Update

README.md

@@ -66,7 +66,7 @@
 
 **这里每一篇题解，都是精品，值得仔细琢磨**。
 
-我在题目讲解中统一使用C++，但你会发现下面几乎每篇题解都配有其他语言版本，Java、Python、Go、JavaScript等等，正是这些[热心小伙们](https://github.com/youngyangyang04/leetcode-master/graphs/contributors)的贡献的代码，当然我也会严格把控代码质量。 
+我在题目讲解中统一使用C++，但你会发现下面几乎每篇题解都配有其他语言版本，Java、Python、Go、JavaScript等等，正是这些[热心小伙们](https://github.com/youngyangyang04/leetcode-master/graphs/contributors)贡献的代码，当然我也会严格把控代码质量。 
 
 **所以也欢迎大家参与进来，完善题解的各个语言版本，拥抱开源，让更多小伙伴们受益**。
 

problems/0001.两数之和.md

@@ -109,6 +109,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(n)
+
 ## 总结 
 
 本题其实有四个重点： 
@@ -213,6 +216,26 @@ impl Solution {
     }
 }
 ```
+Rust
+
+```
+use std::collections::HashMap;
+ 
+impl Solution {
+    pub fn two_sum(nums: Vec<i32>, target: i32) -> Vec<i32> {
+        let mut hm: HashMap<i32, i32> = HashMap::new();
+        for i in 0..nums.len() {
+            let j = target - nums[i];
+            if hm.contains_key(&j) {
+                return vec![*hm.get(&j).unwrap(), i as i32]
+            } else {
+                hm.insert(nums[i], i as i32);
+            }
+        }
+        vec![-1, -1]
+    }
+}
+```
 
 Javascript
 

problems/0015.三数之和.md

@@ -83,6 +83,10 @@ public:
 };
 ```
 
+* 时间复杂度: O(n^2)
+* 空间复杂度: O(n)，额外的 set 开销
+
+
 ## 双指针
 
 **其实这道题目使用哈希法并不十分合适**，因为在去重的操作中有很多细节需要注意，在面试中很难直接写出没有bug的代码。
@@ -158,6 +162,10 @@ public:
 };
 ```
 
+* 时间复杂度: O(n^2)
+* 空间复杂度: O(1)
+
+
 ## 去重逻辑的思考
 
 ### a的去重

problems/0018.四数之和.md

@@ -121,6 +121,10 @@ public:
 
 ```
 
+* 时间复杂度: O(n^3)
+* 空间复杂度: O(1)
+
+
 ## 补充 
 
 二级剪枝的部分：

problems/0019.删除链表的倒数第N个节点.md

@@ -87,6 +87,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)
+
 
 ## 其他语言版本
 

problems/0020.有效的括号.md

@@ -135,6 +135,9 @@ public:
 };
 
 ```
+* 时间复杂度: O(n)
+* 空间复杂度: O(n)
+
 技巧性的东西没有固定的学习方法，还是要多看多练，自己灵活运用了。
 
 

problems/0028.实现strStr.md

@@ -444,6 +444,8 @@ public:
 };
 
 ```
+* 时间复杂度: O(n + m)
+* 空间复杂度: O(m), 只需要保存字符串needle的前缀表  
 
 # 前缀表（不减一）C++实现
 
@@ -540,6 +542,9 @@ public:
     }
 };
 ```
+* 时间复杂度: O(n + m)
+* 空间复杂度: O(m)
+
 
 # 总结
 

problems/0045.跳跃游戏II.md

@@ -4,7 +4,6 @@
 </a>
 <p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
 
-
 > 相对于[贪心算法：跳跃游戏](https://mp.weixin.qq.com/s/606_N9j8ACKCODoCbV1lSA)难了不少，做好心里准备！
 
 # 45.跳跃游戏 II
@@ -18,13 +17,17 @@
 你的目标是使用最少的跳跃次数到达数组的最后一个位置。
 
 示例:
-* 输入: [2,3,1,1,4]
+
-* 输出: 2
+- 输入: [2,3,1,1,4]
-* 解释: 跳到最后一个位置的最小跳跃数是 2。从下标为 0 跳到下标为 1 的位置，跳 1 步，然后跳 3 步到达数组的最后一个位置。
+- 输出: 2
+- 解释: 跳到最后一个位置的最小跳跃数是 2。从下标为 0 跳到下标为 1 的位置，跳  1  步，然后跳  3  步到达数组的最后一个位置。
 
 说明:
 假设你总是可以到达数组的最后一个位置。
 
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，最少跳几步还得看覆盖范围 | LeetCode： 45.跳跃游戏 II](https://www.bilibili.com/video/BV1Y24y1r7XZ)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
 
 ## 思路
 
@@ -46,7 +49,6 @@
 
 如图：
 
-
 ![45.跳跃游戏II](https://code-thinking-1253855093.file.myqcloud.com/pics/20201201232309103.png)
 
 **图中覆盖范围的意义在于，只要红色的区域，最多两步一定可以到！（不用管具体怎么跳，反正一定可以跳到）**
@@ -57,8 +59,8 @@
 
 这里还是有个特殊情况需要考虑，当移动下标达到了当前覆盖的最远距离下标时
 
-* 如果当前覆盖最远距离下标不是是集合终点，步数就加一，还需要继续走。
+- 如果当前覆盖最远距离下标不是是集合终点，步数就加一，还需要继续走。
-* 如果当前覆盖最远距离下标就是是集合终点，步数不用加一，因为不能再往后走了。
+- 如果当前覆盖最远距离下标就是是集合终点，步数不用加一，因为不能再往后走了。
 
 C++代码如下：（详细注释）
 
@@ -74,11 +76,9 @@ public:
         for (int i = 0; i < nums.size(); i++) {
             nextDistance = max(nums[i] + i, nextDistance);  // 更新下一步覆盖最远距离下标
             if (i == curDistance) {                         // 遇到当前覆盖最远距离下标
-                if (curDistance < nums.size() - 1) {       // 如果当前覆盖最远距离下标不是终点
                 ans++;                                  // 需要走下一步
                 curDistance = nextDistance;             // 更新当前覆盖最远距离下标（相当于加油了）
-                    if (nextDistance >= nums.size() - 1) break; // 下一步的覆盖范围已经可以达到终点，结束循环
+                if (nextDistance >= nums.size() - 1) break;  // 当前覆盖最远距到达集合终点，不用做ans++操作了，直接结束
-                } else break;                               // 当前覆盖最远距到达集合终点，不用做ans++操作了，直接结束
             }
         }
         return ans;
@@ -86,6 +86,10 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)
+
+
 ## 方法二
 
 依然是贪心，思路和方法一差不多，代码可以简洁一些。
@@ -96,10 +100,10 @@ public:
 
 因为当移动下标指向 nums.size - 2 时：
 
-* 如果移动下标等于当前覆盖最大距离下标， 需要再走一步（即ans++），因为最后一步一定是可以到的终点。（题目假设总是可以到达数组的最后一个位置），如图：
+- 如果移动下标等于当前覆盖最大距离下标， 需要再走一步（即 ans++），因为最后一步一定是可以到的终点。（题目假设总是可以到达数组的最后一个位置），如图：
   ![45.跳跃游戏II2](https://code-thinking-1253855093.file.myqcloud.com/pics/20201201232445286.png)
 
-* 如果移动下标不等于当前覆盖最大距离下标，说明当前覆盖最远距离就可以直接达到终点了，不需要再走一步。如图：
+- 如果移动下标不等于当前覆盖最大距离下标，说明当前覆盖最远距离就可以直接达到终点了，不需要再走一步。如图：
 
 ![45.跳跃游戏II1](https://code-thinking-1253855093.file.myqcloud.com/pics/20201201232338693.png)
 
@@ -125,6 +129,11 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)
+
+
+
 可以看出版本二的代码相对于版本一简化了不少！
 
 **其精髓在于控制移动下标 i 只移动到 nums.size() - 2 的位置**，所以移动下标只要遇到当前覆盖最远距离的下标，直接步数加一，不用考虑别的了。
@@ -137,11 +146,10 @@ public:
 
 理解本题的关键在于：**以最小的步数增加最大的覆盖范围，直到覆盖范围覆盖了终点**，这个范围内最小步数一定可以跳到，不用管具体是怎么跳的，不纠结于一步究竟跳一个单位还是两个单位。
 
-
 ## 其他语言版本
 
-
 ### Java
+
 ```Java
 // 版本一
 class Solution {
@@ -230,6 +238,22 @@ class Solution:
                 step += 1
         return step
 ```
+```python
+# 贪心版本三 - 类似‘55-跳跃游戏’写法
+class Solution:
+    def jump(self, nums) -> int:
+        if len(nums)==1: return 0
+        i = 0
+        count = 0
+        cover = 0
+        while i<=cover:
+            for i in range(i,cover+1):
+                cover = max(nums[i]+i,cover)
+                if cover>=len(nums)-1: return count+1
+            count+=1
+        
+```
+
 ```python
 # 动态规划做法
 class Solution:
@@ -244,7 +268,6 @@ class Solution:
 
 ```
 
-
 ### Go
 
 ```go
@@ -345,7 +368,7 @@ function jump(nums: number[]): number {
     curIndex++;
   }
   return stepNum;
-};
+}
 ```
 
 ### Scala
@@ -379,23 +402,25 @@ object Solution {
 ```Rust
 //版本一
 impl Solution {
-    fn max(a: i32, b:i32) -> i32 {
-        if a > b { a } else { b }
-    }
     pub fn jump(nums: Vec<i32>) -> i32 {
-        if nums.len() == 0 { return 0; }
+        if nums.len() == 1 {
-        let mut cur_distance: i32 = 0;
+            return 0;
-        let mut ans: i32 = 0;
+        }
-        let mut next_distance: i32 = 0;
+        let mut cur_distance = 0;
-        for i in 0..nums.len() {
+        let mut ans = 0;
-            next_distance = Self::max(nums[i] + i as i32, next_distance);
+        let mut next_distance = 0;
-            if i as i32 == cur_distance {
+        for (i, &n) in nums.iter().enumerate().take(nums.len() - 1) {
-                if cur_distance != (nums.len() - 1) as i32 {
+            next_distance = (n as usize + i).max(next_distance);
+            if i == cur_distance {
+                if cur_distance < nums.len() - 1 {
                     ans += 1;
                     cur_distance = next_distance;
-                    if next_distance == (nums.len() - 1) as i32 { break; }
+                    if next_distance >= nums.len() - 1 {
+                        break;
+                    };
+                } else {
+                    break;
                 }
-                else { break; }
             }
         }
         ans
@@ -406,16 +431,16 @@ impl Solution {
 ```Rust
 //版本二
 impl Solution {
-    fn max(a: i32, b:i32) -> i32 {
-        if a > b { a } else { b }
-    }
     pub fn jump(nums: Vec<i32>) -> i32 {
-        let mut cur_distance: i32 = 0;
+        if nums.len() == 1 {
-        let mut ans: i32 = 0;
+            return 0;
-        let mut next_distance: i32 = 0;
+        }
-        for i in 0..nums.len() - 1 {
+        let mut cur_distance = 0;
-            next_distance = Self::max(nums[i] + i as i32, next_distance);
+        let mut ans = 0;
-            if i as i32 == cur_distance {
+        let mut next_distance = 0;
+        for (i, &n) in nums.iter().enumerate().take(nums.len() - 1) {
+            next_distance = (n as usize + i).max(next_distance);
+            if i == cur_distance {
                 cur_distance = next_distance;
                 ans += 1;
             }
@@ -425,7 +450,6 @@ impl Solution {
 }
 ```
 
-
 <p align="center">
 <a href="https://programmercarl.com/other/kstar.html" target="_blank">
   <img src="../pics/网站星球宣传海报.jpg" width="1000"/>

problems/0053.最大子序和.md

@@ -4,7 +4,6 @@
 </a>
 <p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
 
-
 # 53. 最大子序和
 
 [力扣题目链接](https://leetcode.cn/problems/maximum-subarray/)
@@ -12,17 +11,19 @@
 给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。
 
 示例:
-* 输入: [-2,1,-3,4,-1,2,1,-5,4]
-* 输出: 6
-* 解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。
 
+- 输入: [-2,1,-3,4,-1,2,1,-5,4]
+- 输出: 6
+- 解释:  连续子数组  [4,-1,2,1] 的和最大，为  6。
+
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法的巧妙需要慢慢体会！LeetCode：53. 最大子序和](https://www.bilibili.com/video/BV1aY4y1Z7ya)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
 
 ## 暴力解法
 
 暴力解法的思路，第一层 for 就是设置起始位置，第二层 for 循环遍历数组寻找最大值
 
-* 时间复杂度：O(n^2)
-* 空间复杂度：O(1)
 
 ```CPP
 class Solution {
@@ -41,6 +42,9 @@ public:
     }
 };
 ```
+* 时间复杂度：O(n^2)
+* 空间复杂度：O(1)
+
 
 以上暴力的解法 C++勉强可以过，其他语言就不确定了。
 
@@ -56,12 +60,10 @@ public:
 
 **局部最优的情况下，并记录最大的“连续和”，可以推出全局最优**。
 
-
 从代码角度上来讲：遍历 nums，从头开始用 count 累积，如果 count 一旦加上 nums[i]变为负数，那么就应该从 nums[i+1]开始从 0 累积 count 了，因为已经变为负数的 count，只会拖累总和。
 
 **这相当于是暴力解法中的不断调整最大子序和区间的起始位置**。
 
-
 **那有同学问了，区间终止位置不用调整么？ 如何才能得到最大“连续和”呢？**
 
 区间的终止位置，其实就是如果 count 取到最大值了，及时记录下来了。例如如下代码：
@@ -97,20 +99,17 @@ public:
     }
 };
 ```
-
+- 时间复杂度：O(n)
-* 时间复杂度：O(n)
+- 空间复杂度：O(1)
-* 空间复杂度：O(1)
 
 当然题目没有说如果数组为空，应该返回什么，所以数组为空的话返回啥都可以了。
 
-
 ## 常见误区
 
 误区一：
 
 不少同学认为 如果输入用例都是-1，或者 都是负数，这个贪心算法跑出来的结果是 0， 这是**又一次证明脑洞模拟不靠谱的经典案例**，建议大家把代码运行一下试一试，就知道了，也会理解 为什么 result 要初始化为最小负数了。
 
-
 误区二：
 
 大家在使用贪心算法求解本题，经常陷入的误区，就是分不清，是遇到 负数就选择起始位置，还是连续和为负选择起始位置。
@@ -123,8 +122,6 @@ public:
 
 其实并不会，因为还有一个变量 result 一直在更新 最大的连续和，只要有更大的连续和出现，result 就更新了，那么 result 已经把 4 更新了，后面 连续和变成 3，也不会对最后结果有影响。
 
-
-
 ## 动态规划
 
 当然本题还可以用动态规划来做，当前[「代码随想录」](https://img-blog.csdnimg.cn/20201124161234338.png)主要讲解贪心系列，后续到动态规划系列的时候会详细讲解本题的 dp 方法。
@@ -148,8 +145,8 @@ public:
 };
 ```
 
-* 时间复杂度：O(n)
+- 时间复杂度：O(n)
-* 空间复杂度：O(n)
+- 空间复杂度：O(n)
 
 ## 总结
 
@@ -159,8 +156,8 @@ public:
 
 ## 其他语言版本
 
-
 ### Java
+
 ```java
 class Solution {
     public int maxSubArray(int[] nums) {
@@ -201,6 +198,7 @@ class Solution {
 ```
 
 ### Python
+
 ```python
 class Solution:
     def maxSubArray(self, nums: List[int]) -> int:
@@ -233,6 +231,7 @@ func maxSubArray(nums []int) int {
 ```
 
 ### Rust
+
 ```rust
 pub fn max_sub_array(nums: Vec<i32>) -> i32 {
     let mut max_sum = i32::MIN;
@@ -247,6 +246,7 @@ pub fn max_sub_array(nums: Vec<i32>) -> i32 {
 ```
 
