按照https://leetcode.cn/circle/discuss/RvFUtj/顺序刷题
零、经验记录
1. 学会画图分析
2. 学会找终止条件
3. 做一道就高质量完成
一、二分算法
0. 总结
a. 大于某个数的第一个数的位置有固定模板，其中要讨论最后一个数小于等于目标数的情况
b. 当查找范围x确定，关注的目标f(x)是单调的，就可以使用二分法
1. 二分查找
在升序数组中查找某数，如果存在则返回下标，不存在则返回-1
a. 自己的想法：left、mid、right三个指针迭代，注意终止条件，一是mid对应的元素为该数，二是到了只剩两个元素时，那么此时mid=left，如果right对应元素为该数，则返回下表right，如果不是，则代表数组中没有该数，返回-1
b. 存在的问题：判断条件复杂，原因是边界不好，每次判断完大小后，实际上mid对应的元素就可以被排除了。如果nums[mid] > target: right = mid-1。如果nums[mid]<target:left=mid+1。
c. 一点点的疏忽会带来极大的麻烦，要求逻辑足够严谨，充分利用已有信息。
2. 寻找比目标字母大的最小字母
找到一个非递减字符数组中比目标字母大的最小字母
a. 自己的想法：三指针迭代，迭代方式为： if letters[mid] <= target: left= mid+1; if letters[mid] > target: right = mid
b. 存在的问题：没考虑到字母之间可以直接比较（上面是改正后的），没有搞清终止条件。如下图，首先排除target不在该字符数组的两种情况，然后递推即可。
3. 正整数和负整数的最大计数
统计非递减数组的正整数数量和负整数数量中的最大值
a. 自己的想法：需要计算pos和neg的数量，首先如果第一个数大于0或者最后一个数小于0，那么该数组全正或全负，返回数组长度即可。然后分别找到大于0的第一个数的位置和小于0的最后一个数的位置。这里需要注意避免陷入死循环，需要考虑遍历尽头。
b.存在的问题：小于0的最后一个数容易陷入死循环，可以转换为大于等于-1的第一个数，然后这个数的前一个数就必然是最后一个负整数。
4. 两个数组间的距离值
数组1中的元素与数组2中的所有元素距离大于d的数量
a. 自己的想法：
遍历arr1，其中每个数字作为target，去寻找arr2中大于等于和小于target的最后一个数
最小的那个如果距离满足大于d，那么该数字满足距离要求
b.存在的问题：arr1不需要排序，找到了大于等于target的第一个数之后，前一个数即为小于target的最后一个数
c. 时间复杂度分为两部分，arr2排序为n2logn2，后面的二分查找为n1logn2，空间复杂度为n1
5. 两个数组的配对成功数
数组1中的元素与数组2中的元素相乘大于等于给定整数的数量
a. 自己的想法：遍历数组1，在数组1的每个元素下，找到与该元素相乘大于等于success的第一个数。
b. 没有问题
6. 使结果不超过阈值的最小除数
给定nums和threshold，找到最小的正整数，使得nums中的每个元素向上取整除以该整数后的和小于等于threshold
a. 自己的想法：除数存在范围，1到nums的最大值（题目中限定了threshold的最小值）。f(x)是单调的，因此就可以在该范围内进行二分查找搜索。
b. 存在的问题：向上取整方法有问题，不是a//b+1，而是(a+b-1)//b。
7. 完成旅途的最少时间
数组time，为每辆车一趟需要的时间，所有车可以并行运行，完成一趟就能继续该车的第二趟，找到totalTrips所需最短时间。
a. 自己的想法：
目的是找时间，时间是一个序列[0,...,totalTrips*min]；
条件是每个时间对应trips，找到刚好大于等于totalTrips的第一个时间
可以二分，因为f（trips）关于x（time）单调递增
b. 存在的问题：时间序列没必要创建，因为它和索引没区别，空占内存。另外等于totalTrips的时候的时间不一定是目标时间，因为求解的是最短时间。
二、动态规划
0.总结
a. 动态规划是一种算法，与之相对的有分治、贪婪等
b. 递归（自顶向下）和循环（自底向上）是实现动态规划的两种方式，递归需要记忆中间结果，即记忆化递归
c. 特点
- 重复子问题：子问题是相同类型的，能够递推
- 最优子结构：母问题的最优解可以由子问题的最优解构建
- 无后效性：子问题的最优解不受后面的问题的影响
