From d9605c25c741c19429fe5570e7f3d378ea7f56f2 Mon Sep 17 00:00:00 2001
From: youngyangyang04 <826123027@qq.com>
Date: Fri, 24 Dec 2021 22:56:41 +0800
Subject: [PATCH] Update

---
 problems/0188.买卖股票的最佳时机IV.md |  4 ++--
 problems/0347.前K个高频元素.md           |  2 ++
 problems/0844.比较含退格的字符串.md   | 14 ++++++--------
 problems/0925.长按键入.md                  | 12 ++++++------
 problems/1221.分割平衡字符串.md         | 14 +++++++-------
 5 files changed, 23 insertions(+), 23 deletions(-)

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<vector<int>> dp(prices.size(), vector<int>(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) {