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