+C#：
+```csharp
+public bool CanConstruct(string ransomNote, string magazine) {
+        if(ransomNote.Length > magazine.Length) return false;
+        int[] letters = new int[26]; 
+        foreach(char c in magazine){
+            letters[c-'a']++;
+        }
+        foreach(char c in ransomNote){
+            letters[c-'a']--;
+            if(letters[c-'a']<0){
+                return false;
+            }
+        }
+        return true;
+    }
+```
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/0416.分割等和子集.md

@@ -417,6 +417,163 @@ 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
+
+```typescript
+function canPartition(nums: number[]): boolean {
+    const sum: number = nums.reduce((pre, cur) => pre + cur);
+    if (sum % 2 === 1) return false;
+    const bagSize: number = sum / 2;
+    const goodsNum: number = nums.length;
+    const dp: number[] = new Array(bagSize + 1).fill(0);
+    for (let i = 0; i < goodsNum; i++) {
+        for (let j = bagSize; j >= nums[i]; j--) {
+            dp[j] = Math.max(dp[j], dp[j - nums[i]] + nums[i]);
+        }
+    }
+    return dp[bagSize] === bagSize;
+};
+```
+
+> 二维数组，易懂
+
+```typescript
+function canPartition(nums: number[]): boolean {
+    /**
+        weightArr = nums;
+        valueArr = nums;
+        bagSize = sum / 2; (sum为nums各元素总和);
+        按照0-1背包处理
+     */
+    const sum: number = nums.reduce((pre, cur) => pre + cur);
+    if (sum % 2 === 1) return false;
+    const bagSize: number = sum / 2;
+    const weightArr: number[] = nums;
+    const valueArr: number[] = nums;
+    const goodsNum: number = weightArr.length;
+    const dp: number[][] = new Array(goodsNum)
+    	.fill(0)
+    	.map(_ => new Array(bagSize + 1).fill(0));
+    for (let i = weightArr[0]; i <= bagSize; i++) {
+        dp[0][i] = valueArr[0];
+    }
+    for (let i = 1; i < goodsNum; i++) {
+        for (let j = 0; j <= bagSize; j++) {
+            if (j < weightArr[i]) {
+                dp[i][j] = dp[i - 1][j];
+            } else {
+                dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weightArr[i]] + valueArr[i]);
+            }
+        }
+    }
+    return dp[goodsNum - 1][bagSize] === bagSize;
+};
+```
+
+
 
 
 -----------------------

problems/0435.无重叠区间.md

@@ -93,7 +93,7 @@ public:
 };
 ```
 * 时间复杂度：O(nlog n) ，有一个快排
-* 空间复杂度：O(1)
+* 空间复杂度：O(n)，有一个快排，最差情况(倒序)时，需要n次递归调用。因此确实需要O(n)的栈空间
 
 大家此时会发现如此复杂的一个问题，代码实现却这么简单！
 

problems/0452.用最少数量的箭引爆气球.md

@@ -105,8 +105,8 @@ public:
 };
 ```
 
-* 时间复杂度：$O(n\log n)$，因为有一个快排
-* 空间复杂度：$O(1)$
+* 时间复杂度：O(nlog n)，因为有一个快排
+* 空间复杂度：O(1)，有一个快排，最差情况(倒序)时，需要n次递归调用。因此确实需要O(n)的栈空间
 
 可以看出代码并不复杂。
 

problems/0454.四数相加II.md

@@ -318,5 +318,32 @@ impl Solution {
 }
 ```
 
+C#：
+```csharp
+public int FourSumCount(int[] nums1, int[] nums2, int[] nums3, int[] nums4) {
+       Dictionary<int, int> dic = new Dictionary<int, int>();
+        foreach(var i in nums1){
+            foreach(var j in nums2){
+                int sum = i + j;
+                if(dic.ContainsKey(sum)){
+                    dic[sum]++;
+                }else{
+                    dic.Add(sum, 1);
+                }
+                
+            }
+        }
+        int res = 0;
+         foreach(var a in nums3){
+            foreach(var b in nums4){
+                int sum = a+b;
+                if(dic.TryGetValue(-sum, out var result)){
+                    res += result;
+                }
+            }
+        }
+        return res;
+    }
+```
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/0474.一和零.md

@@ -323,6 +323,129 @@ const findMaxForm = (strs, m, n) => {
 };
 ```
 
