mirror of
https://github.com/youngyangyang04/leetcode-master.git
synced 2025-07-07 15:45:40 +08:00
Merge branch 'youngyangyang04:master' into master
This commit is contained in:
@ -37,7 +37,7 @@
|
||||
|
||||
## 数字和字母如何映射
|
||||
|
||||
可以使用map或者定义一个二位数组,例如:string letterMap[10],来做映射,我这里定义一个二维数组,代码如下:
|
||||
可以使用map或者定义一个二维数组,例如:string letterMap[10],来做映射,我这里定义一个二维数组,代码如下:
|
||||
|
||||
```cpp
|
||||
const string letterMap[10] = {
|
||||
|
@ -455,7 +455,6 @@ func combinationSum(_ candidates: [Int], _ target: Int) -> [[Int]] {
|
||||
var path = [Int]()
|
||||
func backtracking(sum: Int, startIndex: Int) {
|
||||
// 终止条件
|
||||
if sum > target { return }
|
||||
if sum == target {
|
||||
result.append(path)
|
||||
return
|
||||
@ -464,8 +463,11 @@ func combinationSum(_ candidates: [Int], _ target: Int) -> [[Int]] {
|
||||
let end = candidates.count
|
||||
guard startIndex < end else { return }
|
||||
for i in startIndex ..< end {
|
||||
let sum = sum + candidates[i] // 使用局部变量隐藏回溯
|
||||
if sum > target { continue } // 剪枝
|
||||
|
||||
path.append(candidates[i]) // 处理
|
||||
backtracking(sum: sum + candidates[i], startIndex: i) // sum这里用新变量完成回溯,i不用+1以重复访问
|
||||
backtracking(sum: sum, startIndex: i) // i不用+1以重复访问
|
||||
path.removeLast() // 回溯
|
||||
}
|
||||
}
|
||||
|
@ -627,7 +627,7 @@ int** combine(int n, int k, int* returnSize, int** returnColumnSizes){
|
||||
func combine(_ n: Int, _ k: Int) -> [[Int]] {
|
||||
var path = [Int]()
|
||||
var result = [[Int]]()
|
||||
func backtracking(_ n: Int, _ k: Int, _ startIndex: Int) {
|
||||
func backtracking(start: Int) {
|
||||
// 结束条件,并收集结果
|
||||
if path.count == k {
|
||||
result.append(path)
|
||||
@ -638,15 +638,15 @@ func combine(_ n: Int, _ k: Int) -> [[Int]] {
|
||||
// let end = n
|
||||
// 剪枝优化
|
||||
let end = n - (k - path.count) + 1
|
||||
guard startIndex <= end else { return }
|
||||
for i in startIndex ... end {
|
||||
guard start <= end else { return }
|
||||
for i in start ... end {
|
||||
path.append(i) // 处理结点
|
||||
backtracking(n, k, i + 1) // 递归
|
||||
backtracking(start: i + 1) // 递归
|
||||
path.removeLast() // 回溯
|
||||
}
|
||||
}
|
||||
|
||||
backtracking(n, k, 1)
|
||||
backtracking(start: 1)
|
||||
return result
|
||||
}
|
||||
```
|
||||
|
@ -300,7 +300,7 @@ Swift:
|
||||
func combine(_ n: Int, _ k: Int) -> [[Int]] {
|
||||
var path = [Int]()
|
||||
var result = [[Int]]()
|
||||
func backtracking(_ n: Int, _ k: Int, _ startIndex: Int) {
|
||||
func backtracking(start: Int) {
|
||||
// 结束条件,并收集结果
|
||||
if path.count == k {
|
||||
result.append(path)
|
||||
@ -311,15 +311,15 @@ func combine(_ n: Int, _ k: Int) -> [[Int]] {
|
||||
// let end = n
|
||||
// 剪枝优化
|
||||
