摘要： 第一种算法，不需要任何排序的暴力算法，一个字符一个字符，一个字符串一个字符串去比较，时间复杂度O(m*n), m是数组长度，n是最短字符串的长度。 public String longestCommonPrefix(String[] strs) { StringBuilder res = new S 阅读全文

摘要： 这道题是一道Graph题目，关于这种人际关系网，谁认识不认识谁的题目，用indegree，outdegree是没问题的，时间复杂度是O(n2): /* The knows API is defined in the parent class Relation. boolean knows(int a 阅读全文

摘要： 这道题有两种解法，第一解法，很好理解，利用HashSet，时间复杂度O(n). public String longestWord(String[] words) { Arrays.sort(words); Set<String> set = new HashSet<>(); String res 阅读全文

摘要： 这道题，最重要的是要能观察出，连续的0和连续的1之间的关系——每一组连续的0和连续的1可以贡献出：Math.min(连续0，连续1) 下面的两个算法都可以beat 100%，时间复杂度O(n). public int countBinarySubstrings(String s) { int res 阅读全文

摘要： 这道题的最简单的算法如下，时间复杂度O(m*n) public int countNegatives(int[][] grid) { int res = 0; for(int i=0;i<grid.length;i++){ for ( int j=0;j<grid[0].length;j++){ i 阅读全文

摘要： 这道题最简单的思路是用三个set，把三个数组的数放在set中，然后检查set1中的每个数是不是在set2和set3中，但是这样做的缺点是，set不是sorted的，最后要对结果排序，时间复杂度最坏情况是O(nlogn) （n是三个数组中的最小长度）. public List<Integer> arr 阅读全文

摘要： 这道题的最简单算法，时间复杂度O(nlogn): public List<Integer> targetIndices(int[] nums, int target) { Arrays.sort(nums); List<Integer> res = new ArrayList<>(); for(in 阅读全文

摘要： 如果能明确的确定要返回的值是什么，用三个判断，用下面这套模版，例如 704. Binary Search： public int search(int[] nums, int target) { int l=0, r = nums.length-1, mid=0, res = -1;while(l< 阅读全文

摘要： 这道题如果用暴力解法做非常简单，但是题目有要求：Your solution must run in O(log n) time and O(1) space. 如果看到时间复杂度O(logn)，那么就一定要想到binary search。需要注意的是，在做这类找数题的时候，一定要看清楚是让返回ind 阅读全文

摘要： 这道理一点没有弯弯绕绕，直接告诉你考binary search，那咱也不客气了，直接上算法，beat 100%，时间复杂度就不用啰嗦了。 public int search(int[] nums, int target) { int l=0, r = nums.length-1, mid=0; wh 阅读全文