leetcode代码模板

笔者目前正在刷力扣平台算法题，本文总结一下笔者在刷题过程中自己悟出来的代码模板，持续更新中…

二分算法-红蓝染色法：

(1)二分查找模板：

//开区间写法最为简洁，最不易出错，体现在以下几个方面:
//1.无需担心死循环的问题（如果真的出现死循环，说明是思路有问题，请不要怀疑是开区间的问题）
//2.染色时，不需要考虑mid+1，-1的问题，大大简化了染色过程需要思考的逻辑，只需把握好循环不变量即可，不必再考虑区间的开闭
//3.循环不变量的边界对称而简洁，易于记忆
class Solution {
public:
     int binarySearch(vector<int>& nums, int target){

        //注意1：开区间设定初始边界的时候，要注意左边界-1，右边界+1
        int left = 左边界-1, right = 右边界+1;

        //注意2：开区间的循环条件：left + 1 < right
        while(left + 1 < right){
            int mid = left + (right - left) / 2;
            //注意3：把握好循环不变量将很有助于分析最终的二分答案
            //循环不变量:
            //未确定区间为(left, right)
            //nums[left] 以及left左侧元素满足某一条件
            //nums[right] 以及rihgt右侧元素满足上述条件的对立面
            //上述的循环不变量将直接影响最终结果，循环结束，left+1 == right，且满足上述循环不变量
			
			//注意4：根据判断结果染色，这里left和right的位置需根据实际问题来染色
            (/*填写关于mid与目标值的关系*/ ? left : right) = mid;
        }
        return right;
     }
};

（2）二分答案模板：

class Solution {
public:
    long long binaryAns(vector<int>& ranks, int cars) {
		//注意1：使用局部函数(lamabda表达式)来定义check函数。返回值为bool类型
		//这样比重新定义一个check函数需要敲的代码量少
        auto check = [&](long long ans) {
            /*填写判断ans是否为答案的逻辑，返回值bool类型*/
        };

		//注意2：开区间设定初始边界的时候，要注意左边界-1，右边界+1
        int left = 左边界-1, right = 右边界+1;

		//注意3：二分。可以看出，二分答案的开区间二分非常简单，唯一需要注意的地方是
		//check检查了mid之后，应该染色左边界还是右边界？其他的写法一成不变，很有模板的韵味
        while(left + 1 < right){
            long long mid = left + (right - left) / 2;
			//注意4：根据判断结果染色，这里left和right的位置需根据实际问题来染色
            (check(mid) ? left : right) = mid;
        }
        return right;
    }
};

---

定长滑动窗口：

//假设滑动窗口固定长度为： n ，则代码模板如下：
class Solution {
public:
    int SlideWindow(vector<int>& nums, int k) {
        int length = nums.size();
		//在进入循环之前，必须先初始化好窗口为最左侧位置的情况
		//并且维护好这种情况下的相关变量

		//这里要首先判断一下初始化的结果是否满足题意，然后下面的第一次循环就不必
		//遍历第一种情况了，这么做是也是为了满足循环不变量[i - n, i)

        //循环不变量：滑动窗口[i - n, i),窗口长度固定为 n
        for (int i = n; i < length; i++) {
            //此时i位置为窗口本次循环的末位置下标，由于是开区间i，所以接下来要维护nums[i]的状态
            //而i-n位置为上一次循环的首位下标，我们通常也需要关注维护它的状态，使窗口左边界向右移动一位

			//以上操作进行完毕之后，此时窗口区间就变为闭区间[i - n + 1, i]了，长度还是n
			//下一次循环之前i++，区间再次变为半开半闭状态-[i - n, i)
        }
        return ...;
    }
};

---

不定长滑动窗口：

//不定长滑动窗口伪代码
class Solution {
public:
    long long slideWindow(vector<int>& nums, long long k) {
        int 需要维护的变量..., left = 0, ans = 0;
        for (int right = 0; right<nums.size(); right++){
            代码：在这里进行将nums[right]加入到窗口之后需要维护
            窗口的相关状态变量的操作，使其达到 "缩小左边界的条件"
            ans可能需要在这里维护
            while(满足缩小左边界的条件){
                代码：在这里进行缩小左边界所需维护窗口相关变量状态的操作
                ans可能需要在这里维护
                left++;
            }
            ans可能需要再这里维护
        }
        return ans;//返回答案
    }
};