+TypeScript：
+
+> 滚动数组，二维数组法
+
+```typescript
+type BinaryInfo = { numOfZero: number, numOfOne: number };
+function findMaxForm(strs: string[], m: number, n: number): number {
+    const goodsNum: number = strs.length;
+    const dp: number[][] = new Array(m + 1).fill(0)
+        .map(_ => new Array(n + 1).fill(0));
+    for (let i = 0; i < goodsNum; i++) {
+        const { numOfZero, numOfOne } = countBinary(strs[i]);
+        for (let j = m; j >= numOfZero; j--) {
+            for (let k = n; k >= numOfOne; k--) {
+                dp[j][k] = Math.max(dp[j][k], dp[j - numOfZero][k - numOfOne] + 1);
+            }
+        }
+    }
+    return dp[m][n];
+};
+function countBinary(str: string): BinaryInfo {
+    let numOfZero: number = 0,
+        numOfOne: number = 0;
+    for (let s of str) {
+        if (s === '0') {
+            numOfZero++;
+        } else {
+            numOfOne++;
+        }
+    }
+    return { numOfZero, numOfOne };
+}
+```
+
+> 传统背包，三维数组法
+
+```typescript
+type BinaryInfo = { numOfZero: number, numOfOne: number };
+function findMaxForm(strs: string[], m: number, n: number): number {
+    /**
+        dp[i][j][k]: 前i个物品中, 背包的0容量为j, 1容量为k, 最多能放的物品数量
+     */
+    const goodsNum: number = strs.length;
+    const dp: number[][][] = new Array(goodsNum).fill(0)
+        .map(_ => new Array(m + 1)
+            .fill(0)
+            .map(_ => new Array(n + 1).fill(0))
+        );
+    const { numOfZero, numOfOne } = countBinary(strs[0]);
+    for (let i = numOfZero; i <= m; i++) {
+        for (let j = numOfOne; j <= n; j++) {
+            dp[0][i][j] = 1;
+        }
+    }
+    for (let i = 1; i < goodsNum; i++) {
+        const { numOfZero, numOfOne } = countBinary(strs[i]);
+        for (let j = 0; j <= m; j++) {
+            for (let k = 0; k <= n; k++) {
+                if (j < numOfZero || k < numOfOne) {
+                    dp[i][j][k] = dp[i - 1][j][k];
+                } else {
+                    dp[i][j][k] = Math.max(dp[i - 1][j][k], dp[i - 1][j - numOfZero][k - numOfOne] + 1);
+                }
+            }
+        }
+    }
+    return dp[dp.length - 1][m][n];
+};
+function countBinary(str: string): BinaryInfo {
+    let numOfZero: number = 0,
+        numOfOne: number = 0;
+    for (let s of str) {
+        if (s === '0') {
+            numOfZero++;
+        } else {
+            numOfOne++;
+        }
+    }
+    return { numOfZero, numOfOne };
+}
+```
+
+> 回溯法（会超时）
+
+```typescript
+function findMaxForm(strs: string[], m: number, n: number): number {
+    /**
+        思路：暴力枚举strs的所有子集，记录符合条件子集的最大长度
+     */
+    let resMax: number = 0;
+    backTrack(strs, m, n, 0, []);
+    return resMax;
+    function backTrack(
+        strs: string[], m: number, n: number,
+        startIndex: number, route: string[]
+    ): void {
+        if (startIndex === strs.length) return;
+        for (let i = startIndex, length = strs.length; i < length; i++) {
+            route.push(strs[i]);
+            if (isValidSubSet(route, m, n)) {
+                resMax = Math.max(resMax, route.length);
+                backTrack(strs, m, n, i + 1, route);
+            }
+            route.pop();
+        }
+    }
+};
+function isValidSubSet(strs: string[], m: number, n: number): boolean {
+    let zeroNum: number = 0,
+        oneNum: number = 0;
+    strs.forEach(str => {
+        for (let s of str) {
+            if (s === '0') {
+                zeroNum++;
+            } else {
+                oneNum++;
+            }
+        }
+    });
+    return zeroNum <= m && oneNum <= n;
+}
+```
+
 
