随笔分类 - leetcode题目
记录leetcode刷题做题笔记
摘要：题目： 思路： 【1】借鉴 剑指 Offer II 081. 允许重复选择元素的组合（39. 组合总和）这道题。首先先从题目看会发现高度重合，区别在于，一个可以重复选，一个不可以重复选，其次是一个是去重的数组，一个是不去重的数组。那么改起来也很简单。 【2】先对数组进行去重，再进行回溯的方式 代码展
阅读全文
摘要：题目： 思路： 【1】回溯算法 + 剪枝的方式，一般而言这种最好是画出树形图，如candidates = [2, 3, 6, 7], target = 7 为例： 【2】其次，根据题目可知是组合（即 [2, 2, 3] 与 [2, 3, 2] 视为相同列表，这表示了我们要去重），去重的方式可以采用指
阅读全文
摘要：题目： 思路： 【1】动态规划的方式，首先对于动态规划的问题是分成子问题，那么子问题又可以当做是一个小汇总，如 对于 1≤i<n，第 i 号房子和第 i−1 号房子的颜色必须不同， 因此当第 i 号房子被粉刷成某一种颜色时，第 i−1 号房子只能被粉刷成另外两种颜色之一。 当第 i 号房子分别被粉刷
阅读全文
摘要：题目： 思路： 【0】这道题算是 剑指 Offer II 089. 房屋偷盗(198. 打家劫舍) 的变种，增加了环形的设计。 【1】动态规划的方式 代码展示： 动态规划的方式： //时间0 ms击败100% //内存38.8 MB击败72.14% class Solution { public i
阅读全文
摘要：题目： 思路： 【0】这道题吧，怎么说，算是大学了解动态规划入门的一道题吧。思路和跳台阶很像，因为当位置为N的时候，情况可以分为两种，就是N的位置选和不选，选的话，那么根据最大值的原理，必然是F（N）= x + F(N-2) ，x为N位置的值。如果不选，那么必然是因为F（N-1）> x + F(N-
阅读全文
摘要：题目： 思路： 【1】暴力枚举的方式： 【2】使用字典树优化的方式： 代码展示： 使用字典树优化的方式： //时间29 ms击败58.92% //内存43.5 MB击败52.31% //时间复杂度：O(nl+ql∣Σ∣)，其中 n 是数组 dictionary 的长度，l 是数组 dictionar
阅读全文
摘要：题目： 思路： 【0】首先题目限制了O(nlogn)的时间复杂度，这个大家应该都会有印象，毕竟大部分排序算法都是这个复杂度，其次空间复杂度为O（1），也就是说，最多借助常量值的辅助变量。而归并排序基于分治算法。最容易想到的实现方式是自顶向下的递归实现，考虑到递归调用的栈空间，自顶向下归并排序的空间
阅读全文
摘要：题目： 思路： 【0】首先常规的做法必然是不符合进阶的，毕竟要满足O（log n），那么只能二分了，不过幸好的是，数组是有序的。 【1】全数组的二分查找的方式 【2】偶数下标的二分查找的方式 代码展示： 偶数下标的二分查找的方式： //时间0 ms击败100% //内存41.8 MB击败22.25%
阅读全文
摘要：题目： 思路： 【1】错误的尝试 【2】不进行排序该如何正确的处理 【3】进行排序的处理 代码展示： 进行排序的处理： //时间5 ms击败90.74% //内存44.4 MB击败16.45% //时间复杂度：O(nlogn)，其中 n 为区间的数量。 //除去排序的开销，我们只需要一次线性扫描，
阅读全文
摘要：题目： 思路： 【0】这道题怎么说呢，不算难，考察的就是能不能默写快排和堆排，说直白点就是要去记，去背，要回默写，其他的没那么重要。 【1】堆排序 【2】快速排序 【3】基于哈希表的方式 代码展示： 基于哈希表的方式： //时间1 ms击败94.61% //内存41.6 MB击败53.84% cla