 ### Javascript:
+
 ```Javascript
 var maxSubArray = function(nums) {
     let result = -Infinity
@@ -264,9 +264,10 @@ var maxSubArray = function(nums) {
 };
 ```
 
-
 ### C:
+
 贪心：
+
 ```c
 int maxSubArray(int* nums, int numsSize){
     int maxVal = INT_MIN;
@@ -286,6 +287,7 @@ int maxSubArray(int* nums, int numsSize){
 ```
 
 动态规划：
+
 ```c
 /**
  * 解题思路：动态规划：
@@ -332,7 +334,7 @@ function maxSubArray(nums: number[]): number {
     if (curSum < 0) curSum = 0;
   }
   return resMax;
-};
+}
 ```
 
 **动态规划**
@@ -350,7 +352,7 @@ function maxSubArray(nums: number[]): number {
     resMax = Math.max(resMax, dp[i]);
   }
   return resMax;
-};
+}
 ```
 
 ### Scala

problems/0055.跳跃游戏.md

@@ -4,7 +4,6 @@
 </a>
 <p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
 
-
 # 55. 跳跃游戏
 
 [力扣题目链接](https://leetcode.cn/problems/jump-game/)
@@ -16,15 +15,20 @@
 判断你是否能够到达最后一个位置。
 
 示例  1:
-* 输入: [2,3,1,1,4]
+
-* 输出: true
+- 输入: [2,3,1,1,4]
-* 解释: 我们可以先跳 1 步，从位置 0 到达 位置 1, 然后再从位置 1 跳 3 步到达最后一个位置。
+- 输出: true
+- 解释: 我们可以先跳 1 步，从位置 0 到达 位置 1, 然后再从位置 1 跳 3 步到达最后一个位置。
 
 示例  2:
-* 输入: [3,2,1,0,4]
-* 输出: false
-* 解释: 无论怎样，你总会到达索引为 3 的位置。但该位置的最大跳跃长度是 0 ， 所以你永远不可能到达最后一个位置。
 
+- 输入: [3,2,1,0,4]
+- 输出: false
+- 解释: 无论怎样，你总会到达索引为 3 的位置。但该位置的最大跳跃长度是 0 ， 所以你永远不可能到达最后一个位置。
+
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，怎么跳跃不重要，关键在覆盖范围 | LeetCode：55.跳跃游戏](https://www.bilibili.com/video/BV1VG4y1X7kB)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
 
 ## 思路
 
@@ -71,6 +75,11 @@ public:
     }
 };
 ```
+
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)
+
+
 ## 总结
 
 这道题目关键点在于：不用拘泥于每次究竟跳几步，而是看覆盖范围，覆盖范围内一定是可以跳过来的，不用管是怎么跳的。
@@ -83,8 +92,8 @@ public:
 
 ## 其他语言版本
 
-
 ### Java
+
 ```Java
 class Solution {
     public boolean canJump(int[] nums) {
@@ -106,6 +115,7 @@ class Solution {
 ```
 
 ### Python
+
 ```python
 class Solution:
     def canJump(self, nums: List[int]) -> bool:
@@ -156,8 +166,6 @@ func max(a, b int ) int {
 }
 ```
 
-
-
 ### Javascript
 
 ```Javascript
@@ -178,16 +186,16 @@ var canJump = function(nums) {
 
 ```Rust
 impl Solution {
-    fn max(a: usize, b: usize) -> usize {
-        if a > b { a } else { b }
-    }
     pub fn can_jump(nums: Vec<i32>) -> bool {
-        let mut cover = 0;
+        if nums.len() == 1 {
-        if (nums.len() == 1) { return true; }
+            return true;
-        let mut i = 0;
+        }
+        let (mut i, mut cover) = (0, 0);
         while i <= cover {
-            cover = Self::max(i + nums[i] as usize, cover);
+            cover = (i + nums[i] as usize).max(cover);
-            if cover >= nums.len() - 1 { return true; }
+            if cover >= nums.len() - 1 {
+                return true;
+            }
             i += 1;
         }
         false
@@ -196,6 +204,7 @@ impl Solution {
 ```
 
 ### C
+
 ```c
 #define max(a, b) (((a) > (b)) ? (a) : (b))
 
@@ -217,7 +226,6 @@ bool canJump(int* nums, int numsSize){
 }
 ```
 
-
 ### TypeScript
 
 ```typescript
@@ -230,10 +238,11 @@ function canJump(nums: number[]): boolean {
     cur++;
   }
   return false;
-};
+}
 ```
 
 ### Scala
+
 ```scala
 object Solution {
   def canJump(nums: Array[Int]): Boolean = {
@@ -250,7 +259,6 @@ object Solution {
 }
 ```
 
-
 <p align="center">
 <a href="https://programmercarl.com/other/kstar.html" target="_blank">
   <img src="../pics/网站星球宣传海报.jpg" width="1000"/>

problems/0056.合并区间.md

@@ -22,6 +22,9 @@
 * 解释: 区间 [1,4] 和 [4,5] 可被视为重叠区间。
 * 注意：输入类型已于2019年4月15日更改。 请重置默认代码定义以获取新方法签名。
 
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，合并区间有细节！LeetCode：56.合并区间](https://www.bilibili.com/video/BV1wx4y157nD)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
 
 ## 思路
 
@@ -70,6 +73,10 @@ public:
 };
 ```
 
+* 时间复杂度: O(nlogn)
+* 空间复杂度: O(logn)，排序需要的空间开销
+
+
 ## 其他语言版本
 
 
@@ -173,6 +180,34 @@ func max(a, b int) int {
     return b
 }
 ```
+```go
+// 版本2
+func merge(intervals [][]int) [][]int {
+    if len(intervals) == 1 {
+        return intervals
+    }
+    sort.Slice(intervals, func(i, j int) bool {
+        return intervals[i][0] < intervals[j][0]
+    })
+    res := make([][]int, 0)
+    res = append(res, intervals[0])
+    for i := 1; i < len(intervals); i++ {
+        if intervals[i][0] <= res[len(res)-1][1]{
+            res[len(res)-1][1] = max56(res[len(res)-1][1],intervals[i][1])
+        } else {
+            res = append(res, intervals[i])
+        }
+    }
+    return res
+}
+func max56(a, b int) int {
+    if a > b {
+        return a
+    }
+    return b
+}
+```
+
 
 ### Javascript 
 ```javascript
@@ -276,24 +311,22 @@ object Solution {
 
 ```Rust
 impl Solution {
-    fn max(a: i32, b: i32) -> i32 {
+    pub fn merge(mut intervals: Vec<Vec<i32>>) -> Vec<Vec<i32>> {
-        if a > b { a } else { b }
+        let mut res = vec![];
+        if intervals.is_empty() {
+            return res;
         }
-
+        intervals.sort_by_key(|a| a[0]);
-    pub fn merge(intervals: Vec<Vec<i32>>) -> Vec<Vec<i32>> {
+        res.push(intervals[0].clone());
-        let mut intervals = intervals;
+        for interval in intervals.into_iter().skip(1) {
-        let mut result = Vec::new();
+            let res_last_ele = res.last_mut().unwrap();
-        if intervals.len() == 0 { return result; }
+            if res_last_ele[1] >= interval[0] {
-        intervals.sort_by(|a, b| a[0].cmp(&b[0]));
+                res_last_ele[1] = interval[1].max(res_last_ele[1]);
-        result.push(intervals[0].clone());
-        for i in 1..intervals.len() {
-            if result.last_mut().unwrap()[1] >= intervals[i][0] {
-                result.last_mut().unwrap()[1] = Self::max(result.last_mut().unwrap()[1], intervals[i][1]);
             } else {
-                result.push(intervals[i].clone());
+                res.push(interval);
             }
         }
-        result
+        res
     }
 }
 ```

problems/0070.爬楼梯.md

@@ -72,7 +72,7 @@ dp[i]： 爬到第i层楼梯，有dp[i]种方法
 
 3. dp数组如何初始化
 
-在回顾一下dp[i]的定义：爬到第i层楼梯，有dp[i]中方法。
+再回顾一下dp[i]的定义：爬到第i层楼梯，有dp[i]种方法。
 
 那么i为0，dp[i]应该是多少呢，这个可以有很多解释，但基本都是直接奔着答案去解释的。
 

problems/0070.爬楼梯完全背包版本.md

@@ -101,6 +101,11 @@ public:
 };
 ```
 
+* 时间复杂度: O(nm)
+* 空间复杂度: O(n)
+
+
+
 代码中m表示最多可以爬m个台阶，代码中把m改成2就是本题70.爬楼梯可以AC的代码了。
 
 ## 总结
@@ -128,12 +133,12 @@ Java：
 class Solution {
     public int climbStairs(int n) {
         int[] dp = new int[n + 1];
-        int[] weight = {1,2};
+        int m = 2;
         dp[0] = 1;
 
-        for (int i = 0; i <= n; i++) {
+        for (int i = 1; i <= n; i++) { // 遍历背包
-            for (int j = 0; j < weight.length; j++) {
+            for (int j = 1; j <= m; j++) { //遍历物品
-                if (i >= weight[j]) dp[i] += dp[i - weight[j]];
+                if (i >= j) dp[i] += dp[i - j];
             }
         }
 
@@ -227,3 +232,4 @@ function climbStairs(n: number): number {
 <a href="https://programmercarl.com/other/kstar.html" target="_blank">
   <img src="../pics/网站星球宣传海报.jpg" width="1000"/>
 </a>
+

problems/0072.编辑距离.md

@@ -218,6 +218,10 @@ public:
     }
 };
 ```
+* 时间复杂度: O(n * m)
+* 空间复杂度: O(n * m)
+
+
 
 ## 其他语言版本
 

problems/0104.二叉树的最大深度.md

@@ -50,7 +50,7 @@
 
 代码如下：
 ```CPP
-int getdepth(treenode* node)
+int getdepth(TreeNode* node)
 ```
 
 2. 确定终止条件：如果为空节点的话，就返回0，表示高度为0。
@@ -76,14 +76,14 @@ return depth;
 ```CPP
 class solution {
 public:
-    int getdepth(treenode* node) {
+    int getdepth(TreeNode* node) {
         if (node == NULL) return 0;
         int leftdepth = getdepth(node->left);       // 左
         int rightdepth = getdepth(node->right);     // 右
         int depth = 1 + max(leftdepth, rightdepth); // 中
         return depth;
     }
-    int maxdepth(treenode* root) {
+    int maxDepth(TreeNode* root) {
         return getdepth(root);
     }
 };
@@ -93,9 +93,9 @@ public:
 ```CPP
 class solution {
 public:
-    int maxdepth(treenode* root) {
+    int maxDepth(TreeNode* root) {
         if (root == null) return 0;
-        return 1 + max(maxdepth(root->left), maxdepth(root->right));
+        return 1 + max(maxDepth(root->left), maxDepth(root->right));
     }
 };
 
@@ -110,7 +110,7 @@ public:
 class solution {
 public:
     int result;
-    void getdepth(treenode* node, int depth) {
+    void getdepth(TreeNode* node, int depth) {
         result = depth > result ? depth : result; // 中
 
         if (node->left == NULL && node->right == NULL) return ;
@@ -127,7 +127,7 @@ public:
         }
         return ;
     }
-    int maxdepth(treenode* root) {
+    int maxDepth(TreeNode* root) {
         result = 0;
         if (root == NULL) return result;
         getdepth(root, 1);
@@ -144,7 +144,7 @@ public:
 class solution {
 public:
     int result;
-    void getdepth(treenode* node, int depth) {
+    void getdepth(TreeNode* node, int depth) {
         result = depth > result ? depth : result; // 中
         if (node->left == NULL && node->right == NULL) return ;
         if (node->left) { // 左
@@ -155,7 +155,7 @@ public:
         }
         return ;
     }
-    int maxdepth(treenode* root) {
+    int maxDepth(TreeNode* root) {
         result = 0;
         if (root == 0) return result;
         getdepth(root, 1);
@@ -182,16 +182,16 @@ c++代码如下：
 ```CPP
 class solution {
 public:
-    int maxdepth(treenode* root) {
+    int maxDepth(TreeNode* root) {
         if (root == NULL) return 0;
         int depth = 0;
-        queue<treenode*> que;
+        queue<TreeNode*> que;
         que.push(root);
         while(!que.empty()) {
             int size = que.size();
             depth++; // 记录深度
             for (int i = 0; i < size; i++) {
-                treenode* node = que.front();
+                TreeNode* node = que.front();
                 que.pop();
                 if (node->left) que.push(node->left);
                 if (node->right) que.push(node->right);
@@ -230,11 +230,11 @@ c++代码：
 ```CPP
 class solution {
 public:
-    int maxdepth(node* root) {
+    int maxDepth(Node* root) {
         if (root == 0) return 0;
         int depth = 0;
         for (int i = 0; i < root->children.size(); i++) {
-            depth = max (depth, maxdepth(root->children[i]));
+            depth = max (depth, maxDepth(root->children[i]));
         }
         return depth + 1;
     }
@@ -247,15 +247,15 @@ public:
 ```CPP
 class solution {
 public:
-    int maxdepth(node* root) {
+    int maxDepth(Node* root) {
-        queue<node*> que;
+        queue<Node*> que;
         if (root != NULL) que.push(root);
         int depth = 0;
         while (!que.empty()) {
             int size = que.size();
             depth++; // 记录深度
             for (int i = 0; i < size; i++) {
-                node* node = que.front();
+                Node* node = que.front();
                 que.pop();
                 for (int j = 0; j < node->children.size(); j++) {
                     if (node->children[j]) que.push(node->children[j]);

problems/0112.路径总和.md

@@ -250,7 +250,7 @@ private:
     vector<vector<int>> result;
     vector<int> path;
     // 递归函数不需要返回值，因为我们要遍历整个树
-    void traversal(treenode* cur, int count) {
+    void traversal(TreeNode* cur, int count) {
         if (!cur->left && !cur->right && count == 0) { // 遇到了叶子节点且找到了和为sum的路径
             result.push_back(path);
             return;
@@ -276,10 +276,10 @@ private:
     }
 
 public:
-    vector<vector<int>> pathsum(treenode* root, int sum) {
+    vector<vector<int>> pathSum(TreeNode* root, int sum) {
         result.clear();
         path.clear();
-        if (root == null) return result;
+        if (root == NULL) return result;
         path.push_back(root->val); // 把根节点放进路径
         traversal(root, sum - root->val);
         return result;
@@ -475,6 +475,12 @@ class solution:
             return false  # 别忘记处理空treenode
         else:
             return isornot(root, targetsum - root.val)
+            
+class Solution: # 简洁版
+    def hasPathSum(self, root: Optional[TreeNode], targetSum: int) -> bool:
+        if not root: return False
+        if root.left==root.right==None and root.val == targetSum: return True
+        return self.hasPathSum(root.left,targetSum-root.val) or self.hasPathSum(root.right,targetSum-root.val)          
 ```
 
 **迭代 - 层序遍历**
@@ -560,6 +566,26 @@ class Solution:
         return result
 ```
 
+**迭代法，前序遍历**
+
+```python
+class Solution:
+    def pathSum(self, root: Optional[TreeNode], targetSum: int) -> List[List[int]]:
+        if not root: return []
+        stack, path_stack,result = [[root,root.val]],[[root.val]],[]
+        while stack:
+            cur,cursum = stack.pop()
+            path = path_stack.pop()
+            if cur.left==cur.right==None:
+                if cursum==targetSum: result.append(path)
+            if cur.right:
+                stack.append([cur.right,cursum+cur.right.val])
+                path_stack.append(path+[cur.right.val])
+            if cur.left: 
+                stack.append([cur.left,cursum+cur.left.val])
+                path_stack.append(path+[cur.left.val])
+        return result
+```
 ## go
 
 ### 112. 路径总和

problems/0115.不同的子序列.md

@@ -149,6 +149,11 @@ public:
 };
 ```
 
