代码随想录算法训练营Day1 | 数组part 01

数组理论基础

代码随想录链接

值得关注的知识点

  • 数组是存放在连续内存空间上的相同类型数据的集合。
  • 数组下标都是从0开始的。
  • 数组内存空间的地址是连续的
  • 要注意vector 和 array的区别,vector的底层实现是array,严格来讲vector是容器,不是数组。

704. 二分查找

leetcode链接
代码随想录链接

思路

使用左闭右闭的区间[left, right]

class Solution {
public:
    int search(vector<int>& nums, int target) {

        int left = 0;
        int right = nums.size()-1;
        while(left<=right)
        {
            int mid = (left+right)/2;
            if(nums[mid]>target) right = mid - 1;
            else if(nums[mid]<target) left = mid + 1;
            else return mid;
        }
        return -1;
    }
};

看完题解后的知识点补充

求解两数的平均值时,使用mid = left + ((right - left) >> 1);
防止溢出,位运算比除法快

class Solution {
public:
    int search(vector<int>& nums, int target) {

        int left = 0;
        int right = nums.size()-1;
        while(left<=right)
        {
            //  int mid = (left+right)/2;
            int mid = left + ((right - left) >> 1); //防止溢出,位运算比除法快

            if(nums[mid]>target) right = mid - 1;
            else if(nums[mid]<target) left = mid + 1;
            else return mid;
        }

        return -1;
    }
};

实现过程中遇到的问题

注意当使用nums[0]这种索引方式时,需要注意索引下标是否存在的问题,当出现空数组时,就会出现缩影出错的问题,所以需要先判断if(nums.size()==0)。

拓展

35.搜索插入位置
思路与704一致
34. 在排序数组中查找元素的第一个和最后一个位置
在704的基础上增加左右搜索高低位置的功能

class Solution {
public:
    vector<int> searchRange(vector<int>& nums, int target) {
        vector<int> result = {-1, -1};
        if(nums.size()==0)
        {
            return result;
        }

        int left = 0;
        int right = nums.size()-1;
        int mid = left + (right-left)/2;
        
        while(left<=right)
        {
            mid = left + (right-left)/2;
            if(nums[mid]<target) left = mid+1;
            else if(nums[mid]>target) right = mid-1;
            else break;
        }
        

        int low = mid;
        int high = mid;

        while(nums[low]==target)
        {
            result[0] = low;
            low --;
            if(low<0) break;
        }

        while(nums[high]==target)
        {
            result[1] = high;
            high ++;
            if(high>nums.size()-1) break;
        }

        return result;

    }
};

27. 移除元素

leetcode链接
代码随想录链接

思路:
1. 暴力解法

  • 时间复杂度:O(n^2)
  • 空间复杂度:O(1)
class Solution {
public:
    int removeElement(vector<int>& nums, int val) {
        for(int i=0; i<nums.size(); i++)
        {
            if(nums[i]==val) 
            {
                nums.erase(nums.begin()+i);
                i--;    // 注意需要退一位,以免漏检查后一个数,因为数组往前移动了一位
            }
        }
        return nums.size();
    }
};

2. 双指针

  • 时间复杂度:O(n)
  • 空间复杂度:O(1)

思路理解:无视目标值的元素,将其他值前移替换掉目标值,快指针负责遍历全数组,慢指针负责在原来的数组上定义新的数组。

定义快慢指针

  • 快指针:寻找新数组的元素,新数组就是不含有目标元素的数组
  • 慢指针:指向更新新数组下标的位置
class Solution {
public:
    int removeElement(vector<int>& nums, int val) {
        int fast = 0;
        int slow = 0;
        for(; fast<nums.size(); fast++)
        {
            if(nums[fast]!=val) 
            {
                nums[slow] = nums[fast];
                slow++;
            }
        }
        return slow;
    }
};
### 代码随想录算法训练营 Day20 学习内容与作业 #### 动态规划专题深入探讨 动态规划是一种通过把原问题分解为相对简单的子问题的方式来求解复杂问题的方法[^1]。 #### 主要学习内容 - **背包问题系列** - 背包问题是典型的动态规划应用场景之一。这类题目通常涉及给定容量的背包以及一系列具有不同价值和重量的物品,目标是在不超过总容量的情况下最大化所选物品的价值。 - **状态转移方程构建技巧** - 构建合适的状态转移方程对于解决动态规划问题是至关重要的。这涉及到定义好dp数组(或表格),并找到从前一个状态到下一个状态之间的关系表达式[^2]。 - **优化空间复杂度方法** - 对于某些特定类型的DP问题,可以采用滚动数组等方式来减少所需的空间开销,从而提高程序效率[^3]。 #### 实战练习题解析 ##### 题目:零钱兑换 (Coin Change) 描述:给定不同面额的硬币 coins 和一个总金额 amount。编写函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额,返回 `-1`。 解决方案: ```python def coinChange(coins, amount): dp = [float('inf')] * (amount + 1) dp[0] = 0 for i in range(1, amount + 1): for coin in coins: if i >= coin and dp[i - coin] != float('inf'): dp[i] = min(dp[i], dp[i - coin] + 1) return dp[-1] if dp[-1] != float('inf') else -1 ``` 此段代码实现了基于自底向上的迭代方式解决问题,其中 `dp[i]` 表示达到金额 `i` 所需最小数量的硬币数目[^4]。 ##### 题目:完全平方数 (Perfect Squares) 描述:给出正整数 n ,找出若干个不同的 完全平方数 (比如 1, 4, 9 ...)使得它们的和等于n 。问至少需要几个这样的完全平方数? 解答思路同上一题类似,只是这里的“硬币”变成了各个可能的完全平方数值。 ```python import math def numSquares(n): square_nums = set([i*i for i in range(int(math.sqrt(n))+1)]) dp = [float('inf')] *(n+1) dp[0] = 0 for i in range(1,n+1): for sq in square_nums: if i>=sq: dp[i]=min(dp[i],dp[i-sq]+1); return dp[n]; ``` 这段代码同样运用了动态规划的思想去寻找最优解路径,并利用集合存储所有小于等于输入值的最大平方根内的平方数作为候选集[^5]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值