阅读全文
摘要：题目： 思路： 【1】暴力破解的方式 【2】哈希表的方式 【3】字典树的方式 代码展示： 字典树的方式： //时间73 ms击败96.85% //内存60.3 MB击败47.71% //时间复杂度：O(nlogC)，其中 n 是数组 nums 的长度，C 是数组中的元素范围，在本题中 C<2^31
阅读全文
摘要：题目： 思路： 【1】哈希集合（这种其实更像是暴力破解的方式，通过分割字符进行比对） 【2】字典树（字典树的逻辑研究的话会发现消耗的内存空间相对更少，但是遍历逻辑两者差不多，但是耗费的时间确实天差地别，着实是需要深思的） 代码展示： 字典树优化版本： //时间10 ms击败79.14% //内存57
阅读全文
摘要：题目： 思路： 【1】其实如果是考虑最快取出来的话，应该是对于在数组中填充对应个数的下标，如【1,3】那么对应存储的数组应该是【0,1,1,1】，这种通过随机数获取下标是最快能拿出来的，但是弊端也很明显，需要的空间很大，就如【100,500,1】，这种如果导致内存溢出。所以需要换种方式。 【2】前缀
阅读全文
摘要：题目： 思路： 【1】暴力破解的方式： 【2】桶计数+滑动窗口的方式： 利用桶排序的思想解决： 按照元素的大小进行分桶，维护一个滑动窗口内的元素对应的元素。 对于元素 xxx，其影响的区间为 [x−t,x+t]。于是可以设定桶的大小为 t+1。 如果两个元素同属一个桶，那么这两个元素必然符合条件。
阅读全文
摘要：题目： 思路： 【1】暴力破解的方式： 【2】二分查找的方式： 代码展示： 二分查找的方式： //时间24 ms击败73.28% //内存42.3 MB击败55.84% //时间复杂度：O(nlogn), 其中 n 表示日程安排的数量。由于每次在进行预订时，都需要进行二分查找，需要的时间为 O(l
阅读全文
摘要：题目： 思路： 【1】其实我觉得吧，这个题有点问题，说是必须优于O(n log n)，那么是不是就是禁止使用堆了呢，优先队列里面使用的不就是堆排序的思想？那么时间复杂度也为O(n log n)，这不就是禁止使用了。神神叨叨不干人事 代码展示： //时间12 ms击败89.10% //内存44.3 M
阅读全文
摘要：题目： 思路： 【0】仔细认真观察其实就会发现一个规律，这个二叉搜索树的中序遍历是顺序的，而变更之后的更大和树的中序遍历，其实就是二叉搜索树中序遍历后，从后面往前面叠加的情况，如【0,1,2,3,4,5,6,7,8】变为【36,36,35,33,30,26,21,15,8】即 7+8 = 15 ，6
阅读全文
摘要：题目： 思路： 【1】中序遍历 【2】利用二叉搜索树的性质 代码展示： 利用二叉搜索树的性质的方式： //时间2 ms击败100% //内存42.2 MB击败74.85% //时间复杂度：O(n)，其中 n 是二叉搜索树的节点数。遍历的节点数不超过二叉搜索树的高度，平均情况是 O(logn)，最坏
阅读全文
摘要：题目： 思路： 【1】这种情况其实递归的写法会比循环遍历的写法要好写的多，如每下一层就会把，之前的数值乘10，但同样要记住，当左右节点都为空的时候其实就不应该再往下叠一层。 代码展示： //时间0 ms击败100% //内存39 MB击败67.82% /** * Definition for a b
阅读全文
摘要：题目： 思路： 【1】递归的方式 【2】循环的方式 代码展示： 递归的方式： //时间0 ms击败100% //内存41.1 MB击败41.2% //时间复杂度：O(n)，其中 n 是二叉树的节点数目。需要遍历 n 个节点。 //空间复杂度：O(n)。递归栈需要占用 O(n) 的空间。 class
阅读全文