+* 时间复杂度: O(n * m)
+* 空间复杂度: O(n * m)
+
+
+
 ## 其他语言版本
 
 

problems/0122.买卖股票的最佳时机II.md

@@ -4,7 +4,6 @@
 </a>
 <p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
 
-
 # 122.买卖股票的最佳时机 II
 
 [力扣题目链接](https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-ii/)
@@ -15,32 +14,39 @@
 
 注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。
 
-
 示例 1:
-* 输入: [7,1,5,3,6,4]
+
-* 输出: 7
+- 输入: [7,1,5,3,6,4]
-* 解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4。随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。
+- 输出: 7
+- 解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4。随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。
 
 示例 2:
-* 输入: [1,2,3,4,5]
+
-* 输出: 4
+- 输入: [1,2,3,4,5]
-* 解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。
+- 输出: 4
+- 解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。
 
 示例  3:
-* 输入: [7,6,4,3,1]
+
-* 输出: 0
+- 输入: [7,6,4,3,1]
-* 解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
+- 输出: 0
+- 解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
 
 提示：
-* 1 <= prices.length <= 3 * 10 ^ 4
+
-* 0 <= prices[i] <= 10 ^ 4
+- 1 <= prices.length <= 3 \* 10 ^ 4
+- 0 <= prices[i] <= 10 ^ 4
+
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法也能解决股票问题！LeetCode：122.买卖股票最佳时机 II](https://www.bilibili.com/video/BV1ev4y1C7na)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
 
 ## 思路
 
 本题首先要清楚两点：
 
-* 只有一只股票！
+- 只有一只股票！
-* 当前只有买股票或者卖股票的操作
+- 当前只有买股票或者卖股票的操作
 
 想获得利润至少要两天为一个交易单元。
 
@@ -62,7 +68,6 @@
 
 如图：
 
-
 ![122.买卖股票的最佳时机II](https://code-thinking-1253855093.file.myqcloud.com/pics/2020112917480858-20230310134659477.png)
 
 一些同学陷入：第一天怎么就没有利润呢，第一天到底算不算的困惑中。
@@ -92,8 +97,8 @@ public:
 };
 ```
 
-* 时间复杂度：O(n)
+- 时间复杂度：O(n)
-* 空间复杂度：O(1)
+- 空间复杂度：O(1)
 
 ### 动态规划
 
@@ -119,8 +124,8 @@ public:
 };
 ```
 
-* 时间复杂度：$O(n)$
+- 时间复杂度：$O(n)$
-* 空间复杂度：$O(n)$
+- 空间复杂度：$O(n)$
 
 ## 总结
 
@@ -137,6 +142,7 @@ public:
 ### Java:
 
 贪心:
+
 ```java
 // 贪心思路
 class Solution {
@@ -151,6 +157,7 @@ class Solution {
 ```
 
 动态规划:
+
 ```java
 class Solution { // 动态规划
     public int maxProfit(int[] prices) {
@@ -173,7 +180,9 @@ class Solution { // 动态规划
 ```
 
 ### Python:
+
 贪心:
+
 ```python
 class Solution:
     def maxProfit(self, prices: List[int]) -> int:
@@ -184,6 +193,7 @@ class Solution:
 ```
 
 动态规划:
+
 ```python
 class Solution:
     def maxProfit(self, prices: List[int]) -> int:
@@ -200,6 +210,7 @@ class Solution:
 ### Go:
 
 贪心算法
+
 ```go
 func maxProfit(prices []int) int {
     var sum int
@@ -212,7 +223,9 @@ func maxProfit(prices []int) int {
     return sum
 }
 ```
+
 动态规划
+
 ```go
 func maxProfit(prices []int) int {
     dp := make([][]int, len(prices))
@@ -239,6 +252,7 @@ func max(a, b int) int {
 ### Javascript:
 
 贪心
+
 ```Javascript
 var maxProfit = function(prices) {
     let result = 0
@@ -250,6 +264,7 @@ var maxProfit = function(prices) {
 ```
 
 动态规划
+
 ```javascript
 const maxProfit = (prices) => {
   let dp = Array.from(Array(prices.length), () => Array(2).fill(0));
@@ -275,6 +290,7 @@ const maxProfit = (prices) => {
 
 ### TypeScript：
 
+贪心
 ```typescript
 function maxProfit(prices: number[]): number {
   let resProfit: number = 0;
@@ -282,12 +298,28 @@ function maxProfit(prices: number[]): number {
     resProfit += Math.max(prices[i] - prices[i - 1], 0);
   }
   return resProfit;
-};
+}
+```
+
+动态规划
+```typescript
+function maxProfit(prices: number[]): number {
+  const dp = Array(prices.length)
+    .fill(0)
+    .map(() => Array(2).fill(0))
+  dp[0][0] = -prices[0]
+  for (let i = 1; i < prices.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[prices.length - 1][1]
+}
 ```
 
 ### Rust
 
 贪心：
+
 ```Rust
 impl Solution {
     fn max(a: i32, b: i32) -> i32 {
@@ -304,6 +336,7 @@ impl Solution {
 ```
 
 动态规划：
+
 ```Rust
 impl Solution {
     fn max(a: i32, b: i32) -> i32 {
@@ -323,7 +356,9 @@ impl Solution {
 ```
 
 ### C:
+
 贪心：
+
 ```c
 int maxProfit(int* prices, int pricesSize){
     int result = 0;
@@ -339,6 +374,7 @@ int maxProfit(int* prices, int pricesSize){
 ```
 
 动态规划：
+
 ```c
 #define max(a, b) (((a) > (b)) ? (a) : (b))
 
@@ -363,6 +399,7 @@ int maxProfit(int* prices, int pricesSize){
 ### Scala
 
 贪心:
+
 ```scala
 object Solution {
   def maxProfit(prices: Array[Int]): Int = {

problems/0130.被围绕的区域.md

@@ -84,7 +84,221 @@ public:
 
 ## 其他语言版本 
 
+### Java
+
+```Java
+// 广度优先遍历
+// 使用 visited 数组进行标记
+class Solution {
+    private static final int[][] position = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}};  // 四个方向
+
+    public void solve(char[][] board) {
+        // rowSize：行的长度，colSize：列的长度
+        int rowSize = board.length, colSize = board[0].length; 
+        boolean[][] visited = new boolean[rowSize][colSize];
+        Queue<int[]> queue = new ArrayDeque<>();
+        // 从左侧边，和右侧边遍历
+        for (int row = 0; row < rowSize; row++) {
+            if (board[row][0] == 'O') {
+                visited[row][0] = true;
+                queue.add(new int[]{row, 0});
+            }
+            if (board[row][colSize - 1] == 'O') {
+                visited[row][colSize - 1] = true;
+                queue.add(new int[]{row, colSize - 1});
+            }
+        }
+        // 从上边和下边遍历，在对左侧边和右侧边遍历时我们已经遍历了矩阵的四个角
+        // 所以在遍历上边和下边时可以不用遍历四个角
+        for (int col = 1; col < colSize - 1; col++) {
+            if (board[0][col] == 'O') {
+                visited[0][col] = true;
+                queue.add(new int[]{0, col});
+            }
+            if (board[rowSize - 1][col] == 'O') {
+                visited[rowSize - 1][col] = true;
+                queue.add(new int[]{rowSize - 1, col});
+            }
+        }
+        // 广度优先遍历，把没有被 'X' 包围的 'O' 进行标记
+        while (!queue.isEmpty()) {
+            int[] current = queue.poll();
+            for (int[] pos: position) {
+                int row = current[0] + pos[0], col = current[1] + pos[1];
+                // 如果范围越界、位置已被访问过、该位置的值不是 'O'，就直接跳过
+                if (row < 0 || row >= rowSize || col < 0 || col >= colSize) continue;
+                if (visited[row][col] || board[row][col] != 'O') continue;
+                visited[row][col] = true;
+                queue.add(new int[]{row, col});
+            }
+        }
+        // 遍历数组，把没有被标记的 'O' 修改成 'X'
+        for (int row = 0; row < rowSize; row++) {
+            for (int col = 0; col < colSize; col++) {
+                if (board[row][col] == 'O' && !visited[row][col]) board[row][col] = 'X';
+            }
+        }
+    }
+}
+```
+```Java
+// 广度优先遍历
+// 直接修改 board 的值为其他特殊值
+class Solution {
+    private static final int[][] position = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}};  // 四个方向
+
+    public void solve(char[][] board) {
+        // rowSize：行的长度，colSize：列的长度
+        int rowSize = board.length, colSize = board[0].length;
+        Queue<int[]> queue = new ArrayDeque<>();
+        // 从左侧边，和右侧边遍历
+        for (int row = 0; row < rowSize; row++) {
+            if (board[row][0] == 'O')
+                queue.add(new int[]{row, 0});
+            if (board[row][colSize - 1] == 'O')
+                queue.add(new int[]{row, colSize - 1});
+        }
+        // 从上边和下边遍历，在对左侧边和右侧边遍历时我们已经遍历了矩阵的四个角
+        // 所以在遍历上边和下边时可以不用遍历四个角
+        for (int col = 1; col < colSize - 1; col++) {
+            if (board[0][col] == 'O')
+                queue.add(new int[]{0, col});
+            if (board[rowSize - 1][col] == 'O')
+                queue.add(new int[]{rowSize - 1, col});
+        }
+        // 广度优先遍历，把没有被 'X' 包围的 'O' 修改成特殊值
+        while (!queue.isEmpty()) {
+            int[] current = queue.poll();
+            board[current[0]][current[1]] = 'A';
+            for (int[] pos: position) {
+                int row = current[0] + pos[0], col = current[1] + pos[1];
+                // 如果范围越界、该位置的值不是 'O'，就直接跳过
+                if (row < 0 || row >= rowSize || col < 0 || col >= colSize) continue;
+                if (board[row][col] != 'O') continue;
+                queue.add(new int[]{row, col});
+            }
+        }
+        // 遍历数组，把 'O' 修改成 'X'，特殊值修改成 'O'
+        for (int row = 0; row < rowSize; row++) {
+            for (int col = 0; col < colSize; col++) {
+                if (board[row][col] == 'A') board[row][col] = 'O';
+                else if (board[row][col] == 'O') board[row][col] = 'X'; 
+            }
+        }
+    }
+}
+```
+```Java
+// 深度优先遍历
+// 使用 visited 数组进行标记
+class Solution {
+    private static final int[][] position = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}};  // 四个方向
+
+    public void dfs(char[][] board, int row, int col, boolean[][] visited) {
+        for (int[] pos: position) {
+            int nextRow = row + pos[0], nextCol = col + pos[1];
+            // 位置越界
+            if (nextRow < 0 || nextRow >= board.length || nextCol < 0 || nextCol >= board[0].length)
+                continue;
+            // 位置已被访问过、新位置值不是 'O'
+            if (visited[nextRow][nextCol] || board[nextRow][nextCol] != 'O') continue;
+            visited[nextRow][nextCol] = true;
+            dfs(board, nextRow, nextCol, visited);
+        }
+    }
+
+    public void solve(char[][] board) {
+        int rowSize = board.length, colSize = board[0].length;
+        boolean[][] visited = new boolean[rowSize][colSize];
+        // 从左侧遍、右侧遍遍历
+        for (int row = 0; row < rowSize; row++) {
+            if (board[row][0] == 'O' && !visited[row][0]) {
+                visited[row][0] = true;
+                dfs(board, row, 0, visited);
+            }
+            if (board[row][colSize - 1] == 'O' && !visited[row][colSize - 1]) {
+                visited[row][colSize - 1] = true;
+                dfs(board, row, colSize - 1, visited);
+            }
+        }
+        // 从上边和下边遍历，在对左侧边和右侧边遍历时我们已经遍历了矩阵的四个角
+        // 所以在遍历上边和下边时可以不用遍历四个角
+        for (int col = 1; col < colSize - 1; col++) {
+            if (board[0][col] == 'O' && !visited[0][col]) {
+                visited[0][col] = true;
+                dfs(board, 0, col, visited);
+            }
+            if (board[rowSize - 1][col] == 'O' && !visited[rowSize - 1][col]) {
+                visited[rowSize - 1][col] = true;
+                dfs(board, rowSize - 1, col, visited);
+            }
+        }
+        // 遍历数组，把没有被标记的 'O' 修改成 'X'
+        for (int row = 0; row < rowSize; row++) {
+            for (int col = 0; col < colSize; col++) {
+                if (board[row][col] == 'O' && !visited[row][col]) board[row][col] = 'X';
+            }
+        }
+    }
+}
+```
+```Java
+// 深度优先遍历
+// // 直接修改 board 的值为其他特殊值
+class Solution {
+    private static final int[][] position = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}};  // 四个方向
+
+    public void dfs(char[][] board, int row, int col) {
+        for (int[] pos: position) {
+            int nextRow = row + pos[0], nextCol = col + pos[1];
+            // 位置越界
+            if (nextRow < 0 || nextRow >= board.length || nextCol < 0 || nextCol >= board[0].length)
+                continue;
+            // 新位置值不是 'O'
+            if (board[nextRow][nextCol] != 'O') continue;
+            board[nextRow][nextCol] = 'A';      // 修改为特殊值
+            dfs(board, nextRow, nextCol);
+        }
+    }
+
+    public void solve(char[][] board) {
+        int rowSize = board.length, colSize = board[0].length;
+        // 从左侧遍、右侧遍遍历
+        for (int row = 0; row < rowSize; row++) {
+            if (board[row][0] == 'O') {
+                board[row][0] = 'A';
+                dfs(board, row, 0);
+            }
+            if (board[row][colSize - 1] == 'O') {
+                board[row][colSize - 1] = 'A';
+                dfs(board, row, colSize - 1);
+            }
+        }
+        // 从上边和下边遍历，在对左侧边和右侧边遍历时我们已经遍历了矩阵的四个角
+        // 所以在遍历上边和下边时可以不用遍历四个角
+        for (int col = 1; col < colSize - 1; col++) {
+            if (board[0][col] == 'O') {
+                board[0][col] = 'A';
+                dfs(board, 0, col);
+            }
+            if (board[rowSize - 1][col] == 'O') {
+                board[rowSize - 1][col] = 'A';
+                dfs(board, rowSize - 1, col);
+            }
+        }
+        // 遍历数组，把 'O' 修改成 'X'，特殊值修改成 'O'
+        for (int row = 0; row < rowSize; row++) {
+            for (int col = 0; col < colSize; col++) {
+                if (board[row][col] == 'O') board[row][col] = 'X';
+                else if (board[row][col] == 'A') board[row][col] = 'O';
+            }
+        }
+    }
+}
+```
+
 <p align="center">
 <a href="https://programmercarl.com/other/kstar.html" target="_blank">
   <img src="../pics/网站星球宣传海报.jpg" width="1000"/>
 </a>
+

problems/0132.分割回文串II.md

@@ -289,7 +289,45 @@ class Solution:
 ## Go
 
 ```go
+func minCut(s string) int {
+    isValid := make([][]bool, len(s))
+    for i := 0; i < len(isValid); i++ {
+        isValid[i] = make([]bool, len(s))
+        isValid[i][i] = true
+    }
+    for i := len(s) - 1; i >= 0; i-- {
+        for j := i + 1; j < len(s); j++ {
+            if s[i] == s[j] && (isValid[i + 1][j - 1] || j - i == 1) {
+                isValid[i][j] = true
+            }
+        }
+    }
 