 
 -----------------------

problems/0494.目标和.md

@@ -351,6 +351,25 @@ const findTargetSumWays = (nums, target) => {
 };
 ```
 
+TypeScript：
+
+```typescript
+function findTargetSumWays(nums: number[], target: number): number {
+    const sum: number = nums.reduce((pre, cur) => pre + cur);
+    if (Math.abs(target) > sum) return 0;
+    if ((target + sum) % 2 === 1) return 0;
+    const bagSize: number = (target + sum) / 2;
+    const dp: number[] = new Array(bagSize + 1).fill(0);
+    dp[0] = 1;
+    for (let i = 0; i < nums.length; i++) {
+        for (let j = bagSize; j >= nums[i]; j--) {
+            dp[j] += dp[j - nums[i]];
+        }
+    }
+    return dp[bagSize];
+};
+```
+
 
 
 -----------------------

problems/0518.零钱兑换II.md

@@ -274,6 +274,21 @@ const change = (amount, coins) => {
 }
 ```
 
+TypeScript：
+
+```typescript
+function change(amount: number, coins: number[]): number {
+    const dp: number[] = new Array(amount + 1).fill(0);
+    dp[0] = 1;
+    for (let i = 0, length = coins.length; i < length; i++) {
+        for (let j = coins[i]; j <= amount; j++) {
+            dp[j] += dp[j - coins[i]];
+        }
+    }
+    return dp[amount];
+};
+```
+
 
 
 -----------------------

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/0704.二分查找.md

@@ -610,7 +610,48 @@ public class Solution{
     }
 }
 ```
+**Scala:**
 
+（版本一）左闭右闭区间
+```scala
+object Solution {
+  def search(nums: Array[Int], target: Int): Int = {
+    var left = 0
+    var right = nums.length - 1
+    while (left <= right) {
+      var mid = left + ((right - left) / 2)
+      if (target == nums(mid)) {
+        return mid
+      } else if (target < nums(mid)) {
+        right = mid - 1
+      } else {
+        left = mid + 1
+      }
+    }
+    -1
+  }
+}
+```
+（版本二）左闭右开区间
+```scala
+object Solution {
+  def search(nums: Array[Int], target: Int): Int = {
+    var left = 0
+    var right = nums.length
+    while (left < right) {
+      val mid = left + (right - left) / 2
+      if (target == nums(mid)) {
+        return mid
+      } else if (target < nums(mid)) {
+        right = mid
+      } else {
+        left = mid + 1
+      }
+    }
+    -1
+  }
+}
+```
 
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/0707.设计链表.md

@@ -1154,7 +1154,75 @@ class MyLinkedList {
 }
 ```
 
+Scala:
+```scala
+class ListNode(_x: Int = 0, _next: ListNode = null) {
+  var next: ListNode = _next
+  var x: Int = _x
+}
 
+class MyLinkedList() {
+
+  var size = 0 // 链表尺寸
+  var dummy: ListNode = new ListNode(0) // 虚拟头节点
+  
+  // 获取第index个节点的值
+  def get(index: Int): Int = {
+    if (index < 0 || index >= size) {
+      return -1;
+    }
+    var cur = dummy
+    for (i <- 0 to index) {
+      cur = cur.next
+    }
+    cur.x // 返回cur的值
+  }
+  
+  // 在链表最前面插入一个节点
+  def addAtHead(`val`: Int) {
+    addAtIndex(0, `val`)
+  }
+  
+  // 在链表最后面插入一个节点
+  def addAtTail(`val`: Int) {
+    addAtIndex(size, `val`)
+  }
+  
+  // 在第index个节点之前插入一个新节点
+  // 如果index等于链表长度，则说明新插入的节点是尾巴
+  // 如果index等于0，则说明新插入的节点是头
+  // 如果index>链表长度，则说明为空
+  def addAtIndex(index: Int, `val`: Int) {
+    if (index > size) {
+      return
+    }
+    var loc = index // 因为参数index是val不可变类型，所以需要赋值给一个可变类型
+    if (index < 0) {
+      loc = 0
+    }
+    size += 1 //链表尺寸+1
+    var pre = dummy
+    for (i <- 0 until loc) {
+      pre = pre.next
+    }
+    val node: ListNode = new ListNode(`val`, pre.next)
+    pre.next = node
+  }
+  // 删除第index个节点
+  def deleteAtIndex(index: Int) {
+    if (index < 0 || index >= size) {
+      return
+    }
+    size -= 1
+    var pre = dummy
+    for (i <- 0 until index) {
+      pre = pre.next
+    }
+    pre.next = pre.next.next
+  }
+
+}
+```
 