let end = n - (k - path.count) + 1
|
||||
guard startIndex <= end else { return }
|
||||
for i in startIndex ... end {
|
||||
guard start <= end else { return }
|
||||
for i in start ... end {
|
||||
path.append(i) // 处理结点
|
||||
backtracking(n, k, i + 1) // 递归
|
||||
backtracking(start: i + 1) // 递归
|
||||
path.removeLast() // 回溯
|
||||
}
|
||||
}
|
||||
|
||||
backtracking(n, k, 1)
|
||||
backtracking(start: 1)
|
||||
return result
|
||||
}
|
||||
```
|
||||
|
@ -575,12 +575,9 @@ func partition(_ s: String) -> [[String]] {
|
||||
|
||||
for i in startIndex ..< s.count {
|
||||
// 回文则收集,否则跳过
|
||||
if isPalindrome(start: startIndex, end: i) {
|
||||
let substring = String(s[startIndex ... i])
|
||||
path.append(substring)
|
||||
} else {
|
||||
continue
|
||||
}
|
||||
guard isPalindrome(start: startIndex, end: i) else { continue }
|
||||
let substring = String(s[startIndex ... i])
|
||||
path.append(substring) // 处理
|
||||
backtracking(startIndex: i + 1) // 寻找下一个起始位置的子串
|
||||
if !path.isEmpty { path.removeLast() } // 回溯
|
||||
}
|
||||
|
@ -220,7 +220,7 @@ public:
|
||||
|
||||
但因为分割子串的特殊性,遍历背包放在外循环,将遍历物品放在内循环更方便一些。
|
||||
|
||||
本题其实递推公式都不是重点,遍历顺序才是重点,如果我直接把代码贴出来,估计同学们也会想两个for循环的顺序理所当然就是这样,甚至都不会想为什么遍历背包的for循环为什么在外层。
|
||||
本题其实递推公式都不是重点,遍历顺序才是重点,如果我直接把代码贴出来,估计同学们也会想两个for循环的顺序理所当然就是这样,甚至都不会想为什么遍历背包的for循环在外层。
|
||||
|
||||
不分析透彻不是Carl的风格啊,哈哈
|
||||
|
||||
|
@ -462,7 +462,7 @@ int** combinationSum3(int k, int n, int* returnSize, int** returnColumnSizes){
|
||||
func combinationSum3(_ count: Int, _ targetSum: Int) -> [[Int]] {
|
||||
var result = [[Int]]()
|
||||
var path = [Int]()
|
||||
func backtracking(sum: Int, startIndex: Int) {
|
||||
func backtracking(sum: Int, start: Int) {
|
||||
// 剪枝
|
||||
if sum > targetSum { return }
|
||||
// 终止条件
|
||||
@ -474,16 +474,16 @@ func combinationSum3(_ count: Int, _ targetSum: Int) -> [[Int]] {
|
||||
}
|
||||
|
||||
// 单层逻辑
|
||||
let endIndex = 9
|
||||
guard startIndex <= endIndex else { return }
|
||||
for i in startIndex ... endIndex {
|
||||
let end = 9
|
||||
guard start <= end else { return }
|
||||
for i in start ... end {
|
||||
path.append(i) // 处理
|
||||
backtracking(sum: sum + i, startIndex: i + 1)
|
||||
backtracking(sum: sum + i, start: i + 1)
|
||||
path.removeLast() // 回溯
|
||||
}
|
||||
}
|
||||
|
||||
backtracking(sum: 0, startIndex: 1)
|
||||
backtracking(sum: 0, start: 1)
|
||||
return result
|
||||
}
|
||||
```
|
||||
|
@ -40,7 +40,7 @@
|
||||
|
||||
1. 确定dp数组(dp table)以及下标的含义
|
||||
|
||||
**dp[i]:和为i的完全平方数的最少数量为dp[i]**
|
||||
**dp[j]:和为j的完全平方数的最少数量为dp[j]**
|
||||
|
||||
2. 确定递推公式
|
||||
|
||||
@ -58,7 +58,7 @@ dp[0]表示 和为0的完全平方数的最小数量,那么dp[0]一定是0。
|
||||
|
||||
非0下标的dp[j]应该是多少呢?