+    dp := make([]int, len(s))
+    for i := 0; i < len(s); i++ {
+        dp[i] = math.MaxInt
+    }
+    for i := 0; i < len(s); i++ {
+        if isValid[0][i] {
+            dp[i] = 0
+            continue
+        }
+        for j := 0; j < i; j++ {
+            if isValid[j + 1][i] {
+                dp[i] = min(dp[i], dp[j] + 1)
+            }
+        }
+    }
+    return dp[len(s) - 1]
+}
+
+func min(i, j int) int {
+    if i < j {
+        return i
+    } else {
+        return j
+    }
+}
 ```
 
 ## JavaScript

problems/0134.加油站.md

@@ -45,6 +45,10 @@
 * 解释:
 你不能从 0 号或 1 号加油站出发，因为没有足够的汽油可以让你行驶到下一个加油站。我们从 2 号加油站出发，可以获得 4 升汽油。 此时油箱有 = 0 + 4 = 4 升汽油。开往 0 号加油站，此时油箱有 4 - 3 + 2 = 3 升汽油。开往 1 号加油站，此时油箱有 3 - 3 + 3 = 3 升汽油。你无法返回 2 号加油站，因为返程需要消耗 4 升汽油，但是你的油箱只有 3 升汽油。因此，无论怎样，你都不可能绕环路行驶一周。
 
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，得这么加油才能跑完全程！LeetCode ：134.加油站](https://www.bilibili.com/video/BV1jA411r7WX)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
+
 
 ## 暴力方法
 

problems/0135.分发糖果.md

@@ -28,6 +28,10 @@
 * 输出: 4
 * 解释: 你可以分别给这三个孩子分发 1、2、1 颗糖果。第三个孩子只得到 1 颗糖果，这已满足上述两个条件。
 
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，两者兼顾很容易顾此失彼！LeetCode：135.分发糖果](https://www.bilibili.com/video/BV1ev4y1r7wN)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
+
 
 ## 思路
 
@@ -117,6 +121,11 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(n)
+
+
+
 ## 总结
 
 这在leetcode上是一道困难的题目，其难点就在于贪心的策略，如果在考虑局部的时候想两边兼顾，就会顾此失彼。

problems/0142.环形链表II.md

@@ -145,6 +145,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)，快慢指针相遇前，指针走的次数小于链表长度，快慢指针相遇后，两个index指针走的次数也小于链表长度，总体为走的次数小于 2n
+* 空间复杂度: O(1)
+
 ## 补充
 
 在推理过程中，大家可能有一个疑问就是：**为什么第一次在环中相遇，slow的 步数 是 x+y 而不是 x + 若干环的长度 + y 呢？**

problems/0150.逆波兰表达式求值.md

@@ -113,6 +113,9 @@ public:
 };
 
 ```
+* 时间复杂度: O(n)
+* 空间复杂度: O(n)
+
 
 ## 题外话
 

problems/0151.翻转字符串里的单词.md

@@ -114,6 +114,7 @@ void removeExtraSpaces(string& s) {
 }
 ```
 
+
 有的同学可能发现用erase来移除空格，在leetcode上性能也还行。主要是以下几点；：
 
 1. leetcode上的测试集里，字符串的长度不够长，如果足够长，性能差距会非常明显。
@@ -197,6 +198,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(1) 或 O(n)，取决于语言中字符串是否可变
+
 
 ## 其他语言版本
 
@@ -516,6 +520,48 @@ class Solution:
         return s[:ps] + s[ps:][::-1] # Must do the last step, because the last word is omit though the pointers are on the correct positions,
 ```
 
+```python
+class Solution: # 使用双指针法移除空格
+    def reverseWords(self, s: str) -> str:
+        
+        def removeextraspace(s):
+            start = 0; end = len(s)-1
+            while s[start]==' ':
+                start+=1
+            while s[end]==' ':
+                end-=1
+            news = list(s[start:end+1])
+            slow = fast = 0
+            while fast<len(news):
+                while fast>0 and news[fast]==news[fast-1]==' ':
+                    fast+=1
+                news[slow]=news[fast]
+                slow+=1; fast+=1
+            #return "".join(news[:slow])
+            return news[:slow]
+
+        def reversestr(s):
+            left,right = 0,len(s)-1
+            news = list(s)
+            while left<right:
+                news[left],news[right] = news[right],news[left]
+                left+=1; right-=1
+            #return "".join(news)
+            return news
+
+        news = removeextraspace(s)
+        news.append(' ')
+        fast=slow=0
+        #print(news)
+        while fast<len(news):
+            while news[fast]!=' ':
+                fast+=1
+            news[slow:fast] = reversestr(news[slow:fast])
+        #    print(news[slow:fast])
+            fast=slow=fast+1
+        news2 = reversestr(news[:-1])
+        return ''.join(news2)
+```
 Go：
 
 ```go
@@ -924,6 +970,49 @@ pub fn remove_extra_spaces(s: &mut Vec<char>) {
     }
 }
 ```
+C:
+
+```C
+// 翻转字符串中指定范围的字符
+void reverse(char* s, int start, int end) {
+    for (int i = start, j = end; i < j; i++, j--) {
+        int tmp = s[i];
+        s[i] = s[j];
+        s[j] = tmp;
+    }
+}
+
+// 删除字符串两端和中间多余的空格
+void removeExtraSpace(char* s) {
+    int start = 0; // 指向字符串开头的指针
+    int end = strlen(s) - 1; // 指向字符串结尾的指针
+    while (s[start] == ' ') start++; // 移动指针 start，直到找到第一个非空格字符
+    while (s[end] == ' ') end--; // 移动指针 end，直到找到第一个非空格字符
+    int slow = 0; // 指向新字符串的下一个写入位置的指针
+    for (int i = start; i <= end; i++) { // 遍历整个字符串
+        if (s[i] == ' ' && s[i+1] == ' ')  { // 如果当前字符是空格，并且下一个字符也是空格，则跳过
+            continue;
+        }
+        s[slow] = s[i]; // 否则，将当前字符复制到新字符串的 slow 位置
+        slow++; // 将 slow 指针向后移动
+    }
+    s[slow] = '\0'; // 在新字符串的末尾添加一个空字符
+}
+
+// 翻转字符串中的单词
+char * reverseWords(char * s){
+    removeExtraSpace(s); // 先删除字符串两端和中间的多余空格
+    reverse(s, 0, strlen(s) - 1); // 翻转整个字符串
+    int slow = 0; // 指向每个单词的开头位置的指针
+    for (int i = 0; i <= strlen(s); i++) { // 遍历整个字符串
+        if (s[i] ==' ' || s[i] == '\0') { // 如果当前字符是空格或空字符，说明一个单词结束了
+            reverse(s, slow, i-1); // 翻转单词
+            slow = i + 1; // 将 slow 指针指向下一个单词的开头位置
+        }
+    }
+    return s; // 返回处理后的字符串
+}
+```
 
 <p align="center">
 <a href="https://programmercarl.com/other/kstar.html" target="_blank">

problems/0188.买卖股票的最佳时机IV.md

@@ -156,6 +156,11 @@ public:
 };
 ```
 
+* 时间复杂度: O(n * k)，其中 n 为 prices 的长度
+* 空间复杂度: O(n * k)
+
+
+
 当然有的解法是定义一个三维数组dp[i][j][k]，第i天，第j次买卖，k表示买还是卖的状态，从定义上来讲是比较直观。
 
 但感觉三维数组操作起来有些麻烦，我是直接用二维数组来模拟三维数组的情况，代码看起来也清爽一些。

problems/0198.打家劫舍.md

@@ -108,6 +108,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(n)
+
 ## 总结
 
 打家劫舍是DP解决的经典题目，这道题也是打家劫舍入门级题目，后面我们还会变种方式来打劫的。

problems/0202.快乐数.md

@@ -75,6 +75,8 @@ public:
 };
 ```
 
+* 时间复杂度: O(logn)
+* 空间复杂度: O(logn)
 
 
 
@@ -132,6 +134,19 @@ class Solution:
             else:
                 record.add(n)
 
+# python的另一种写法 - 通过字符串来计算各位平方和
+class Solution:
+    def isHappy(self, n: int) -> bool:
+        record = []
+        while n not in record:
+            record.append(n)
+            newn = 0
+            nn = str(n)
+            for i in nn:
+                newn+=int(i)**2
+            if newn==1: return True
+            n = newn
+        return False
 ```
 
 Go：

problems/0203.移除链表元素.md

@@ -118,6 +118,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)
+
 **设置一个虚拟头结点在进行移除节点操作：**
 
 ```CPP
@@ -144,6 +147,9 @@ public:
 
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)
+
 
 
 
@@ -310,8 +316,8 @@ class Solution:
     def removeElements(self, head: ListNode, val: int) -> ListNode:
         dummy_head = ListNode(next=head) #添加一个虚拟节点
         cur = dummy_head
-        while(cur.next!=None):
+        while cur.next:
-            if(cur.next.val == val):
+            if cur.next.val == val:
                 cur.next = cur.next.next #删除cur.next节点
             else:
                 cur = cur.next

problems/0206.翻转链表.md

@@ -68,6 +68,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)
+
 ## 递归法
 
 递归法相对抽象一些，但是其实和双指针法是一样的逻辑，同样是当cur为空的时候循环结束，不断将cur指向pre的过程。
@@ -97,6 +100,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(n), 要递归处理链表的每个节点
+* 空间复杂度: O(n), 递归调用了 n 层栈空间
+
 我们可以发现，上面的递归写法和双指针法实质上都是从前往后翻转指针指向，其实还有另外一种与双指针法不同思路的递归写法：从后往前翻转指针指向。
 
 具体代码如下（带详细注释）：
@@ -120,6 +126,9 @@ public:
 }; 
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(n)
+
 
 ## 其他语言版本
 

problems/0213.打家劫舍II.md

@@ -82,6 +82,11 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(n)
+
+
+
 ## 总结
 
 成环之后还是难了一些的， 不少题解没有把“考虑房间”和“偷房间”说清楚。

problems/0222.完全二叉树的节点个数.md

@@ -379,6 +379,20 @@ class Solution:
             return (2 << leftDepth) - 1 #注意(2<<1) 相当于2^2，所以leftDepth初始为0
         return self.countNodes(root.left) + self.countNodes(root.right) + 1
 ```
+完全二叉树写法2
+```python
+class Solution: # 利用完全二叉树特性
+    def countNodes(self, root: TreeNode) -> int:
+        if not root: return 0
+        count = 1
+        left = root.left; right = root.right
+        while left and right:
+            count+=1
+            left = left.left; right = right.right
+        if not left and not right: # 如果同时到底说明是满二叉树，反之则不是
+            return 2**count-1
+        return 1+self.countNodes(root.left)+self.countNodes(root.right)  
+```
 
 ## Go
 

problems/0225.用队列实现栈.md

@@ -111,6 +111,8 @@ public:
     }
 };
 ```
+* 时间复杂度: push为O(n)，其他为O(1)
+* 空间复杂度: O(n)
 
 # 优化
 
@@ -156,6 +158,9 @@ public:
     }
 };
 ```
+* 时间复杂度: push为O(n)，其他为O(1)
+* 空间复杂度: O(n)
+
 
 # 其他语言版本
 

problems/0232.用栈实现队列.md

@@ -112,6 +112,10 @@ public:
 
 ```
 
+* 时间复杂度: push和empty为O(1), pop和peek为O(n)
+* 空间复杂度: O(n)
+
+
 ## 拓展
 
 可以看出peek()的实现，直接复用了pop()， 要不然，对stOut判空的逻辑又要重写一遍。

problems/0239.滑动窗口最大值.md

@@ -184,6 +184,9 @@ public:
     }
 };
 ```
+* 时间复杂度: O(n)
+* 空间复杂度: O(k)
+
 
 再来看一下时间复杂度，使用单调队列的时间复杂度是 O(n)。
 

problems/0242.有效的字母异位词.md

@@ -85,6 +85,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)
+
 
 
 ## 其他语言版本

problems/0279.完全平方数.md

@@ -127,6 +127,10 @@ public:
 };
 ```
 
+* 时间复杂度: O(n * √n)
+* 空间复杂度: O(n)
+
+
 同样我在给出先遍历物品，在遍历背包的代码，一样的可以AC的。
 
 ```CPP
@@ -145,6 +149,8 @@ public:
     }
 };
 ```
+* 同上
+
 
 ## 总结
 

problems/0300.最长上升子序列.md

@@ -106,6 +106,10 @@ public:
     }
 };
 ```
+* 时间复杂度: O(n^2)
+* 空间复杂度: O(n)
+
+
 
 ## 总结
 

problems/0322.零钱兑换.md

@@ -133,6 +133,11 @@ public:
 };
 ```
 
+* 时间复杂度: O(n * amount)，其中 n 为 coins 的长度
+* 空间复杂度: O(amount)
+
+
+
 对于遍历方式遍历背包放在外循环，遍历物品放在内循环也是可以的，我就直接给出代码了
 
 ```CPP
@@ -154,6 +159,8 @@ public:
     }
 };
 ```
+* 同上
+
 
 ## 总结
 

problems/0332.重新安排行程.md

@@ -381,6 +381,32 @@ class Solution:
         return path
 ```
 	
+python  - 使用used数组 - 神似之前几题写法
+
+```python	
+class Solution:
+    def findItinerary(self, tickets: List[List[str]]) -> List[str]:
+        global used,path,results
+        used = [0]*len(tickets)
+        path = ['JFK']
+        results = []
+        tickets.sort() # 先排序，这样一旦找到第一个可行路径，一定是字母排序最小的
+        self.backtracking(tickets,'JFK')
+        return results[0]
+    def backtracking(self,tickets,cur):
+        if sum(used) == len(tickets):
+            results.append(path[:])
+            return True # 只要找到就返回
+        for i in range(len(tickets)):
+            if tickets[i][0]==cur and used[i]==0:
+                used[i]=1
+                path.append(tickets[i][1])
+                state = self.backtracking(tickets,tickets[i][1])
+                path.pop()
+                used[i]=0
+                if state: return True # 只要找到就返回，不继续搜索了
+```
+	
 ### GO
 ```go
 type pair struct {

problems/0344.反转字符串.md

@@ -130,6 +130,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)
+
 
 
 

problems/0347.前K个高频元素.md

@@ -79,8 +79,6 @@
 
 
 ```CPP
-// 时间复杂度：O(nlogk)
-// 空间复杂度：O(n)
 class Solution {
 public:
     // 小顶堆
@@ -120,6 +118,10 @@ public:
     }
 };
 ```
+
+* 时间复杂度: O(nlogk)
+* 空间复杂度: O(n)
+
 # 拓展
 大家对这个比较运算在建堆时是如何应用的，为什么左大于右就会建立小顶堆，反而建立大顶堆比较困惑。
 

problems/0349.两个数组的交集.md

@@ -72,6 +72,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(mn)
+* 空间复杂度: O(n)
+
 ## 拓展
 
 那有同学可能问了，遇到哈希问题我直接都用set不就得了，用什么数组啊。
@@ -110,6 +113,8 @@ public:
 };
 ```
 
+* 时间复杂度: O(m + n)
+* 空间复杂度: O(n)
 
 ## 其他语言版本
 
@@ -169,6 +174,21 @@ class Solution:
                 val_dict[num] = 0
         
         return ans
+	
+class Solution: # 使用数组方法
+    def intersection(self, nums1: List[int], nums2: List[int]) -> List[int]:
+        count1 = [0]*1001
+        count2 = [0]*1001
+        result = []
+        for i in range(len(nums1)):
+            count1[nums1[i]]+=1
+        for j in range(len(nums2)):
+            count2[nums2[j]]+=1
+        for k in range(1001):
+            if count1[k]*count2[k]>0:
+                result.append(k)
+        return result
+	
 ```
 
 

problems/0376.摆动序列.md

@@ -4,7 +4,6 @@
 </a>
 <p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
 
-
 > 本周讲解了[贪心理论基础](https://programmercarl.com/贪心算法理论基础.html)，以及第一道贪心的题目：[贪心算法：分发饼干](https://programmercarl.com/0455.分发饼干.html)，可能会给大家一种贪心算法比较简单的错觉，好了，接下来几天的题目难度要上来了，哈哈。
 
