qq_44543551的博客

一、引言 昨儿面试中遇到的算法题 ：在未排序的数组中找到第 k 个最大的元素。首先想到的就是先排序，但是就算是快排的时间复杂度也要O(nlogn)，给的时间有限，一时间也没想出更好的办法，想着既然时间复杂度降不下来，那不如就用简单点的堆排序： //大根堆 O(nlogk) public int findKthLargest(int[] nums, int k){ PriorityQueue<Integer> maxHeap = new PriorityQueue

一、引言 原题： 剑指 Offer 62. 圆圈中最后剩下的数字 ：0,1,n-1这n个数字排成一个圆圈，从数字0开始，每次从这个圆圈里删除第m个数字。求出这个圆圈里剩下的最后一个数字。 思路： 每次找到下一个要删除的位置，假设当前删除的位置是 index，下一个删除的数字的位置是 index+ m - 1 。由于数到末尾会从头继续数，所以最后取模一下，就是 (index+ m - 1)%n。 public int LastRemaining_Solution(int n, int m) {

目录一、前言1.1、引子1.2、介绍二、正文2.1、方法总结2.1、实战分析 一、前言 1.1、引子 计算机归根结底只会做一件事：穷举。所有的算法都是在让计算机如何聪明地穷举而已，动态规划也是如此。 还是要从一个经典的例子说起——斐波那契数列（详细可见我的另一篇文章 斐波那契数列递归算法优化），我们似乎可以发现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。所以从某种程度上来说，所有的动态规划本质都是优化后的暴力求解。 1.2、介绍 DP

一、前言 递归在算法题中是很常用的，但是可能是因为人的思维方式的问题，很多时候会觉得，一看都会一写就废。我也做了不少递归的题目了，但是大部分都没办法完全自己独立完整地写出来，所以感觉有必要好好整理一下，一味得追求数量也没有用，总结出自己的东西来才能以不变应万变。 二、正文 2.1、方法总结 总的来说，递归无非就是写一个方法，先写出一个终止条件，然后根据题目，找出递推关系，进行递归。具体又可以拆分对应成以下三步： 将大问题分解为小问题：明确函数功能，把原问题分解为若干个相对简单类同的子问题； 寻找

一、前言 斐波那契数列指的是这样一个数列 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368… 学习递归时用的第一个简单的例子就是斐波那契数列，当时也惊叹于递归的魔力。后来在一次面试过程中，面试官就出了这道题，我还寻思怎么这么简单，当面试官让我测试用例输入100的时候，我就知道我还是太年轻了…我一直认为毫无问题的看起来既简洁又优雅的算法，居然是这么耗