 
 -----------------------

problems/0977.有序数组的平方.md

@@ -358,7 +358,41 @@ 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(_ < _)
+  }
+}
+```
 
 
 -----------------------

problems/1002.查找常用字符.md

@@ -418,6 +418,38 @@ char ** commonChars(char ** words, int wordsSize, int* returnSize){
     return ret;
 }
 ```
-
+Scala:
+```scala
+object Solution {
+  def commonChars(words: Array[String]): List[String] = {
+    // 声明返回结果的不可变List集合，因为res要重新赋值，所以声明为var
+    var res = List[String]()
+    var hash = new Array[Int](26) // 统计字符出现的最小频率
+    // 统计第一个字符串中字符出现的次数
+    for (i <- 0 until words(0).length) {
+      hash(words(0)(i) - 'a') += 1
+    }
+    // 统计其他字符串出现的频率
+    for (i <- 1 until words.length) {
+      // 统计其他字符出现的频率
+      var hashOtherStr = new Array[Int](26)
+      for (j <- 0 until words(i).length) {
+        hashOtherStr(words(i)(j) - 'a') += 1
+      }
+      // 更新hash，取26个字母最小出现的频率
+      for (k <- 0 until 26) {
+        hash(k) = math.min(hash(k), hashOtherStr(k))
+      }
+    }
+    // 根据hash的结果转换输出的形式
+    for (i <- 0 until 26) {
+      for (j <- 0 until hash(i)) {
+        res = res :+ (i + 'a').toChar.toString
+      }
+    }
+    res
+  }
+}
+```
 -----------------------
 <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/1049.最后一块石头的重量II.md

@@ -277,5 +277,26 @@ var lastStoneWeightII = function (stones) {
 };
 ```
 
+TypeScript：
+
+```typescript
+function lastStoneWeightII(stones: number[]): number {
+    const sum: number = stones.reduce((pre, cur) => pre + cur);
+    const bagSize: number = Math.floor(sum / 2);
+    const weightArr: number[] = stones;
+    const valueArr: number[] = stones;
+    const goodsNum: number = weightArr.length;
+    const dp: number[] = new Array(bagSize + 1).fill(0);
+    for (let i = 0; i < goodsNum; i++) {
+        for (let j = bagSize; j >= weightArr[i]; j--) {
+            dp[j] = Math.max(dp[j], dp[j - weightArr[i]] + valueArr[i]);
+        }
+    }
+    return sum - dp[bagSize] * 2;
+};
+```
+
+
+
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/背包理论基础01背包-1.md