 # 376. 摆动序列
@@ -18,18 +17,25 @@
 给定一个整数序列，返回作为摆动序列的最长子序列的长度。 通过从原始序列中删除一些（也可以不删除）元素来获得子序列，剩下的元素保持其原始顺序。
 
 示例 1:
-* 输入: [1,7,4,9,2,5]
+
-* 输出: 6
+- 输入: [1,7,4,9,2,5]
-* 解释: 整个序列均为摆动序列。
+- 输出: 6
+- 解释: 整个序列均为摆动序列。
 
 示例 2:
-* 输入: [1,17,5,10,13,15,10,5,16,8]
+
-* 输出: 7
+- 输入: [1,17,5,10,13,15,10,5,16,8]
-* 解释: 这个序列包含几个长度为 7 摆动序列，其中一个可为[1,17,10,13,10,16,8]。
+- 输出: 7
+- 解释: 这个序列包含几个长度为 7 摆动序列，其中一个可为[1,17,10,13,10,16,8]。
 
 示例 3:
-* 输入: [1,2,3,4,5,6,7,8,9]
+
-* 输出: 2
+- 输入: [1,2,3,4,5,6,7,8,9]
+- 输出: 2
+
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，寻找摆动有细节！| LeetCode：376.摆动序列](https://www.bilibili.com/video/BV17M411b7NS)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
 
 ## 思路 1（贪心解法）
 
@@ -81,11 +87,9 @@
 
 所以我们记录峰值的条件应该是： `(preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)`，为什么这里允许 prediff == 0 ，就是为了 上面我说的这种情况。
 
-
 ### 情况二：数组首尾两端
 
-
+所以本题统计峰值的时候，数组最左面和最右面如何统计呢？
-所以本题统计峰值的时候，数组最左面和最右面如果统计呢？ 
 
 题目中说了，如果只有两个不同的元素，那摆动序列也是 2。
 
@@ -130,8 +134,9 @@ public:
     }
 };
 ```
-* 时间复杂度：O(n)
+
-* 空间复杂度：O(1)
+- 时间复杂度：O(n)
+- 空间复杂度：O(1)
 
 此时大家是不是发现 以上代码提交也不能通过本题？
 
@@ -188,13 +193,13 @@ public:
 
 很容易可以发现，对于我们当前考虑的这个数，要么是作为山峰（即 nums[i] > nums[i-1]），要么是作为山谷（即 nums[i] < nums[i - 1]）。
 
-* 设dp状态`dp[i][0]`，表示考虑前i个数，第i个数作为山峰的摆动子序列的最长长度
+- 设 dp 状态`dp[i][0]`，表示考虑前 i 个数，第 i 个数作为山峰的摆动子序列的最长长度
-* 设dp状态`dp[i][1]`，表示考虑前i个数，第i个数作为山谷的摆动子序列的最长长度
+- 设 dp 状态`dp[i][1]`，表示考虑前 i 个数，第 i 个数作为山谷的摆动子序列的最长长度
 
 则转移方程为：
 
-* `dp[i][0] = max(dp[i][0], dp[j][1] + 1)`，其中`0 < j < i`且`nums[j] < nums[i]`，表示将nums[i]接到前面某个山谷后面，作为山峰。
+- `dp[i][0] = max(dp[i][0], dp[j][1] + 1)`，其中`0 < j < i`且`nums[j] < nums[i]`，表示将 nums[i]接到前面某个山谷后面，作为山峰。
-* `dp[i][1] = max(dp[i][1], dp[j][0] + 1)`，其中`0 < j < i`且`nums[j] > nums[i]`，表示将nums[i]接到前面某个山峰后面，作为山谷。
+- `dp[i][1] = max(dp[i][1], dp[j][0] + 1)`，其中`0 < j < i`且`nums[j] > nums[i]`，表示将 nums[i]接到前面某个山峰后面，作为山谷。
 
 初始状态：
 
@@ -223,28 +228,25 @@ public:
 };
 ```
 
-* 时间复杂度：O(n^2)
+- 时间复杂度：O(n^2)
-* 空间复杂度：O(n)
+- 空间复杂度：O(n)
 
 **进阶**
 
 可以用两棵线段树来维护区间的最大值
 
-* 每次更新`dp[i][0]`，则在`tree1`的`nums[i]`位置值更新为`dp[i][0]`
+- 每次更新`dp[i][0]`，则在`tree1`的`nums[i]`位置值更新为`dp[i][0]`
-* 每次更新`dp[i][1]`，则在`tree2`的`nums[i]`位置值更新为`dp[i][1]`
+- 每次更新`dp[i][1]`，则在`tree2`的`nums[i]`位置值更新为`dp[i][1]`
-* 则dp转移方程中就没有必要j从0遍历到i-1，可以直接在线段树中查询指定区间的值即可。
+- 则 dp 转移方程中就没有必要 j 从 0 遍历到 i-1，可以直接在线段树中查询指定区间的值即可。
 
 时间复杂度：O(nlog n)
 
 空间复杂度：O(n)
 
-
-
-
 ## 其他语言版本
 
-
 ### Java
+
 ```Java
 class Solution {
     public int wiggleMaxLength(int[] nums) {
@@ -270,6 +272,7 @@ class Solution {
     }
 }
 ```
+
 ```java
 // DP
 class Solution {
@@ -360,6 +363,7 @@ class Solution:
 ### Go
 
 **贪心**
+
 ```go
 func wiggleMaxLength(nums []int) int {
 	n := len(nums)
@@ -383,6 +387,7 @@ func wiggleMaxLength(nums []int) int {
 ```
 
 **动态规划**
+
 ```go
 func wiggleMaxLength(nums []int) int {
 	n := len(nums)
@@ -420,7 +425,9 @@ func max(a, b int) int {
 ```
 
 ### Javascript
+
 **贪心**
+
 ```Javascript
 var wiggleMaxLength = function(nums) {
     if(nums.length <= 1) return nums.length
@@ -437,7 +444,9 @@ var wiggleMaxLength = function(nums) {
     return result
 };
 ```
+
 **动态规划**
+
 ```Javascript
 var wiggleMaxLength = function(nums) {
     if (nums.length === 1) return 1;
@@ -458,7 +467,9 @@ var wiggleMaxLength = function(nums) {
 ```
 
 ### Rust
+
 **贪心**
+
 ```Rust
 impl Solution {
     pub fn wiggle_max_length(nums: Vec<i32>) -> i32 {
@@ -504,6 +515,7 @@ impl Solution {
 ```
 
 ### C
+
 **贪心**
 
 ```c
@@ -568,8 +580,6 @@ int wiggleMaxLength(int* nums, int numsSize){
 }
 ```
 
-
-
 ### TypeScript
 
 **贪心**
@@ -583,16 +593,13 @@ function wiggleMaxLength(nums: number[]): number {
   let count: number = 1;
   for (let i = 1; i < length; i++) {
     curDiff = nums[i] - nums[i - 1];
-        if (
+    if ((preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)) {
-            (preDiff <= 0 && curDiff > 0) ||
-            (preDiff >= 0 && curDiff < 0)
-        ) {
       preDiff = curDiff;
       count++;
     }
   }
   return count;
-};
+}
 ```
 
 **动态规划**
@@ -601,7 +608,7 @@ function wiggleMaxLength(nums: number[]): number {
 function wiggleMaxLength(nums: number[]): number {
   const length: number = nums.length;
   if (length <= 1) return length;
-    const dp: number[][] = new Array(length).fill(0).map(_ => []);
+  const dp: number[][] = new Array(length).fill(0).map((_) => []);
   dp[0][0] = 1; // 第一个数作为波峰
   dp[0][1] = 1; // 第一个数作为波谷
   for (let i = 1; i < length; i++) {
@@ -615,7 +622,7 @@ function wiggleMaxLength(nums: number[]): number {
     }
   }
   return Math.max(dp[length - 1][0], dp[length - 1][1]);
-};
+}
 ```
 
 ### Scala
@@ -648,3 +655,4 @@ object Solution {
 <a href="https://programmercarl.com/other/kstar.html" target="_blank">
   <img src="../pics/网站星球宣传海报.jpg" width="1000"/>
 </a>
+

problems/0377.组合总和Ⅳ.md

@@ -130,6 +130,11 @@ public:
 
 ```
 
+* 时间复杂度: O(target * n)，其中 n 为 nums 的长度
+* 空间复杂度: O(target)
+
+
+
 C++测试用例有两个数相加超过int的数据，所以需要在if里加上dp[i] < INT_MAX - dp[i - num]。
 
 但java就不用考虑这个限制，java里的int也是四个字节吧，也有可能leetcode后台对不同语言的测试数据不一样。

problems/0383.赎金信.md

@@ -39,8 +39,6 @@ canConstruct("aa", "aab") -> true
 那么第一个思路其实就是暴力枚举了，两层for循环，不断去寻找，代码如下：
 
 ```CPP
-// 时间复杂度: O(n^2)
-// 空间复杂度：O(1)
 class Solution {
 public:
     bool canConstruct(string ransomNote, string magazine) {
@@ -62,6 +60,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(n^2)
+* 空间复杂度: O(1)
+
 这里时间复杂度是比较高的，而且里面还有一个字符串删除也就是erase的操作，也是费时的，当然这段代码也可以过这道题。
 
 
@@ -78,8 +79,6 @@ public:
 代码如下：
 
 ```CPP
-// 时间复杂度: O(n)
-// 空间复杂度：O(1)
 class Solution {
 public:
     bool canConstruct(string ransomNote, string magazine) {
@@ -105,6 +104,10 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)
+
+
 
 
 ## 其他语言版本

problems/0406.根据身高重建队列.md

@@ -37,6 +37,10 @@
 
 题目数据确保队列可以被重建
 
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，不要两边一起贪，会顾此失彼 | LeetCode：406.根据身高重建队列](https://www.bilibili.com/video/BV1EA411675Y)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
+
 ## 思路
 
 本题有两个维度，h和k，看到这种题目一定要想如何确定一个维度，然后再按照另一个维度重新排列。

problems/0417.太平洋大西洋水流问题.md

@@ -236,9 +236,222 @@ for (int j = 0; j < m; j++) {
 
 空间复杂度为：O(n * m) 这个就不难理解了。开了几个 n * m 的数组。 
 
-
 ## 其他语言版本
 
+### Java
+
+深度优先遍历：
+
+```Java
+class Solution {
+    // 四个位置
+    private static final int[][] position = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}};
+
+    /**
+     * @param heights 题目给定的二维数组
+     * @param row 当前位置的行号
+     * @param col 当前位置的列号
+     * @param sign 记录是哪一条河，两条河中可以一个为 0，一个为 1
+     * @param visited 记录这个位置可以到哪条河
+     */
+    public void dfs(int[][] heights, int row, int col, int sign, boolean[][][] visited) {
+        for (int[] current: position) {
+            int curRow = row + current[0], curCol = col + current[1];
+            // 越界
+            if (curRow < 0 || curRow >= heights.length || curCol < 0 || curCol >= heights[0].length)
+                continue;
+            // 高度不合适或者已经被访问过了
+            if (heights[curRow][curCol] < heights[row][col] || visited[curRow][curCol][sign]) continue;
+            visited[curRow][curCol][sign] = true;
+            dfs(heights, curRow, curCol, sign, visited);
+        }
+    }
+
+    public List<List<Integer>> pacificAtlantic(int[][] heights) {
+        int rowSize = heights.length, colSize = heights[0].length;
+        List<List<Integer>> ans = new ArrayList<>();
+        // 记录 [row, col] 位置是否可以到某条河，可以为 true，反之为 false；
+        // 假设太平洋的标记为 1，大西洋为 0
+        boolean[][][] visited = new boolean[rowSize][colSize][2];
+        for (int row = 0; row < rowSize; row++) {
+            visited[row][colSize - 1][0] = true;
+            visited[row][0][1] = true;
+            dfs(heights, row, colSize - 1, 0, visited);
+            dfs(heights, row, 0, 1, visited);
+        }
+        for (int col = 0; col < colSize; col++) {
+            visited[rowSize - 1][col][0] = true;
+            visited[0][col][1] = true;
+            dfs(heights, rowSize - 1, col, 0, visited);
+            dfs(heights, 0, col, 1, visited);
+        }
+        for (int row = 0; row < rowSize; row++) {
+            for (int col = 0; col < colSize; col++) {
+                // 如果该位置即可以到太平洋又可以到大西洋，就放入答案数组
+                if (visited[row][col][0] && visited[row][col][1])
+                    ans.add(List.of(row, col));
+            }
+        }
+        return ans;
+    }
+}
+```
+
+广度优先遍历：
+
+```Java
+class Solution {
+    // 四个位置
+    private static final int[][] position = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}};
+
+    /**
+     * @param heights 题目给定的二维数组
+     * @param queue 记录可以到达边界的节点
+     * @param visited 记录这个位置可以到哪条河
+     */
+    public void bfs(int[][] heights, Queue<int[]> queue, boolean[][][] visited) {
+        while (!queue.isEmpty()) {
+            int[] curPos = queue.poll();
+            for (int[] current: position) {
+                int row = curPos[0] + current[0], col = curPos[1] + current[1], sign = curPos[2];
+                // 越界
+                if (row < 0 || row >= heights.length || col < 0 || col >= heights[0].length) continue;
+                // 高度不合适或者已经被访问过了
+                if (heights[row][col] < heights[curPos[0]][curPos[1]] || visited[row][col][sign]) continue;
+                visited[row][col][sign] = true;
+                queue.add(new int[]{row, col, sign});
+            }
+        }
+    }
+
+    public List<List<Integer>> pacificAtlantic(int[][] heights) {
+        int rowSize = heights.length, colSize = heights[0].length;
+        List<List<Integer>> ans = new ArrayList<>();
+        boolean[][][] visited = new boolean[rowSize][colSize][2];
+        // 队列，保存的数据为 [行号, 列号, 标记]
+        // 假设太平洋的标记为 1，大西洋为 0
+        Queue<int[]> queue = new ArrayDeque<>();
+        for (int row = 0; row < rowSize; row++) {
+            visited[row][colSize - 1][0] = true;
+            visited[row][0][1] = true;
+            queue.add(new int[]{row, colSize - 1, 0});
+            queue.add(new int[]{row, 0, 1});
+        }
+        for (int col = 0; col < colSize; col++) {
+            visited[rowSize - 1][col][0] = true;
+            visited[0][col][1] = true;
+            queue.add(new int[]{rowSize - 1, col, 0});
+            queue.add(new int[]{0, col, 1});
+        }
+        bfs(heights, queue, visited);
+        for (int row = 0; row < rowSize; row++) {
+            for (int col = 0; col < colSize; col++) {
+                // 如果该位置即可以到太平洋又可以到大西洋，就放入答案数组
+                if (visited[row][col][0] && visited[row][col][1])
+                    ans.add(List.of(row, col));
+            }
+        }
+        return ans;
+    }
+}
+```
+
+### Python
+
+深度优先遍历
+
+```Python3
+class Solution:
+    def __init__(self):
+        self.position = [[-1, 0], [0, 1], [1, 0], [0, -1]]	# 四个方向
+
+    # heights：题目给定的二维数组， row：当前位置的行号， col：当前位置的列号
+    # sign：记录是哪一条河，两条河中可以一个为 0，一个为 1
+    # visited：记录这个位置可以到哪条河
+    def dfs(self, heights: List[List[int]], row: int, col: int, sign: int, visited: List[List[List[int]]]):
+        for current in self.position:
+            curRow, curCol = row + current[0], col + current[1]
+            # 索引下标越界
+            if curRow < 0 or curRow >= len(heights) or curCol < 0 or curCol >= len(heights[0]): continue
+            # 不满足条件或者已经被访问过
+            if heights[curRow][curCol] < heights[row][col] or visited[curRow][curCol][sign]: continue
+            visited[curRow][curCol][sign] = True
+            self.dfs(heights, curRow, curCol, sign, visited)
+
+    def pacificAtlantic(self, heights: List[List[int]]) -> List[List[int]]:
+        rowSize, colSize = len(heights), len(heights[0])
+        # visited 记录 [row, col] 位置是否可以到某条河，可以为 true，反之为 false；
+        # 假设太平洋的标记为 1，大西洋为 0
+        # ans 用来保存满足条件的答案
+        ans, visited = [], [[[False for _ in range(2)] for _ in range(colSize)] for _ in range(rowSize)]
+        for row in range(rowSize):
+            visited[row][0][1] = True
+            visited[row][colSize - 1][0] = True
+            self.dfs(heights, row, 0, 1, visited)
+            self.dfs(heights, row, colSize - 1, 0, visited)
+        for col in range(0, colSize):
+            visited[0][col][1] = True
+            visited[rowSize - 1][col][0] = True
+            self.dfs(heights, 0, col, 1, visited)
+            self.dfs(heights, rowSize - 1, col, 0, visited)
+        for row in range(rowSize):
+            for col in range(colSize):
+                # 如果该位置即可以到太平洋又可以到大西洋，就放入答案数组
+                if visited[row][col][0] and visited[row][col][1]:
+                    ans.append([row, col])
+        return ans
+```
+
+广度优先遍历
+
+```Python3
+class Solution:
+    def __init__(self):
+        self.position = [[-1, 0], [0, 1], [1, 0], [0, -1]]
+
+    # heights：题目给定的二维数组，visited：记录这个位置可以到哪条河
+    def bfs(self, heights: List[List[int]], queue: deque, visited: List[List[List[int]]]):
+        while queue:
+            curPos = queue.popleft()
+            for current in self.position:
+                row, col, sign = curPos[0] + current[0], curPos[1] + current[1], curPos[2]
+                # 越界
+                if row < 0 or row >= len(heights) or col < 0 or col >= len(heights[0]): continue
+                # 不满足条件或已经访问过
+                if heights[row][col] < heights[curPos[0]][curPos[1]] or visited[row][col][sign]: continue
+                visited[row][col][sign] = True
+                queue.append([row, col, sign])
+
+    def pacificAtlantic(self, heights: List[List[int]]) -> List[List[int]]:
+        rowSize, colSize = len(heights), len(heights[0])
+        # visited 记录 [row, col] 位置是否可以到某条河，可以为 true，反之为 false；
+        # 假设太平洋的标记为 1，大西洋为 0
+        # ans 用来保存满足条件的答案
+        ans, visited = [], [[[False for _ in range(2)] for _ in range(colSize)] for _ in range(rowSize)]
+        # 队列，保存的数据为 [行号, 列号, 标记]
+        # 假设太平洋的标记为 1，大西洋为 0
+        queue = deque()
+        for row in range(rowSize):
+            visited[row][0][1] = True
+            visited[row][colSize - 1][0] = True
+            queue.append([row, 0, 1])
+            queue.append([row, colSize - 1, 0])
+        for col in range(0, colSize):
+            visited[0][col][1] = True
+            visited[rowSize - 1][col][0] = True
+            queue.append([0, col, 1])
+            queue.append([rowSize - 1, col, 0])
+        self.bfs(heights, queue, visited)	# 广度优先遍历
+        for row in range(rowSize):
+            for col in range(colSize):
+                # 如果该位置即可以到太平洋又可以到大西洋，就放入答案数组
+                if visited[row][col][0] and visited[row][col][1]:
+                    ans.append([row, col])
+        return ans
+```
+
+
+
 
