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/0104.二叉树的最大深度.md b/problems/0104.二叉树的最大深度.md index 7a647844..85b41548 100644 --- a/problems/0104.二叉树的最大深度.md +++ b/problems/0104.二叉树的最大深度.md @@ -48,7 +48,7 @@ int getdepth(treenode* node) 代码如下: ```CPP -if (node == null) return 0; +if (node == NULL) return 0; ``` 3. 确定单层递归的逻辑:先求它的左子树的深度,再求的右子树的深度,最后取左右深度最大的数值 再+1 (加1是因为算上当前中间节点)就是目前节点为根节点的树的深度。 @@ -68,7 +68,7 @@ return depth; class solution { public: int getdepth(treenode* node) { - if (node == null) return 0; + if (node == NULL) return 0; int leftdepth = getdepth(node->left); // 左 int rightdepth = getdepth(node->right); // 右 int depth = 1 + max(leftdepth, rightdepth); // 中 @@ -104,7 +104,7 @@ public: void getdepth(treenode* node, int depth) { result = depth > result ? depth : result; // 中 - if (node->left == null && node->right == null) return ; + if (node->left == NULL && node->right == NULL) return ; if (node->left) { // 左 depth++; // 深度+1 @@ -137,7 +137,7 @@ public: int result; void getdepth(treenode* node, int depth) { result = depth > result ? depth : result; // 中 - if (node->left == null && node->right == null) return ; + if (node->left == NULL && node->right == NULL) return ; if (node->left) { // 左 getdepth(node->left, depth + 1); } @@ -173,7 +173,7 @@ c++代码如下: class solution { public: int maxdepth(treenode* root) { - if (root == null) return 0; + if (root == NULL) return 0; int depth = 0; queue que; que.push(root); @@ -238,7 +238,7 @@ class solution { public: int maxdepth(node* root) { queue que; - if (root != null) que.push(root); + if (root != NULL) que.push(root); int depth = 0; while (!que.empty()) { int size = que.size(); 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 diff --git a/problems/二叉树的迭代遍历.md b/problems/二叉树的迭代遍历.md index a139652c..4cb94cb5 100644 --- a/problems/二叉树的迭代遍历.md +++ b/problems/二叉树的迭代遍历.md @@ -454,6 +454,79 @@ var postorderTraversal = function(root, res = []) { }; ``` +Swift: + +> 迭代法前序遍历 +```swift +func preorderTraversal(_ root: TreeNode?) -> [Int] { + var res = [Int]() + if root == nil { + return res + } + var stack = [TreeNode]() + stack.append(root!) + while !stack.isEmpty { + let node = stack.popLast()! + res.append(node.val) + if node.right != nil { + stack.append(node.right!) + } + if node.left != nil { + stack.append(node.left!) + } + } + return res +} +``` + +> 迭代法中序遍历 +```swift +func inorderTraversal(_ root: TreeNode?) -> [Int] { + var res = [Int]() + if root == nil { + return res + } + var stack = [TreeNode]() + var cur: TreeNode? = root + while cur != nil || !stack.isEmpty { + if cur != nil { + stack.append(cur!) + cur = cur!.left + } else { + cur = stack.popLast() + res.append(cur!.val) + cur = cur!.right + } + } + return res +} +``` + +> 迭代法后序遍历 +```swift +func postorderTraversal(_ root: TreeNode?) -> [Int] { + var res = [Int]() + if root == nil { + return res + } + var stack = [TreeNode]() + stack.append(root!) + // res 存储 中 -> 右 -> 左 + while !stack.isEmpty { + let node = stack.popLast()! + res.append(node.val) + if node.left != nil { + stack.append(node.left!) + } + if node.right != nil { + stack.append(node.right!) + } + } + // res 翻转 + res.reverse() + return res +} +``` -----------------------
diff --git a/problems/背包问题理论基础多重背包.md b/problems/背包问题理论基础多重背包.md index 82418188..80b9f8a1 100644 --- a/problems/背包问题理论基础多重背包.md +++ b/problems/背包问题理论基础多重背包.md @@ -147,6 +147,51 @@ int main() { Java: +```Java +public void testMultiPack1(){ + // 版本一:改变物品数量为01背包格式 + List weight = new ArrayList<>(Arrays.asList(1, 3, 4)); + List value = new ArrayList<>(Arrays.asList(15, 20, 30)); + List nums = new ArrayList<>(Arrays.asList(2, 3, 2)); + int bagWeight = 10; + + for (int i = 0; i < nums.size(); i++) { + while (nums.get(i) > 1) { // 把物品展开为i + weight.add(weight.get(i)); + value.add(value.get(i)); + nums.set(i, nums.get(i) - 1); + } + } + + int[] dp = new int[bagWeight + 1]; + for(int i = 0; i < weight.size(); i++) { // 遍历物品 + for(int j = bagWeight; j >= weight.get(i); j--) { // 遍历背包容量 + dp[j] = Math.max(dp[j], dp[j - weight.get(i)] + value.get(i)); + } + System.out.println(Arrays.toString(dp)); + } +} + +public void testMultiPack2(){ + // 版本二:改变遍历个数 + int[] weight = new int[] {1, 3, 4}; + int[] value = new int[] {15, 20, 30}; + int[] nums = new int[] {2, 3, 2}; + int bagWeight = 10; + + int[] dp = new int[bagWeight + 1]; + for(int i = 0; i < weight.length; i++) { // 遍历物品 + for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量 + // 以上为01背包,然后加一个遍历个数 + for (int k = 1; k <= nums[i] && (j - k * weight[i]) >= 0; k++) { // 遍历个数 + dp[j] = Math.max(dp[j], dp[j - k * weight[i]] + k * value[i]); + } + System.out.println(Arrays.toString(dp)); + } + } +} +``` + Python: ```python