@@ -380,57 +380,125 @@ func main() {
 ### javascript 
 
 ```js
-/**
- * 
- * @param {Number []} weight 
- * @param {Number []} value 
- * @param {Number} size 
- * @returns 
- */
+function testWeightBagProblem (weight, value, size) {
+    // 定义 dp 数组
+    const len = weight.length,
+          dp = Array(len).fill().map(() => Array(size + 1).fill(0));
 
-function testWeightBagProblem(weight, value, size) {
-const len = weight.length,
-dp = Array.from({length: len}).map(
-() => Array(size + 1))  //JavaScript 数组是引用类型	
-for(let i = 0; i < len; i++) {  //初始化最左一列，即背包容量为0时的情况
-dp[i][0] = 0;
-}
-for(let j = 1; j < size+1; j++) { //初始化第0行, 只有一件物品的情况
-if(weight[0] <= j) {
-dp[0][j] = value[0];
-} else {
-dp[0][j] = 0;
-}
-}
-	
-for(let i = 1; i < len; i++) {  //dp[i][j]由其左上方元素推导得出
-for(let j = 1; j < size+1; j++) {
-if(j < weight[i]) dp[i][j] = dp[i - 1][j];
-else dp[i][j] = Math.max(dp[i-1][j], dp[i-1][j - weight[i]] + value[i]);
-}
-}
-
-return dp[len-1][size] //满足条件的最大值
-}
-
-function testWeightBagProblem2 (wight, value, size) {
-  const len = wight.length, 
-    dp = Array(size + 1).fill(0);
-  for(let i = 1; i <= len; i++) {
-    for(let j = size; j >= wight[i - 1]; j--) {
-      dp[j] = Math.max(dp[j], value[i - 1] + dp[j - wight[i - 1]]);
+    // 初始化
+    for(let j = weight[0]; j <= size; j++) {
+        dp[0][j] = value[0];
     }
-  }
-  return dp[size];
-}
 
+    // weight 数组的长度len 就是物品个数
+    for(let i = 1; i < len; i++) { // 遍历物品
+        for(let j = 0; j <= size; j++) { // 遍历背包容量
+            if(j < weight[i]) dp[i][j] = dp[i - 1][j];
+            else dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
+        }
+    }
+
+    console.table(dp)
+
+    return dp[len - 1][size];
+}
 
 function test () {
-  console.log(testWeightBagProblem([1, 3, 4, 5], [15, 20, 30, 55], 6));
+    console.log(testWeightBagProblem([1, 3, 4, 5], [15, 20, 30, 55], 6));
 }
 
 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
+function testWeightBagProblem(
+  weight: number[],
+  value: number[],
+  size: number
+): number {
+  /**
+   * dp[i][j]: 前i个物品，背包容量为j，能获得的最大价值
+   * dp[0][*]: u=weight[0],u之前为0，u之后（含u）为value[0]
+   * dp[*][0]: 0
+   * ...
+   * dp[i][j]: max(dp[i-1][j], dp[i-1][j-weight[i]]+value[i]);
+   */
+  const goodsNum: number = weight.length;
+  const dp: number[][] = new Array(goodsNum)
+    .fill(0)
+    .map((_) => new Array(size + 1).fill(0));
+  for (let i = weight[0]; i <= size; i++) {
+    dp[0][i] = value[0];
+  }
+  for (let i = 1; i < goodsNum; i++) {
+    for (let j = 1; j <= size; j++) {
+      if (j < weight[i]) {
+        dp[i][j] = dp[i - 1][j];
+      } else {
+        dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
+      }
+    }
+  }
+  return dp[goodsNum - 1][size];
+}
+// test
+const weight = [1, 3, 4];
+const value = [15, 20, 30];
+const size = 4;
+console.log(testWeightBagProblem(weight, value, size));
+```
+
+
+
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

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 +317,64 @@ 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
+function testWeightBagProblem(
+  weight: number[],
+  value: number[],
+  size: number
+): number {
+  const goodsNum: number = weight.length;
+  const dp: number[] = new Array(size + 1).fill(0);
+  for (let i = 0; i < goodsNum; i++) {
+    for (let j = size; j >= weight[i]; j--) {
+      dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
+    }
+  }
+  return dp[size];
+}
+const weight = [1, 3, 4];
+const value = [15, 20, 30];
+const size = 4;
+console.log(testWeightBagProblem(weight, value, size));
+
+```
+
 
 
 -----------------------

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/背包问题理论基础完全背包.md

@@ -340,6 +340,27 @@ function test_completePack2() {
 }
 ```
 
+TypeScript：
+
+```typescript
+// 先遍历物品，再遍历背包容量
+function test_CompletePack(): void {
+  const weight: number[] = [1, 3, 4];
+  const value: number[] = [15, 20, 30];
+  const bagSize: number = 4;
+  const dp: number[] = new Array(bagSize + 1).fill(0);
+  for (let i = 0; i < weight.length; i++) {
+    for (let j = weight[i]; j <= bagSize; j++) {
+      dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
+    }
+  }
+  console.log(dp);
+}
+test_CompletePack();
+```
+
+
+
 