 <p align="center">
 <a href="https://programmercarl.com/other/kstar.html" target="_blank">

problems/0435.无重叠区间.md

@@ -30,6 +30,10 @@
 * 输出: 0
 * 解释: 你不需要移除任何区间，因为它们已经是无重叠的了。
 
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，依然是判断重叠区间 | LeetCode：435.无重叠区间](https://www.bilibili.com/video/BV1A14y1c7E1)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
+
 ## 思路
 
 **相信很多同学看到这道题目都冥冥之中感觉要排序，但是究竟是按照右边界排序，还是按照左边界排序呢？**
@@ -395,18 +399,20 @@ object Solution {
 ```Rust
 impl Solution {
     pub fn erase_overlap_intervals(intervals: Vec<Vec<i32>>) -> i32 {
-        if intervals.len() == 0 { return 0; }
+        if intervals.is_empty() {
-        let mut intervals = intervals;
+            return 0;
-        intervals.sort_by(|a, b| a[1].cmp(&b[1]));
+        }
+        intervals.sort_by_key(|interval| interval[1]);
         let mut count = 1;
         let mut end = intervals[0][1];
-        for i in 1..intervals.len() {
+        for v in intervals.iter().skip(1) {
-            if end <= intervals[i][0] {
+            if end <= v[0] {
-                end = intervals[i][1];
+                end = v[1];
                 count += 1;
             }
         }
-        intervals.len() as i32 - count
+
+        (intervals.len() - count) as i32
     }
 }
 ```

problems/0452.用最少数量的箭引爆气球.md

@@ -42,6 +42,10 @@
 * points[i].length == 2
 * -2^31 <= xstart < xend <= 2^31 - 1
 
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，判断重叠区间问题 | LeetCode：452.用最少数量的箭引爆气球](https://www.bilibili.com/video/BV1SA41167xe)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
+
 ## 思路
 
 如何使用最少的弓箭呢？
@@ -173,7 +177,23 @@ class Solution:
                 points[i][1] = min(points[i - 1][1], points[i][1]) # 更新重叠气球最小右边界
         return result
 ```
+```python
+class Solution: # 不改变原数组
+    def findMinArrowShots(self, points: List[List[int]]) -> int:
+        points.sort(key = lambda x: x[0])
+        sl,sr = points[0][0],points[0][1]
+        count = 1
+        for i in points:
+            if i[0]>sr:
+                count+=1
+                sl,sr = i[0],i[1]
+            else:
+                sl = max(sl,i[0])
+                sr = min(sr,i[1])
+        return count
 
+
+```
 ### Go
 ```go
 func findMinArrowShots(points [][]int) int {

problems/0454.四数相加II.md

@@ -83,6 +83,9 @@ public:
 
 ```
 
+* 时间复杂度: O(n^2)
+* 空间复杂度: O(n^2)，最坏情况下A和B的值各不相同，相加产生的数字个数为 n^2
+
 
 
 
@@ -94,26 +97,25 @@ Java：
 ```Java
 class Solution {
     public int fourSumCount(int[] nums1, int[] nums2, int[] nums3, int[] nums4) {
-        Map<Integer, Integer> map = new HashMap<>();
-        int temp;
         int res = 0;
+        Map<Integer, Integer> map = new HashMap<Integer, Integer>();
         //统计两个数组中的元素之和，同时统计出现的次数，放入map
         for (int i : nums1) {
             for (int j : nums2) {
-                temp = i + j;
+                int tmp = map.getOrDefault(i + j, 0);
-                if (map.containsKey(temp)) {
+                if (tmp == 0) {
-                    map.put(temp, map.get(temp) + 1);
+                    map.put(i + j, 1);
                 } else {
-                    map.put(temp, 1);
+                    map.replace(i + j, tmp + 1);
                 }
             }
         }
         //统计剩余的两个元素的和，在map中找是否存在相加为0的情况，同时记录次数
         for (int i : nums3) {
             for (int j : nums4) {
-                temp = i + j;
+                int tmp = map.getOrDefault(0 - i - j, 0);
-                if (map.containsKey(0 - temp)) {
+                if (tmp != 0) {
-                    res += map.get(0 - temp);
+                    res += tmp;
                 }
             }
         }

problems/0455.分发饼干.md

@@ -4,7 +4,6 @@
 </a>
 <p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
 
-
 # 455.分发饼干
 
 [力扣题目链接](https://leetcode.cn/problems/assign-cookies/)
@@ -14,21 +13,26 @@
 对每个孩子 i，都有一个胃口值  g[i]，这是能让孩子们满足胃口的饼干的最小尺寸；并且每块饼干 j，都有一个尺寸 s[j] 。如果 s[j] >= g[i]，我们可以将这个饼干 j 分配给孩子 i ，这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子，并输出这个最大数值。
 
 示例  1:
-* 输入: g = [1,2,3], s = [1,1]
+
-* 输出: 1
+- 输入: g = [1,2,3], s = [1,1]
+- 输出: 1
   解释:你有三个孩子和两块小饼干，3 个孩子的胃口值分别是：1,2,3。虽然你有两块小饼干，由于他们的尺寸都是 1，你只能让胃口值是 1 的孩子满足。所以你应该输出 1。
 
 示例  2:
-* 输入: g = [1,2], s = [1,2,3]
-* 输出: 2
-* 解释:你有两个孩子和三块小饼干，2个孩子的胃口值分别是1,2。你拥有的饼干数量和尺寸都足以让所有孩子满足。所以你应该输出2.
 
+- 输入: g = [1,2], s = [1,2,3]
+- 输出: 2
+- 解释:你有两个孩子和三块小饼干，2 个孩子的胃口值分别是 1,2。你拥有的饼干数量和尺寸都足以让所有孩子满足。所以你应该输出 2.
 
 提示：
-* 1 <= g.length <= 3 * 10^4
-* 0 <= s.length <= 3 * 10^4
-* 1 <= g[i], s[j] <= 2^31 - 1
 
+- 1 <= g.length <= 3 \* 10^4
+- 0 <= s.length <= 3 \* 10^4
+- 1 <= g[i], s[j] <= 2^31 - 1
+
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，你想先喂哪个小孩？| LeetCode：455.分发饼干](https://www.bilibili.com/video/BV1MM411b7cq)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
 
 ## 思路
 
@@ -46,16 +50,12 @@
 
 ![](https://code-thinking-1253855093.file.myqcloud.com/pics/20230405225628.png)
 
-
 这个例子可以看出饼干 9 只有喂给胃口为 7 的小孩，这样才是整体最优解，并想不出反例，那么就可以撸代码了。
 
-
 C++代码整体如下：
 
 ```CPP
 // 版本一
-// 时间复杂度：O(nlogn)
-// 空间复杂度：O(1)
 class Solution {
 public:
     int findContentChildren(vector<int>& g, vector<int>& s) {
@@ -73,12 +73,14 @@ public:
     }
 };
 ```
+* 时间复杂度：O(nlogn)
+* 空间复杂度：O(1)
+
 
 从代码中可以看出我用了一个 index 来控制饼干数组的遍历，遍历饼干并没有再起一个 for 循环，而是采用自减的方式，这也是常用的技巧。
 
 有的同学看到要遍历两个数组，就想到用两个 for 循环，那样逻辑其实就复杂了。
 
-
 ### 注意事项
 
 注意版本一的代码中，可以看出来，是先遍历的胃口，在遍历的饼干，那么可不可以 先遍历 饼干，在遍历胃口呢？
@@ -95,7 +97,6 @@ if 里的 index 指向 胃口 10， for里的i指向饼干9，因为 饼干9 满
 
 所以 一定要 for 控制 胃口，里面的 if 控制饼干。
 
-
 ### 其他思路
 
 **也可以换一个思路，小饼干先喂饱小胃口**
@@ -118,6 +119,9 @@ public:
     }
 };
 ```
+* 时间复杂度：O(nlogn)
+* 空间复杂度：O(1)
+
 
 细心的录友可以发现，这种写法，两个循环的顺序改变了，先遍历的饼干，在遍历的胃口，这是因为遍历顺序变了，我们是从小到大遍历。
 
@@ -131,8 +135,8 @@ public:
 
 ## 其他语言版本
 
-
 ### Java
+
 ```java
 class Solution {
     // 思路1：优先考虑饼干，小饼干先喂饱小胃口
@@ -151,6 +155,7 @@ class Solution {
     }
 }
 ```
+
 ```java
 class Solution {
     // 思路2：优先考虑胃口，先喂饱大胃口
@@ -172,6 +177,7 @@ class Solution {
 ```
 
 ### Python
+
 ```python
 class Solution:
     # 思路1：优先考虑小胃口
@@ -184,6 +190,7 @@ class Solution:
                 res += 1
         return res
 ```
+
 ```python
 class Solution:
     # 思路2：优先考虑大胃口
@@ -199,6 +206,7 @@ class Solution:
 ```
 
 ### Go
+
 ```golang
 //排序后，局部最优
 func findContentChildren(g []int, s []int) int {
@@ -218,6 +226,7 @@ func findContentChildren(g []int, s []int) int {
 ```
 
 ### Rust
+
 ```rust
 pub fn find_content_children(mut children: Vec<i32>, mut cookie: Vec<i32>) -> i32 {
     children.sort();
@@ -236,21 +245,21 @@ pub fn find_content_children(mut children: Vec<i32>, mut cookie: Vec<i32>) -> i3
 ```
 
 ### Javascript
+
 ```js
 var findContentChildren = function (g, s) {
-    g = g.sort((a, b) => a - b)
+  g = g.sort((a, b) => a - b);
-    s = s.sort((a, b) => a - b)
+  s = s.sort((a, b) => a - b);
-    let result = 0
+  let result = 0;
-    let index = s.length - 1
+  let index = s.length - 1;
   for (let i = g.length - 1; i >= 0; i--) {
     if (index >= 0 && s[index] >= g[i]) {
-            result++
+      result++;
-            index--
+      index--;
     }
   }
-    return result
+  return result;
 };
-
 ```
 
 ### TypeScript
@@ -273,7 +282,7 @@ function findContentChildren(g: number[], s: number[]): number {
     curChild--;
   }
   return resCount;
-};
+}
 ```
 
 ```typescript
@@ -292,7 +301,7 @@ function findContentChildren(g: number[], s: number[]): number {
     curCookie++;
   }
   return curChild;
-};
+}
 ```
 
 ### C

problems/0459.重复的子字符串.md

@@ -73,6 +73,8 @@ public:
     }
 };
 ```
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)
 
 不过这种解法还有一个问题，就是 我们最终还是要判断 一个字符串（s + s）是否出现过 s 的过程，大家可能直接用contains，find 之类的库函数。 却忽略了实现这些函数的时间复杂度（暴力解法是m * n，一般库函数实现为 O(m + n)）。
 
@@ -185,6 +187,8 @@ public:
     }
 };
 ```
+* 时间复杂度: O(n)
+* 空间复杂度: O(n)
 
 
 前缀表（不减一）的C++代码实现：
@@ -219,6 +223,8 @@ public:
     }
 };
 ```
+* 时间复杂度: O(n)
+* 空间复杂度: O(n)
 
 
 ## 其他语言版本

problems/0474.一和零.md

@@ -156,6 +156,11 @@ public:
 };
 ```
 
+* 时间复杂度: O(kmn)，k 为strs的长度
+* 空间复杂度: O(mn)
+
+
+
 ## 总结
 
 不少同学刷过这道题，可能没有总结这究竟是什么背包。

problems/0494.目标和.md

@@ -167,7 +167,7 @@ dp[j] 表示：填满j（包括j）这么大容积的包，有dp[j]种方法
 
 有哪些来源可以推出dp[j]呢？
 
-只要搞到nums[i]），凑成dp[j]就有dp[j - nums[i]] 种方法。
+只要搞到nums[i]，凑成dp[j]就有dp[j - nums[i]] 种方法。
 
 例如：dp[j]，j 为5， 
 

problems/0516.最长回文子序列.md

@@ -144,6 +144,11 @@ public:
     }
 };
 ```
+* 时间复杂度: O(n^2)
+* 空间复杂度: O(n^2)
+
+
+
 
 ## 其他语言版本
 

problems/0518.零钱兑换II.md

@@ -179,6 +179,11 @@ public:
     }
 };
 ```
+
+* 时间复杂度: O(mn)，其中 m 是amount，n 是 coins 的长度
+* 空间复杂度: O(m)
+
+
 是不是发现代码如此精简，哈哈
 