---

单调栈：

（1）寻找左侧第一个小的元素：

• 栈中存放的是数组的下标，而不是数组的值
• 此模板适用于以下四种情况：

• 寻找数组中所有元素左侧第一个比它小的元素
• 寻找数组中所有元素左侧第一个比它大的元素
• 寻找数组中所有元素右侧第一个比它小的元素
• 寻找数组中所有元素右侧第一个比它大的元素

vector<int> ans(n, -1);
stack<int> st;
for (int i = 0; i < n; i++) {
	//应该递增栈，还是递减栈？这里可以这样思考：从右往左找，栈中存放的是答案
	//则栈一定要为目标量身定制一个栈，要找的是小的，则保证从栈顶到栈底递减即可，即
	//为 “寻找左侧第一个小的元素这个目标服务”， 因为这样子的话，即使栈顶元素不合适
	//(大于当前遍历元素)，那栈的下一个元素仍然可能满足小于当前遍历的元素
	
	//解决了递增递减问题，下面讨论如何写出while这些代码：栈里面存放的是可能有比当前遍历
	//元素小的目标元素，也可能没有。我们要找的是比当前元素小的栈中的第一个元素(从栈顶向
	//下看)即，nums[i] > nums[st.top()])。那么就反过来，如果nums[i] <= nums[st.top()])
	//(到这里其实已经推出了while括号里面的条件，下文可以不看，也可以看看加深理解)
	//则说明当前栈顶元素不满足条件，并且后续也不可能再满足了，因为此时的nums[i]比它更
	//符合条件(这里是小)，还更靠左，所所以栈顶元素就被淘汰了，直接出栈，再比较新的栈顶
	//元素，重复上述过程，直到找到符合条件的栈顶元素(这里是比nums[i]小)
	while (!st.empty() && nums[i] <= nums[st.top()]) {
		st.pop();
	}
	
	//while之后，代码走到这里有两种结果:
	//1.nums[i]在栈中找到了自己的真命天子-此时的栈顶元素 (栈中有比nums[i]还
	//  优秀的元素，这里的优秀指的是更小)，且栈顶就是真命天子，此时栈非空
	
	//2.nums[i]把栈弹空了，仍然找不到自己的真命天子，此时栈空了
	
	//如果栈非空，说明是情况1.此时说明找到nums[i]左边第一个比它小
	//的元素了，这个元素就是栈顶元素：nums[st.top()]，接下根据实际问题处理
	//维护nums[i]与nums[st.top()]的相关变量状态即可
	if (!st.empty()) {
		在这里维护nums[i]与st.top()，的关系，注意st.top()是下标
		例如我想将nums[i]左侧第一个比它大元素下标记录一下：
		ans[i] = st.top();	//ans[i]的值表示:nums[i]左侧第一个比它大的元素的下标
	}
	
	//不管最后nums[i]找到没找到自己的真命天子，她都被栈给感动了，因为对于情
	//况1.找到了，那自然很感动；而对于情况2，虽然没有找到，但是栈已经为此把自
	//己弹空了，这更令nums[i]感动，因此nums[i]毅然决定入栈来感谢栈的付出
	st.push(i);
}

注意事项：如果某个元素根本就不存在要找的关系，比如上述例子nums[3]左
侧的nums[0],nums[1],nums[2]都比它大，那么上述模板的做法是忽略不处理，
例如上述模板的nums[2]找不到符合条件的元素，那么ans[2]将等于其初始值-1

---

回溯算法：

//自己画树形图分析的时候，要时刻思考回溯三问：
//回溯三问：当前操作？	子问题？	下一个子问题？
//解释：回溯三问主要用于解决代码模板里面的 "当前操作" ，"子问题" 这两个代码块
//至于" 回溯" 这个代码块，是当前操作的逆过程，无需多言
//而刚开始的 "终止" 的相关逻辑也比较好想
//因此难点是剩下的两步："当前操作？" ,  "子问题？"
//回溯的问题都是树形结构的，每一个节点都是一个子问题，如何通过当前操作，使当前问题
//变成规模更小的子问题？想清楚这一点，就可以很容易的画出树形图，然后当前操作和子问题的代码
//也会一目了然

void backtracking(参数){
	if(终止条件){
		存放结果;
		return;
	}
	
	for(选择: 本层集合中的元素(树中节点孩子的数量就是集合大小)){
		处理节点;						//当前操作
		backtracking（路径,选择列表）;	//子问题
		回溯，撤销处理结果;				//回溯
	}
}