|
||||
|
||||
从递归公式dp[j] = min(dp[j - i * i] + 1, dp[j]);中可以看出每次dp[j]都要选最小的,**所以非0下标的dp[i]一定要初始为最大值,这样dp[j]在递推的时候才不会被初始值覆盖**。
|
||||
从递归公式dp[j] = min(dp[j - i * i] + 1, dp[j]);中可以看出每次dp[j]都要选最小的,**所以非0下标的dp[j]一定要初始为最大值,这样dp[j]在递推的时候才不会被初始值覆盖**。
|
||||
|
||||
4. 确定遍历顺序
|
||||
|
||||
@ -70,9 +70,9 @@ dp[0]表示 和为0的完全平方数的最小数量,那么dp[0]一定是0。
|
||||
|
||||
在[动态规划:322. 零钱兑换](https://programmercarl.com/0322.零钱兑换.html)中我们就深入探讨了这个问题,本题也是一样的,是求最小数!
|
||||
|
||||
**所以本题外层for遍历背包,里层for遍历物品,还是外层for遍历物品,内层for遍历背包,都是可以的!**
|
||||
**所以本题外层for遍历背包,内层for遍历物品,还是外层for遍历物品,内层for遍历背包,都是可以的!**
|
||||
|
||||
我这里先给出外层遍历背包,里层遍历物品的代码:
|
||||
我这里先给出外层遍历背包,内层遍历物品的代码:
|
||||
|
||||
```CPP
|
||||
vector<int> dp(n + 1, INT_MAX);
|
||||
|
@ -81,7 +81,7 @@ dp[0] = 0;
|
||||
|
||||
4. 确定遍历顺序
|
||||
|
||||
本题求钱币最小个数,**那么钱币有顺序和没有顺序都可以,都不影响钱币的最小个数。**。
|
||||
本题求钱币最小个数,**那么钱币有顺序和没有顺序都可以,都不影响钱币的最小个数**。
|
||||
|
||||
所以本题并不强调集合是组合还是排列。
|
||||
|
||||
@ -170,7 +170,7 @@ public:
|
||||
|
||||
这也是我为什么要先讲518.零钱兑换II 然后再讲本题即:322.零钱兑换,这是Carl的良苦用心那。
|
||||
|
||||
相信大家看完之后,对背包问题中的遍历顺序又了更深的理解了。
|
||||
相信大家看完之后,对背包问题中的遍历顺序有更深的理解了。
|
||||
|
||||
|
||||
|
||||
|
@ -261,6 +261,7 @@ func wiggleMaxLength(nums []int) int {
|
||||
```
|
||||
|
||||
### Javascript
|
||||
**贪心**
|
||||
```Javascript
|
||||
var wiggleMaxLength = function(nums) {
|
||||
if(nums.length <= 1) return nums.length
|
||||
@ -277,6 +278,25 @@ var wiggleMaxLength = function(nums) {
|
||||
return result
|
||||
};
|
||||
```
|
||||
**动态规划**
|
||||
```Javascript
|
||||
var wiggleMaxLength = function(nums) {
|
||||
if (nums.length === 1) return 1;
|
||||
// 考虑前i个数,当第i个值作为峰谷时的情况(则第i-1是峰顶)
|
||||
let down = 1;
|
||||
// 考虑前i个数,当第i个值作为峰顶时的情况(则第i-1是峰谷)
|
||||
let up = 1;
|
||||
for (let i = 1; i < nums.length; i++) {
|
||||
if (nums[i] < nums[i - 1]) {
|
||||
down = Math.max(up + 1, down);
|
||||
}
|
||||
if (nums[i] > nums[i - 1]) {
|
||||
up = Math.max(down + 1, up)
|
||||
}
|
||||
}
|
||||
return Math.max(down, up);
|
||||
};
|
||||
```
|
||||
|
||||
-----------------------
|
||||
<div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>
|
||||
|