 ## 总结
@@ -215,6 +220,27 @@ class Solution {
     }
 }
 ```
+```Java
+// 二维dp数组版本，方便理解
+class Solution {
+    public int change(int amount, int[] coins) {
+        int[][] dp = new int[coins.length][amount + 1];
+        // 只有一种硬币的情况
+        for (int i = 0; i <= amount; i += coins[0]) {
+            dp[0][i] = 1;
+        }
+        for (int i = 1; i < coins.length; i++) {
+            for (int j = 0; j <= amount; j++) {
+                // 第i种硬币使用0~k次，求和
+                for (int k = 0; k * coins[i] <= j; k++) {
+                    dp[i][j] += dp[i - 1][j - k * coins[i]];
+                }
+            }
+        }
+        return dp[coins.length - 1][amount];
+    }
+}
+```
 
 Python：
 

problems/0530.二叉搜索树的最小绝对差.md

@@ -221,8 +221,27 @@ class Solution:
         for i in range(len(res)-1):  // 统计有序数组的最小差值
             r = min(abs(res[i]-res[i+1]),r)
         return r
+        
+        
+class Solution: # 双指针法，不用数组 (同Carl写法) - 更快
+    def getMinimumDifference(self, root: Optional[TreeNode]) -> int:
+        global pre,minval
+        pre = None
+        minval = 10**5
+        self.traversal(root)
+        return minval
+
+    def traversal(self,root):
+        global pre,minval
+        if not root: return None
+        self.traversal(root.left)
+        if pre and root.val-pre.val<minval: 
+            minval = root.val-pre.val
+        pre = root
+        self.traversal(root.right)            
 ```
 
+
 迭代法-中序遍历
 ```python 
 class Solution:

problems/0538.把二叉搜索树转换为累加树.md

@@ -234,6 +234,26 @@ class Solution:
         return root 
         
 ```
+**迭代**
+```python
+class Solution:
+    def convertBST(self, root: Optional[TreeNode]) -> Optional[TreeNode]:
+        if not root: return root
+        stack = []
+        result = []
+        cur = root
+        pre = 0
+        while cur or stack:
+            if cur:
+                stack.append(cur)
+                cur = cur.right
+            else: 
+                cur = stack.pop()
+                cur.val+= pre
+                pre = cur.val
+                cur =cur.left
+        return root
+```            
 
 ## Go
 

problems/0541.反转字符串II.md

@@ -65,6 +65,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)
+
 
 
 
@@ -96,6 +99,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)或O(n), 取决于使用的语言中字符串是否可以修改.
+
 
 另一种思路的解法
 
@@ -116,6 +122,9 @@ public:
 };
 ```
 
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)
+
 
 
 ## 其他语言版本

problems/0583.两个字符串的删除操作.md

@@ -104,6 +104,10 @@ public:
 };
 
 ```
+* 时间复杂度: O(n * m)
+* 空间复杂度: O(n * m)
+
+
 
 ### 动态规划二
 
@@ -127,6 +131,10 @@ public:
 };
 
 ```
+* 时间复杂度: O(n * m)
+* 空间复杂度: O(n * m)
+
+
 
 ## 其他语言版本
 

problems/0707.设计链表.md

@@ -133,6 +133,11 @@ public:
         LinkedNode* tmp = cur->next;
         cur->next = cur->next->next;
         delete tmp;
+        //delete命令指示释放了tmp指针原本所指的那部分内存，
+        //被delete后的指针tmp的值（地址）并非就是NULL，而是随机值。也就是被delete后，
+        //如果不再加上一句tmp=nullptr,tmp会成为乱指的野指针
+        //如果之后的程序不小心使用了tmp，会指向难以预想的内存空间
+        tmp=nullptr;
         _size--;
     }
 
@@ -152,6 +157,9 @@ private:
 };
 ```
 
+* 时间复杂度: 涉及 `index` 的相关操作为 O(index), 其余为 O(1)
+* 空间复杂度: O(n)
+
 
 
 ## 其他语言版本
@@ -1447,3 +1455,4 @@ impl MyLinkedList {
 <a href="https://programmercarl.com/other/kstar.html" target="_blank">
   <img src="../pics/网站星球宣传海报.jpg" width="1000"/>
 </a>
+

problems/0738.单调递增的数字.md

@@ -26,6 +26,10 @@
 
 说明: N 是在 [0, 10^9] 范围内的一个整数。
 
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，思路不难想，但代码不好写！LeetCode:738.单调自增的数字](https://www.bilibili.com/video/BV1Kv4y1x7tP)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
+
 
 ## 暴力解法
 
@@ -276,18 +280,20 @@ object Solution {
 ```Rust
 impl Solution {
     pub fn monotone_increasing_digits(n: i32) -> i32 {
-        let mut str_num = n.to_string().chars().map(|x| x.to_digit(10).unwrap() as i32).collect::<Vec<i32>>();
+        let mut n_bytes = n.to_string().into_bytes();
-        let mut flag = str_num.len();
+        let mut flag = n_bytes.len();
-        for i in (1..str_num.len()).rev() {
+        for i in (1..n_bytes.len()).rev() {
-            if str_num[i - 1] > str_num[i] {
+            if n_bytes[i - 1] > n_bytes[i] {
                 flag = i;
-                str_num[i - 1] -= 1;
+                n_bytes[i - 1] -= 1;
             }
         }
-        for i in flag..str_num.len() {
+        for v in n_bytes.iter_mut().skip(flag) {
-            str_num[i] = 9;
+            *v = 57;
         }
-        str_num.iter().fold(0, |acc, x| acc * 10 + x)
+        n_bytes
+            .into_iter()
+            .fold(0, |acc, x| acc * 10 + x as i32 - 48)
     }
 }
 ```

problems/0739.每日温度.md

@@ -271,6 +271,7 @@ class Solution {
 ```
 
 Python：
+> 未精简版本
 
 ```python
 class Solution:
@@ -291,6 +292,21 @@ class Solution:
         return answer
 ```
 
+> 精简版本
+
+```python
+class Solution:
+    def dailyTemperatures(self, temperatures: List[int]) -> List[int]:
+        answer = [0]*len(temperatures)
+        stack = []
+        for i in range(len(temperatures)):
+            while len(stack)>0 and temperatures[i] > temperatures[stack[-1]]:
+                answer[stack[-1]] = i - stack[-1]
+                stack.pop()
+            stack.append(i)
+        return answer
+```
+
 Go：
 
 > 暴力法

problems/0746.使用最小花费爬楼梯.md

@@ -92,7 +92,7 @@ dp[i - 2] 跳到 dp[i] 需要花费  dp[i - 2] + cost[i - 2]。
 
 这里就要说明本题力扣为什么改题意，而且修改题意之后 就清晰很多的原因了。 
 
-新题目描述中明确说了 “你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。” 也就是说 从 到达 第 0 个台阶是不花费的，但从 第0 个台阶 往上跳的话，需要花费 cost[0]。 
+新题目描述中明确说了 “你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。” 也就是说 到达 第 0 个台阶是不花费的，但从 第0 个台阶 往上跳的话，需要花费 cost[0]。 
 
 所以初始化 dp[0] = 0，dp[1] = 0;
 
@@ -284,6 +284,33 @@ func min(a, b int) int {
     return b
 }
 ```
+``` GO
+第二种思路: dp[i]表示从i层起跳所需要支付的最小费用
+递推公式:
+i<n :dp[i] = min(dp[i-1],dp[i-2])+cost[i]
+i==n:dp[i] = min(dp[i-1],dp[i-2]) (登顶)
+
+func minCostClimbingStairs(cost []int) int {
+	n := len(cost)
+	dp := make([]int, n+1)
+	dp[0], dp[1] = cost[0], cost[1]
+	for i := 2; i <= n; i++ {
+		if i < n {
+			dp[i] = min(dp[i-1], dp[i-2]) + cost[i]
+		} else {
+			dp[i] = min(dp[i-1], dp[i-2])
+		}
+	}
+	return dp[n]
+}
+func min(a, b int) int {
+	if a < b {
+		return a
+	}
+	return b
+}
+```
+
 
 ### Javascript 
 ```Javascript

problems/0763.划分字母区间.md

@@ -24,6 +24,10 @@
 * S的长度在[1, 500]之间。
 * S只包含小写字母 'a' 到 'z' 。
 
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，寻找最远的出现位置！ LeetCode：763.划分字母区间](https://www.bilibili.com/video/BV18G4y1K7d5)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
+
 ## 思路
 
 一想到分割字符串就想到了回溯，但本题其实不用回溯去暴力搜索。
@@ -408,28 +412,22 @@ object Solution {
 ### Rust
 
 ```Rust
-use std::collections::HashMap;
 impl Solution {
-    fn max (a: usize, b: usize) -> usize {
-        if a > b { a } else { b }
-    }
     pub fn partition_labels(s: String) -> Vec<i32> {
-        let s = s.chars().collect::<Vec<char>>();
+        let mut hash = vec![0; 26];
-        let mut hash: HashMap<char, usize> = HashMap::new();
+        for (i, &c) in s.as_bytes().iter().enumerate() {
-        for i in 0..s.len() {
+            hash[(c - b'a') as usize] = i;
-            hash.insert(s[i], i);
         }
-        let mut result: Vec<i32> = Vec::new();
+        let mut res = vec![];
-        let mut left: usize = 0;
+        let (mut left, mut right) = (0, 0);
-        let mut right: usize = 0;
+        for (i, &c) in s.as_bytes().iter().enumerate() {
-        for i in 0..s.len() {
+            right = right.max(hash[(c - b'a') as usize]);
-            right = Self::max(right, hash[&s[i]]);
             if i == right {
-                result.push((right - left + 1) as i32);
+                res.push((right - left + 1) as i32);
                 left = i + 1;
             }
         }
-        result
+        res
     }
 }
 ```

problems/0797.所有可能的路径.md

@@ -161,6 +161,35 @@ public:
 
 ## Java 
 
+```Java
+// 深度优先遍历
+class Solution {
+    List<List<Integer>> ans;		// 用来存放满足条件的路径
+    List<Integer> cnt;		// 用来保存 dfs 过程中的节点值
+
+    public void dfs(int[][] graph, int node) {
+        if (node == graph.length - 1) {		// 如果当前节点是 n - 1，那么就保存这条路径
+            ans.add(new ArrayList<>(cnt));
+            return;
+        }
+        for (int index = 0; index < graph[node].length; index++) {
+            int nextNode = graph[node][index];
+            cnt.add(nextNode);
+            dfs(graph, nextNode);
+            cnt.remove(cnt.size() - 1);		// 回溯
+        }
+    }
+
+    public List<List<Integer>> allPathsSourceTarget(int[][] graph) {
+        ans = new ArrayList<>();
+        cnt = new ArrayList<>();
+        cnt.add(0);			// 注意，0 号节点要加入 cnt 数组中
+        dfs(graph, 0);
+        return ans;
+    }
+}
+```
+
 ## Python
 ```python
 class Solution:
@@ -192,3 +221,4 @@ class Solution:
 <a href="https://programmercarl.com/other/kstar.html" target="_blank">
   <img src="../pics/网站星球宣传海报.jpg" width="1000"/>
 </a>
+

problems/0844.比较含退格的字符串.md

@@ -535,8 +535,57 @@ function getIndexAfterDel(s: string, startIndex: number): number {
 }
 ```
 
+### Rust
 
+> 双指针
 
+```rust
+impl Solution {
+    pub fn backspace_compare(s: String, t: String) -> bool {
+        let (s, t) = (
+            s.chars().collect::<Vec<char>>(),
+            t.chars().collect::<Vec<char>>(),
+        );
+        Self::get_string(s) == Self::get_string(t)
+    }
+
+    pub fn get_string(mut chars: Vec<char>) -> Vec<char> {
+        let mut slow = 0;
+        for i in 0..chars.len() {
+            if chars[i] == '#' {
+                slow = (slow as u32).saturating_sub(1) as usize;
+            } else {
+                chars[slow] = chars[i];
+                slow += 1;
+            }
+        }
+        chars.truncate(slow);
+        chars
+    }
+}
+```
+
+> 双栈法
+
+```rust
+impl Solution {
+    pub fn backspace_compare(s: String, t: String) -> bool {
+        Self::get_string(s) == Self::get_string(t)
+    }
+
+    pub fn get_string(string: String) -> String {
+        let mut s = String::new();
+        for c in string.chars() {
+            if c != '#' {
+                s.push(c);
+            } else if !s.is_empty() {
+                s.pop();
+            }
+        }
+        s
+    }
+}
+```
 
 <p align="center">
 <a href="https://programmercarl.com/other/kstar.html" target="_blank">

problems/0860.柠檬水找零.md

@@ -50,6 +50,10 @@
 * 0 <= bills.length <= 10000
 * bills[i] 不是 5 就是 10 或是 20 
 
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，看上去复杂，其实逻辑都是固定的！LeetCode：860.柠檬水找零](https://www.bilibili.com/video/BV12x4y1j7DD)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
+
 ## 思路
 
 这是前几天的leetcode每日一题，感觉不错，给大家讲一下。
@@ -111,6 +115,9 @@ public:
     }
 };
 ```
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)
+
 
 ## 总结
 

problems/0968.监控二叉树.md

@@ -38,6 +38,10 @@
 * 给定树的节点数的范围是 [1, 1000]。
 * 每个节点的值都是 0。
 
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，二叉树与贪心的结合，有点难...... LeetCode:968.监督二叉树](https://www.bilibili.com/video/BV1SA411U75i)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
+
 
 ## 思路
 
@@ -299,6 +303,11 @@ public:
 
 ```
 
+* 时间复杂度: O(n)，需要遍历二叉树上的每个节点
+* 空间复杂度: O(n)
+
+
+
 大家可能会惊讶，居然可以这么简短，**其实就是在版本一的基础上，使用else把一些情况直接覆盖掉了**。
 
 在网上关于这道题解可以搜到很多这种神级别的代码，但都没讲不清楚，如果直接看代码的话，指定越看越晕，**所以建议大家对着版本一的代码一步一步来，版本二中看不中用！**。

problems/1005.K次取反后最大化的数组和.md

@@ -34,6 +34,10 @@
 * 1 <= K <= 10000
 * -100 <= A[i] <= 100
 
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，这不就是常识？还能叫贪心？LeetCode：1005.K次取反后最大化的数组和](https://www.bilibili.com/video/BV138411G7LY)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
+
 ## 思路
 
 本题思路其实比较好想了，如何可以让数组和最大呢？
@@ -81,6 +85,10 @@ public:
 };
 ```
 
