qq_35531985的博客

在这篇博客中，我们以leetcode162题为例对二分查找中的易错点进行了辨析，但是在这篇博客中，关于左右边界的查找写的并不好。下面对左右边界的查找的代码进行简化。 左边界查找 在上篇博客中，这块关于左边界查找的通用模板是以[0,nums.length)为范围进行查找的。这篇博客中关于查找范围的讲解时非常棒的。下面对于其中模板的改进也是基于这个理论的： int len=nums.length; int mid=0; int left=0,right=len-1

快慢指针 相关证明 Th 1.在有环的链表中，快慢指针一定相遇。 证明：如果链表中有环，快慢指针一定在环内相遇。这可以看做是，快指针追赶慢指针的过程。 如果快指针在与慢指针差一步，则在下一步中，快指针前进两步，慢指针前进一步，两个指针相遇。 如果快慢指针相差两步，在下一步中，快指针前进两步，慢指针前进一步，两个指针相差一步，转为第一种情况。 如果快慢指针相差N步，经过N-1步的追逐，转换为第一种情况。 因此在有环的链表中快慢指针必然相遇。 2.Th 2：慢指针进入环之后，快指针最多比慢指针多绕一个圈。 证

计数排序 计数排序不是基于比较的排序算法，其核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。 作为一种线性时间复杂度的排序，计数排序要求输入的数据必须是有确定范围的整数。 算法步骤： 找出待排序的数组中最大和最小的元素； 统计数组中每个值为i的元素出现的次数，存入数组C的第i项； 对所有的计数累加（从C中的第一个元素开始，每一项和前一项相加）； 反向填充目标数组：将每个元素i放在新数组的第C(i)项，每放一个元素就将C(i)减去1。 代码如下： 下述代码事实上还可以进行优化，即新建的tmp的大

归并排序（二路归并） 思想：利用分治的思想，对待排序的数组划分为一个个的子排序任务，然后合并，再进行排序。具体来说就是： 把长度为n的输入序列分成两个长度为n/2的子序列； 对这两个子序列分别采用归并排序； 将两个排序好的子序列合并成一个最终的排序序列。 将上述步骤递归进行，直至最终得到有序序列。 见下图： 代码实现如下： public static int[] sort(int[] nums){ return reSort(nums,0,nums.length-1); }

排序算法是算法题中非常常见的一类题，相关的排序方法也很多，如：快速排序、冒泡排序、归并排序、简单选择排序、堆排序等等。本文以Leetcode 面试题 17.14. 最小K个数为例，对以上排序算法做一个回顾。 冒泡排序 冒泡排序是一种交换排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。 算法步骤： 比较相邻的元素。如果第一个

根据中序遍历与前序遍历确定二叉树 对于一棵树而言，前序遍历的形式为： [根节点，[左子树的前序遍历]，[右子树的前序遍历]]。 中序遍历形式为： [[左子树的中序遍历]，根节点，[右子树的中序遍历]] 因此，只要我们定位到根节点在中序遍历中的位置，就可以知道其左边的序列是其左子树的中序遍历，右边的序列是其右子树中序遍历的结果。此外，由于中序与前序遍历，其子树节点的数量是一定的，所以可以进一步确定根节点的左子树与右子树的前序与中序遍历。因此，我们就可以递归的构造左子树与右子树。 代码实现如下： public

以下图的遍历为例 广度优先搜索 英文缩写为BFS即Breadth FirstSearch。其过程检验来说是对每一层节点依次访问，访问完一层进入下一层，而且每个节点只能访问一次。在实际实现中，使用队列来进行实现，先往队列中插入左节点再插入右节点，这样出队就是先左后右了。 先将A插入队列中，队列中有元素（A） 将A弹出，得到A结点，然后A的孩子从左至右先后放到队列中，（B,C）。 继续弹出B，得到B结点，然后将B的孩子从左至右先后放入到队列中，（C,D,E）。 然后弹出C，将C的左右孩子依次放入（D,E,F

在此之前，我们定义二叉树的数据结构如下： class TreeNode//节点结构 { int value; List<TreeNode> children=new ArrayList<>(); TreeNode left; TreeNode right; TreeNode(int value) { this.value = value; } } //主函数 public class main { public static List<In

动态规划是编程题中高频出现，且具有一定难度的算法。对于动态规划的解读参见本篇博客。下面我们以leetcode中的股票问题为例，使用动态规划算法解决问题。 leetcode 122 leetcode121 leetcode 714

以下内容参照了https://zhuanlan.zhihu.com/p/78220312。 动态规划遵循一套固定的流程： 递归的暴力解法 -> 带备忘录的递归解法 -> 非递归的动态规划解法 下面以斐波那契数列为例，揭开动态规划的面纱： 斐波那契数列 一、暴力递归法 int fib(int N) { if (N == 1 || N == 2) return 1; return fib(N - 1) + fib(N - 2); } 但是使用递归算法求解该问题往往是十分低效的，不仅

二分法解析 二分法是一个看似简单实则细节中暗藏魔鬼的方法。避免二分法出错的关键是，把握住搜索区间 一、基本的二分法 常规的二分法套路如下： int binarySearch(int[] nums, int target) { int left = 0; int right = nums.length - 1; // 注意 ① while(left <= right) { // 注意 ② int mid = (right + left)

出现问题，矩阵转置失效，代码如下： for(int i=0;i<len-1;i++){ for(int j=0;j<len;j++){ if(i!=j){ temp=matrix[i][j]; matrix[i][j]=matrix[j][i]; matrix[j][i]=temp; }