@ -152,8 +152,7 @@ public:
|
||||
vector<int> dailyTemperatures(vector<int>& T) {
|
||||
stack<int> st; // 递减栈
|
||||
vector<int> result(T.size(), 0);
|
||||
st.push(0);
|
||||
for (int i = 1; i < T.size(); i++) {
|
||||
for (int i = 0; i < T.size(); i++) {
|
||||
while (!st.empty() && T[i] > T[st.top()]) { // 注意栈不能为空
|
||||
result[st.top()] = i - st.top();
|
||||
st.pop();
|
||||
|
@ -85,7 +85,7 @@ public:
|
||||
|
||||
关键看遍历顺序。
|
||||
|
||||
本题求钱币最小个数,**那么钱币有顺序和没有顺序都可以,都不影响钱币的最小个数。**。
|
||||
本题求钱币最小个数,**那么钱币有顺序和没有顺序都可以,都不影响钱币的最小个数**。
|
||||
|
||||
所以本题并不强调集合是组合还是排列。
|
||||
|
||||
|
@ -3,7 +3,7 @@
|
||||
|
||||
## 周一
|
||||
|
||||
[动态规划:开始打家劫舍!](https://programmercarl.com/0198.打家劫舍.html)中就是给一个数组相邻之间不能连着偷,如果偷才能得到最大金钱。
|
||||
[动态规划:开始打家劫舍!](https://programmercarl.com/0198.打家劫舍.html)中就是给一个数组相邻之间不能连着偷,如何偷才能得到最大金钱。
|
||||
|
||||
1. 确定dp数组含义
|
||||
|
||||
@ -65,7 +65,7 @@ dp[1] = max(nums[0], nums[1]);
|
||||
|
||||
## 周三
|
||||
|
||||
[动态规划:还要打家劫舍!](https://programmercarl.com/0337.打家劫舍III.html)这次是在一颗二叉树上打家劫舍了,条件还是一样的,相临的不能偷。
|
||||
[动态规划:还要打家劫舍!](https://programmercarl.com/0337.打家劫舍III.html)这次是在一棵二叉树上打家劫舍了,条件还是一样的,相临的不能偷。
|
||||
|
||||
这道题目是树形DP的入门题目,其实树形DP其实就是在树上进行递推公式的推导,没有什么神秘的。
|
||||
|
||||
@ -191,12 +191,12 @@ return {val2, val1};
|
||||
|
||||
## 周四
|
||||
|
||||
[动态规划:买卖股票的最佳时机](https://programmercarl.com/0121.买卖股票的最佳时机.html) 一段时间,只能买买一次,问最大收益。
|
||||
[动态规划:买卖股票的最佳时机](https://programmercarl.com/0121.买卖股票的最佳时机.html) 一段时间,只能买卖一次,问最大收益。
|
||||
|
||||
这里我给出了三中解法:
|
||||
这里我给出了三种解法:
|
||||
|
||||
暴力解法代码:
|
||||
```
|
||||
```CPP
|
||||
class Solution {
|
||||
public:
|
||||
int maxProfit(vector<int>& prices) {
|
||||
|
@ -331,7 +331,7 @@ used数组可是全局变量,每层与每层之间公用一个used数组,所
|
||||
|
||||
在[回溯算法:N皇后问题](https://programmercarl.com/0051.N皇后.html)中终于迎来了传说中的N皇后。
|
||||
|
||||
下面我用一个3 * 3 的棋牌,将搜索过程抽象为一颗树,如图:
|
||||
下面我用一个3 * 3 的棋盘,将搜索过程抽象为一颗树,如图:
|
||||
|
||||

|
||||
|
||||
@ -437,20 +437,5 @@ N皇后问题分析:
|
||||
**回溯算法系列正式结束,新的系列终将开始,录友们准备开启新的征程!**
|
||||
|
||||
|
||||
|
||||
## 其他语言版本
|
||||
|
||||
|
||||
Java:
|
||||
|
||||
|
||||
Python:
|
||||
|
||||
|
||||
Go:
|
||||
|
||||
|
||||
|
||||
|
||||
-----------------------
|
||||
<div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>
|
||||
|
@ -7,7 +7,7 @@
|
||||
|
||||
# 动态规划:关于多重背包,你该了解这些!
|
||||
|
||||
之前我们已经体统的讲解了01背包和完全背包,如果没有看过的录友,建议先把如下三篇文章仔细阅读一波。
|
||||
之前我们已经系统的讲解了01背包和完全背包,如果没有看过的录友,建议先把如下三篇文章仔细阅读一波。
|
||||
|
||||
* [动态规划:关于01背包问题,你该了解这些!](https://programmercarl.com/背包理论基础01背包-1.html)
|
||||
* [动态规划:关于01背包问题,你该了解这些!(滚动数组)](https://programmercarl.com/背包理论基础01背包-2.html)
|
||||
|
@ -177,41 +177,41 @@ int main() {
|
||||
Java:
|
||||
|
||||
```java
|
||||
//先遍历物品,再遍历背包
|
||||
private static void testCompletePack(){
|
||||
int[] weight = {1, 3, 4};
|
||||
int[] value = {15, 20, 30};
|
||||
int bagWeight = 4;
|
||||
int[] dp = new int[bagWeight + 1];
|
||||
for (int i = 0; i < weight.length; i++){
|
||||
for (int j = 1; j <= bagWeight; j++){
|
||||
if (j - weight[i] >= 0){
|
||||
dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
|
||||
}
|
||||
//先遍历物品,再遍历背包
|
||||
private static void testCompletePack(){
|
||||
int[] weight = {1, 3, 4};
|
||||
int[] value = {15, 20, 30};
|
||||
int bagWeight = 4;
|
||||
int[] dp = new int[bagWeight + 1];
|
||||
for (int i = 0; i < weight.length; i++){
|
||||
for (int j = 1; j <= bagWeight; j++){
|
||||
if (j - weight[i] >= 0){
|
||||
dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
|
||||
}
|
||||
}
|
||||
for (int maxValue : dp){
|
||||
System.out.println(maxValue + " ");
|
||||
}
|
||||
}
|
||||
for (int maxValue : dp){
|
||||
System.out.println(maxValue + " ");
|
||||
}
|
||||
}
|
||||
|
||||
//先遍历背包,再遍历物品
|
||||
private static void testCompletePackAnotherWay(){
|
||||
int[] weight = {1, 3, 4};
|
||||
int[] value = {15, 20, 30};
|
||||
int bagWeight = 4;
|
||||
int[] dp = new int[bagWeight + 1];
|
||||
for (int i = 1; i <= bagWeight; i++){
|
||||
for (int j = 0; j < weight.length; j++){
|
||||
if (i - weight[j] >= 0){
|
||||
dp[i] = Math.max(dp[i], dp[i - weight[j]] + value[j]);
|
||||
}
|
||||
//先遍历背包,再遍历物品
|
||||
private static void testCompletePackAnotherWay(){
|
||||
int[] weight = {1, 3, 4};
|
||||
int[] value = {15, 20, 30};
|
||||
int bagWeight = 4;
|
||||
int[] dp = new int[bagWeight + 1];
|
||||
for (int i = 1; i <= bagWeight; i++){
|
||||
for (int j = 0; j < weight.length; j++){
|
||||
if (i - weight[j] >= 0){
|
||||
dp[i] = Math.max(dp[i], dp[i - weight[j]] + value[j]);
|
||||
}
|
||||
}
|
||||
for (int maxValue : dp){
|
||||
System.out.println(maxValue + " ");
|
||||
}
|
||||
}
|
||||
for (int maxValue : dp){
|
||||
System.out.println(maxValue + " ");
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
|
||||
|
Reference in New Issue
Block a user