+* 时间复杂度: O(nlogn)
+* 空间复杂度: O(1)
+
+
 ## 总结
 
 贪心的题目如果简单起来，会让人简单到开始怀疑：本来不就应该这么做么？这也算是算法？我认为这不是贪心？
@@ -231,23 +239,18 @@ var largestSumAfterKNegations = function(nums, k) {
 
 ```Rust
 impl Solution {
-    pub fn largest_sum_after_k_negations(nums: Vec<i32>, k: i32) -> i32 {
+    pub fn largest_sum_after_k_negations(mut nums: Vec<i32>, mut k: i32) -> i32 {
-        let mut nums = nums;
+        nums.sort_by_key(|b| std::cmp::Reverse(b.abs()));
-        let mut k = k;
+        for v in nums.iter_mut() {
-        let len = nums.len();
+            if *v < 0 && k > 0 {
-        nums.sort_by(|a, b| b.abs().cmp(&a.abs()));
+                *v *= -1;
-        for i in 0..len {
-            if nums[i] < 0 && k > 0 {
-                nums[i] *= -1;
                 k -= 1;
             }
         }
-        if k % 2 == 1 { nums[len - 1] *= -1; }
+        if k % 2 == 1 {
-        let mut result = 0;
+            *nums.last_mut().unwrap() *= -1;
-        for num in nums {
-            result += num;
         }
-        result
+        nums.iter().sum()
     }
 }
 ```

problems/1020.飞地的数量.md

@@ -144,6 +144,232 @@ public:
     }
 };
 ```
+## 其他语言版本
+
+### Java
+
+深度优先遍历版本：
+
+```java
+class Solution {
+    // 四个方向
+    private static final int[][] position = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}};
+
+    // 深度优先遍历，把可以通向边缘部分的 1 全部标记成 true
+    public void dfs(int[][] grid, int row, int col, boolean[][] visited) {
+        for (int[] current: position) {
+            int newRow = row + current[0], newCol = col + current[1];
+            // 下标越界直接跳过
+            if (newRow < 0 || newRow >= grid.length || newCol < 0 || newCol >= grid[0].length) continue;
+            // 当前位置不是 1 或者已经被访问了就直接跳过
+            if (grid[newRow][newCol] != 1 || visited[newRow][newCol]) continue;
+            visited[newRow][newCol] = true;
+            dfs(grid, newRow, newCol, visited);
+        }
+    }
+
+    public int numEnclaves(int[][] grid) {
+        int rowSize = grid.length, colSize = grid[0].length, ans = 0;	// ans 记录答案
+        // 标记数组记录每个值为 1 的位置是否可以到达边界，可以为 true，反之为 false
+        boolean[][] visited = new boolean[rowSize][colSize];
+        // 左侧边界和右侧边界查找 1 进行标记并进行深度优先遍历
+        for (int row = 0; row < rowSize; row++) {
+            if (grid[row][0] == 1 && !visited[row][0]) {
+                visited[row][0] = true;
+                dfs(grid, row, 0, visited);
+            }
+            if (grid[row][colSize - 1] == 1 && !visited[row][colSize - 1]) {
+                visited[row][colSize - 1] = true;
+                dfs(grid, row, colSize - 1, visited);
+            }
+        }
+        // 上边界和下边界遍历，但是四个角不用遍历，因为上面已经遍历到了
+        for (int col = 1; col < colSize - 1; col++) {
+            if (grid[0][col] == 1 && !visited[0][col]) {
+                visited[0][col] = true;
+                dfs(grid, 0, col, visited);
+            }
+            if (grid[rowSize - 1][col] == 1 && !visited[rowSize - 1][col]) {
+                visited[rowSize - 1][col] = true;
+                dfs(grid, rowSize - 1, col, visited);
+            }
+        }
+        // 查找没有标记过的 1，记录到 ans 中
+        for (int row = 0; row < rowSize; row++) {
+            for (int col = 0; col < colSize; col++) {
+                if (grid[row][col] == 1 && !visited[row][col]) ++ans;
+            }
+        }
+        return ans;
+    }
+}
+```
+
+广度优先遍历版本：
+
+```java
+class Solution {
+    // 四个方向
+    private static final int[][] position = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}};
+
+    // 广度优先遍历，把可以通向边缘部分的 1 全部标记成 true
+    public void bfs(int[][] grid, Queue<int[]> queue, boolean[][] visited) {
+        while (!queue.isEmpty()) {
+            int[] curPos = queue.poll();
+            for (int[] current: position) {
+                int row = curPos[0] + current[0], col = curPos[1] + current[1];
+                // 下标越界直接跳过
+                if (row < 0 || row >= grid.length || col < 0 || col >= grid[0].length) 
+                    continue;
+                // 当前位置不是 1 或者已经被访问了就直接跳过
+                if (visited[row][col] || grid[row][col] == 0) continue;
+                visited[row][col] = true;
+                queue.add(new int[]{row, col});
+            }
+        }
+    }
+
+    public int numEnclaves(int[][] grid) {
+        int rowSize = grid.length, colSize = grid[0].length, ans = 0;	// ans 记录答案
+        // 标记数组记录每个值为 1 的位置是否可以到达边界，可以为 true，反之为 false
+        boolean[][] visited = new boolean[rowSize][colSize];
+        Queue<int[]> queue = new ArrayDeque<>();
+        // 搜索左侧边界和右侧边界查找 1 存入队列
+        for (int row = 0; row < rowSize; row++) {
+            if (grid[row][0] == 1) {
+                visited[row][0] = true;
+                queue.add(new int[]{row, 0});
+            }
+            if (grid[row][colSize - 1] == 1) {
+                visited[row][colSize - 1] = true;
+                queue.add(new int[]{row, colSize - 1});
+            }
+        }
+        // 搜索上边界和下边界遍历，但是四个角不用遍历，因为上面已经遍历到了
+        for (int col = 1; col < colSize - 1; col++) {
+            if (grid[0][col] == 1) {
+                visited[0][col] = true;
+                queue.add(new int[]{0, col});
+            }
+            if (grid[rowSize - 1][col] == 1 && !visited[rowSize - 1][col]) {
+                visited[rowSize - 1][col] = true;
+                queue.add(new int[]{rowSize - 1, col});
+            }
+        }
+        bfs(grid, queue, visited);		// 广度优先遍历
+        // 查找没有标记过的 1，记录到 ans 中
+        for (int row = 0; row < rowSize; row++) {
+            for (int col = 0; col < colSize; col++) {
+                if (grid[row][col] == 1 && !visited[row][col]) ++ans;
+            }
+        }
+        return ans;
+    }
+}
+```
+
+### Python
+
+深度优先遍历
+
+```Python3
+class Solution:
+    def __init__(self):
+        self.position = [[-1, 0], [0, 1], [1, 0], [0, -1]]	# 四个方向
+
+    # 深度优先遍历，把可以通向边缘部分的 1 全部标记成 true
+    def dfs(self, grid: List[List[int]], row: int, col: int, visited: List[List[bool]]) -> None:
+        for current in self.position:
+            newRow, newCol = row + current[0], col + current[1]
+            # 索引下标越界
+            if newRow < 0 or newRow >= len(grid) or newCol < 0 or newCol >= len(grid[0]): 
+                continue
+            # 当前位置值不是 1 或者已经被访问过了
+            if grid[newRow][newCol] == 0 or visited[newRow][newCol]: continue
+            visited[newRow][newCol] = True
+            self.dfs(grid, newRow, newCol, visited)
+
+    def numEnclaves(self, grid: List[List[int]]) -> int:
+        rowSize, colSize, ans = len(grid), len(grid[0]), 0
+        # 标记数组记录每个值为 1 的位置是否可以到达边界，可以为 True，反之为 False
+        visited = [[False for _ in range(colSize)] for _ in range(rowSize)]
+        # 搜索左边界和右边界，对值为 1 的位置进行深度优先遍历
+        for row in range(rowSize):
+            if grid[row][0] == 1:
+                visited[row][0] = True
+                self.dfs(grid, row, 0, visited)
+            if grid[row][colSize - 1] == 1:
+                visited[row][colSize - 1] = True
+                self.dfs(grid, row, colSize - 1, visited)
+        # 搜索上边界和下边界，对值为 1 的位置进行深度优先遍历，但是四个角不需要，因为上面遍历过了
+        for col in range(1, colSize - 1):
+            if grid[0][col] == 1:
+                visited[0][col] = True
+                self.dfs(grid, 0, col, visited)
+            if grid[rowSize - 1][col] == 1:
+                visited[rowSize - 1][col] = True
+                self.dfs(grid, rowSize - 1, col, visited)
+        # 找出矩阵中值为 1 但是没有被标记过的位置，记录答案
+        for row in range(rowSize):
+            for col in range(colSize):
+                if grid[row][col] == 1 and not visited[row][col]:
+                    ans += 1
+        return ans
+```
+
+广度优先遍历
+
+```Python3
+class Solution:
+    def __init__(self):
+        self.position = [[-1, 0], [0, 1], [1, 0], [0, -1]]	# 四个方向
+
+    # 广度优先遍历，把可以通向边缘部分的 1 全部标记成 true
+    def bfs(self, grid: List[List[int]], queue: deque, visited: List[List[bool]]) -> None:
+        while queue:
+            curPos = queue.popleft()
+            for current in self.position:
+                row, col = curPos[0] + current[0], curPos[1] + current[1]
+                # 索引下标越界
+                if row < 0 or row >= len(grid) or col < 0 or col >= len(grid[0]): continue
+                # 当前位置值不是 1 或者已经被访问过了
+                if grid[row][col] == 0 or visited[row][col]: continue
+                visited[row][col] = True
+                queue.append([row, col])
+
+
+    def numEnclaves(self, grid: List[List[int]]) -> int:
+        rowSize, colSize, ans = len(grid), len(grid[0]), 0
+        # 标记数组记录每个值为 1 的位置是否可以到达边界，可以为 True，反之为 False
+        visited = [[False for _ in range(colSize)] for _ in range(rowSize)]
+        queue = deque()		# 队列
+        # 搜索左侧边界和右侧边界查找 1 存入队列
+        for row in range(rowSize):
+            if grid[row][0] == 1:
+                visited[row][0] = True
+                queue.append([row, 0])
+            if grid[row][colSize - 1] == 1:
+                visited[row][colSize - 1] = True
+                queue.append([row, colSize - 1])
+        # 搜索上边界和下边界查找 1 存入队列，但是四个角不用遍历，因为上面已经遍历到了
+        for col in range(1, colSize - 1):
+            if grid[0][col] == 1:
+                visited[0][col] = True
+                queue.append([0, col])
+            if grid[rowSize - 1][col] == 1:
+                visited[rowSize - 1][col] = True
+                queue.append([rowSize - 1, col])
+        self.bfs(grid, queue, visited)	# 广度优先遍历
+        # 找出矩阵中值为 1 但是没有被标记过的位置，记录答案
+        for row in range(rowSize):
+            for col in range(colSize):
+                if grid[row][col] == 1 and not visited[row][col]:
+                    ans += 1
+        return ans
+```
+
+
+
 ## 类似题目 
 
 * 1254. 统计封闭岛屿的数目  
@@ -153,3 +379,4 @@ public:
 <a href="https://programmercarl.com/other/kstar.html" target="_blank">
   <img src="../pics/网站星球宣传海报.jpg" width="1000"/>
 </a>
+

problems/1035.不相交的线.md

@@ -62,6 +62,10 @@ public:
     }
 };
 ```
+* 时间复杂度: O(n * m)
+* 空间复杂度: O(n * m)
+
+
 
 ## 总结
 

problems/1047.删除字符串中的所有相邻重复项.md

@@ -77,6 +77,9 @@ public:
     }
 };
 ```
+* 时间复杂度: O(n)
+* 空间复杂度: O(n)
+
 
 当然可以拿字符串直接作为栈，这样省去了栈还要转为字符串的操作。
 
@@ -99,6 +102,8 @@ public:
     }
 };
 ```
+* 时间复杂度: O(n)
+* 空间复杂度: O(1)，返回值不计空间复杂度
 
 ## 题外话
 

problems/1143.最长公共子序列.md

@@ -124,6 +124,10 @@ public:
     }
 };
 ```
+* 时间复杂度: O(n * m)，其中 n 和 m 分别为 text1 和 text2 的长度
+* 空间复杂度: O(n * m)
+
+
 
 ## 其他语言版本
 

problems/剑指Offer58-II.左旋转字符串.md

@@ -66,6 +66,9 @@ public:
     }
 };
 ```
+* 时间复杂度: O(n)
+* 空间复杂度：O(1)
+
 是不是发现这代码也太简单了，哈哈。
 
 # 总结

problems/回溯算法去重问题的另一种写法.md

@@ -286,8 +286,70 @@ class Solution {
 }
 
 ```
+**90.子集II**
+```java
+class Solution {
+    List<List<Integer>> reslut = new ArrayList<>();
+    LinkedList<Integer> path = new LinkedList<>();
     
+    public List<List<Integer>> subsetsWithDup(int[] nums) {
+        if(nums.length == 0){
+            reslut.add(path);
+            return reslut;
+        }
+        Arrays.sort(nums);
+        backtracking(nums,0);
+        return reslut;
+    }
 
+    public void backtracking(int[] nums,int startIndex){
+        reslut.add(new ArrayList<>(path));
+        if(startIndex >= nums.length)return;
+        HashSet<Integer> hashSet = new HashSet<>();
+        for(int i = startIndex; i < nums.length; i++){
+            if(hashSet.contains(nums[i])){
+                continue;
+            }
+            hashSet.add(nums[i]);
+            path.add(nums[i]);
+            backtracking(nums,i+1);
+            path.removeLast();
+        }
+    }
+}
+```
+**40.组合总和II**
+```java
+class Solution {
+    List<List<Integer>> result = new ArrayList<>();
+    LinkedList<Integer> path = new LinkedList<>();
+    public List<List<Integer>> combinationSum2(int[] candidates, int target) {
+        Arrays.sort( candidates );
+        if( candidates[0] > target ) return result;
+        backtracking(candidates,target,0,0);
+        return result;
+    }
+
+    public void backtracking(int[] candidates,int target,int sum,int startIndex){
+        if( sum > target )return;
+        if( sum == target ){
+            result.add( new ArrayList<>(path) );
+        }
+        HashSet<Integer> hashSet = new HashSet<>();
+        for( int i = startIndex; i < candidates.length; i++){
+            if( hashSet.contains(candidates[i]) ){
+                continue;
+            }
+            hashSet.add(candidates[i]);
+            path.add(candidates[i]);
+            sum += candidates[i];
+            backtracking(candidates,target,sum,i+1);
+            path.removeLast();
+            sum -= candidates[i];
+        }
+    }
+}
+```
 Python：
 
 **90.子集II**

problems/根据身高重建队列（vector原理讲解）.md

@@ -177,6 +177,35 @@ Java：
 
 Python：
 
+Rust：
+
+```rust
+// 版本二，使用list（链表）
+use std::collections::LinkedList;
+impl Solution{
+    pub fn reconstruct_queue(mut people: Vec<Vec<i32>>) -> Vec<Vec<i32>> {
+        let mut queue = LinkedList::new();
+        people.sort_by(|a, b| {
+            if a[0] == b[0] {
+                return a[1].cmp(&b[1]);
+            }
+            b[0].cmp(&a[0])
+        });
+        queue.push_back(people[0].clone());
+        for v in people.iter().skip(1) {
+            if queue.len() > v[1] as usize {
+                let mut back_link = queue.split_off(v[1] as usize);
+                queue.push_back(v.clone());
+                queue.append(&mut back_link);
+            } else {
+                queue.push_back(v.clone());
+            }
+        }
+        queue.into_iter().collect()
+    }
+}
+```
+
 
 Go：
 

problems/背包理论基础01背包-1.md

@@ -87,7 +87,7 @@ leetcode上没有纯01背包的问题，都是01背包应用方面的题目，
 
 那么可以有两个方向推出来dp[i][j]，
 
-* **不放物品i**：由dp[i - 1][j]推出，即背包容量为j，里面不放物品i的最大价值，此时dp[i][j]就是dp[i - 1][j]。(其实就是当物品i的重量大于背包j的重量时，物品i无法放进背包中，所以被背包内的价值依然和前面相同。)
+* **不放物品i**：由dp[i - 1][j]推出，即背包容量为j，里面不放物品i的最大价值，此时dp[i][j]就是dp[i - 1][j]。(其实就是当物品i的重量大于背包j的重量时，物品i无法放进背包中，所以背包内的价值依然和前面相同。)
 * **放物品i**：由dp[i - 1][j - weight[i]]推出，dp[i - 1][j - weight[i]] 为背包容量为j - weight[i]的时候不放物品i的最大价值，那么dp[i - 1][j - weight[i]] + value[i] （物品i的价值），就是背包放物品i得到的最大价值
 
 所以递归公式： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

problems/背包问题理论基础完全背包.md

@@ -41,7 +41,7 @@
 * [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)
 
-首先在回顾一下01背包的核心代码
+首先再回顾一下01背包的核心代码
 ```cpp
 for(int i = 0; i < weight.size(); i++) { // 遍历物品
     for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
@@ -173,7 +173,7 @@ int main() {
 
 别急，下一篇就是了！哈哈
 
-最后，**又可以出一道面试题了，就是纯完全背包，要求先用二维dp数组实现，然后再用一维dp数组实现，最后在问，两个for循环的先后是否可以颠倒？为什么？**
+最后，**又可以出一道面试题了，就是纯完全背包，要求先用二维dp数组实现，然后再用一维dp数组实现，最后再问，两个for循环的先后是否可以颠倒？为什么？**
 这个简单的完全背包问题，估计就可以难住不少候选人了。