d. 简单判断：暴力求解子问题的最优解复杂度高、可能性多，因此转而求递推关系
e. 递推关系是多样的，可以与前面的所有最优解都有关系
1. 爬楼梯
一次可以爬一级或者两级台阶，问：n级台阶有几种方案？
a. 自己的想法：递归，n=1，返回1，n=2，返回2，其他则返回递推公式:fuc(n-1)+fuc(n-2)
b. 存在的问题：由递归树可知，节点数O(2^n)，时间复杂度：O(2^n)，空间复杂度为递归树的深度：O(n)。这里时间复杂度太大，原因是重复计算。
c. 解决办法：
记忆化递归：这里可以建立一个递归外的数组，用于记录每个节点的方法数，同时在每次递归时判断是否有现成的，有就直接返回，没有就计算并保存到这个数组中，时间复杂度为O(n)。
如何降低空间复杂度呢？可以使用循环，自底向上循环计算目标。每次计算只需要前两个变量即可，因此可以用滚动数组计算。
2. 使用最小花费爬楼梯
整数数组cost，cost[i]代表从第i级台阶向上爬需要的费用，可以选择爬一级，也可以选择爬两级，计算爬到顶部的最小花费。可以选择从下标为0或者1的台阶开始爬。
a. 自己的想法：循环，从底向上，计算不同级台阶下的最小花费，递推公式是dp[i] = min(dp[i-1]+cost[i-1], dp[i-2]+cost[i-2])
b. 存在的问题：最后一个条件，可以选择从哪里开始爬，得到的信息是：dp[0]=dp[1]=0
3. 01背包问题
给定几个物品的体积和价值，给定一个背包的容积，找到放置物品的最大价值。
a. 思路：
首先，我们考虑i个物品和j容量的背包的最优解为dp[i][j]；
其次，这个最优解可以向前递推，得到等效的结果；
先判断volume[i]和背包容量j的大小，如果放不进去，那就必然没有物品i，那就等于dp[i-1][j]；
如果放得进去，就要考虑有物品i和没有物品i的时候的最大价值，即：
max（i-1个物品和j容量的背包的最大价值，i-1个物品和j-volume[i]的背包的最优解+value[i]）
4. 最长递增子序列
给一个整数数组，找出最长严格递增子序列的长度
a. 思路
为什么用动态规划？单个子问题最优解难求
要实现递推关系，需要将最后一个元素作为递推的判别条件，因此dp[i]不是前i个元素的最长子序列，而是包含nums[i]的最长子序列。递推关系是dp[i]之前的所有子问题中，nums[i]大于nums[j]则在该子问题基础上加1，并取这些中的最大值。
最终返回dp的最大值。
b. 代码
class Solution:
def lengthOfLIS(self, nums: List[int]) -> int:
n = len(nums)
dp = [1]*n
for i in range(1,n):
for j in range(i):
if nums[i] > nums[j]:
dp[i] = max(dp[i],dp[j]+1)
return max(dp)
三、回溯
0. 总结
回溯的关键在于撤销处理操作，即在没有递归函数的情况下，上下的操作是抵消的。
1. 电话号码的字母组合
给定一个仅包含数字 2-9 的字符串，返回所有它能表示的字母组合。答案可以按 任意顺序 返回。
给出数字到字母的映射如下（与电话按键相同）。注意 1 不对应任何字母。
a. 思路：每个位置都有多个选择，并且有多位，此时用回溯。回溯的关键在于撤销处理操作，即在没有递归函数的情况下，上下的操作是抵消的。如下：
s += dic[num][i]
dfs(l+1,s)
s = s[:-1]
没有dfs，那么上下操作是抵消的
代码
class Solution:
def letterCombinations(self, digits: str) -> List[str]:
if not digits:
return []
res = []
dic = {"2":"abc","3":"def","4":"ghi","5":"jkl","6":"mno","7":"pqrs","8":"tuv","9":"wxyz"}
def dfs(l,s):
if l == len(digits):
res.append(s)
else:
num = digits[l]
for i in range(len(dic[num])):
s += dic[num][i]
dfs(l+1,s)
s = s[:-1]
dfs(0,"")
return res
扫一扫
731
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