 -----------------------
 <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
+}
+```
 
 
 -----------------------

problems/面试题 02.07. 解法更新.md

@@ -1,41 +0,0 @@
-# 双指针，不计算链表长度
-设置指向headA和headB的指针pa、pb，分别遍历两个链表，每次循环同时更新pa和pb。
-* 当链表A遍历完之后，即pa为空时，将pa指向headB；
-* 当链表B遍历完之后，即pa为空时，将pb指向headA；
-* 当pa与pb相等时，即指向同一个节点，该节点即为相交起始节点。
-* 若链表不相交，则pa、pb同时为空时退出循环，即如果链表不相交，pa与pb在遍历过全部节点后同时指向结尾空节点，此时退出循环，返回空。
-# 证明思路
-设链表A不相交部分长度为a，链表B不相交部分长度为b，两个链表相交部分长度为c。<br>
-在pa指向链表A时，即pa为空之前，pa经过链表A不相交部分和相交部分，走过的长度为a+c；<br>
-pa指向链表B后，在移动相交节点之前经过链表B不相交部分，走过的长度为b，总合为a+c+b。<br>
-同理，pb走过长度的总合为b+c+a。二者相等，即pa与pb可同时到达相交起始节点。 <br>
-该方法可避免计算具体链表长度。
-```cpp
-class Solution {
-public:
-    ListNode *getIntersectionNode(ListNode *headA, ListNode *headB) {
-        //链表为空时，返回空指针
-        if(headA == nullptr || headB == nullptr) return nullptr;
-        ListNode* pa = headA;
-        ListNode* pb = headB;
-        //pa与pb在遍历过全部节点后,同时指向结尾空节点时退出循环
-        while(pa != nullptr || pb != nullptr){
-            //pa为空时，将pa指向headB
-            if(pa == nullptr){
-                pa = headB;
-            }
-            //pa为空时，将pb指向headA
-            if(pb == nullptr){
-                pb = headA;
-            }
-            //pa与pb相等时，返回相交起始节点
-            if(pa == pb){
-                return pa;
-            }
-            pa = pa->next;
-            pb = pb->next;
-        }
-        return nullptr;
-    }
-};
-```

problems/面试题02.07.链表相交.md

@@ -317,7 +317,55 @@ ListNode *getIntersectionNode(ListNode *headA, ListNode *headB) {
 }
 ```
 
-
+Scala:
+```scala
+object Solution {
+  def getIntersectionNode(headA: ListNode, headB: ListNode): ListNode = {
+    var lenA = 0 // headA链表的长度
+    var lenB = 0 // headB链表的长度
+    var tmp = headA // 临时变量
+    // 统计headA的长度
+    while (tmp != null) {
+      lenA += 1;
+      tmp = tmp.next
+    }
+    // 统计headB的长度
+    tmp = headB // 临时变量赋值给headB
+    while (tmp != null) {
+      lenB += 1
+      tmp = tmp.next
+    }
+    // 因为传递过来的参数是不可变量，所以需要重新定义
+    var listA = headA
+    var listB = headB
+    // 两个链表的长度差
+    // 如果gap>0，lenA>lenB，headA(listA)链表往前移动gap步
+    // 如果gap<0，lenA<lenB，headB(listB)链表往前移动-gap步
+    var gap = lenA - lenB
+    if (gap > 0) {
+      // 因为不可以i-=1，所以可以使用for
+      for (i <- 0 until gap) {
+        listA = listA.next // 链表headA(listA) 移动
+      }
+    } else {
+      gap = math.abs(gap) // 此刻gap为负值，取绝对值
+      for (i <- 0 until gap) {
+        listB = listB.next
+      }
+    }
+    // 现在两个链表同时往前走，如果相等则返回
+    while (listA != null && listB != null) {
+      if (listA == listB) {
+        return listA
+      }
+      listA = listA.next
+      listB = listB.next
+    }
+    // 如果链表没有相交则返回null，return可以省略
+    null
+  }
+}
+```
 
 
 -----------------------