步子哥的博客

例如，costs[0][0] 表示第 0 幢房子粉刷成 0 号颜色的成本；costs[1][2] 表示第 1 幢房子粉刷成 2 号颜色的成本，以此类推。我们需要粉刷一排房子，其中每幢房子可以选择 k 种颜色，同时需要满足相邻的房子颜色不能相同。或者将 房子 0 刷成 2 号颜色，房子 1 刷成 0 号颜色。将房子 0 刷成 0 号颜色，房子 1 刷成 2 号颜色。输入: costs = [[1,5,3],[2,9,4]]输入: costs = [[1,3],[2,4]]返回 粉刷完所有房子的最低成本。

试着设计解决方案：调用 top 方法的时间复杂度为 O(1) ，调用其他方法的时间复杂度为 O(logn)。// 返回 5，[5, 1] - 栈发生改变，栈顶元素不再是最大元素。// 返回 1，[5] - 此操作后，5 既是栈顶元素，也是最大元素。// [5, 1, 5] - 5 既是栈顶元素，也是最大元素。// [5, 1] - 栈顶元素是 1，最大元素是 5。// 返回 5，[5, 1, 5] - 栈没有改变。// [5] - 5 既是栈顶元素，也是最大元素。// 返回 5，[5] - 栈没有改变。

这是一个使用二分思想解决的经典问题，通过将中位数转化为第k小的数的问题，并在每次迭代中排除k/2个元素，最终达到对数级别的时间复杂度。

给你一个数组 positions ，其中 positions[i] = [ri, ci] 是要执行第 i 次操作的位置 (ri, ci)。返回一个整数数组 answer ，其中 answer[i] 是将单元格 (ri, ci) 转换为陆地后，地图中岛屿的数量。输入：m = 3, n = 3, positions = [[0,0],[0,1],[1,2],[2,1]]（0 代表「水」，1 代表「陆地」）输入：m = 1, n = 1, positions = [[0,0]]输出：[1,1,2,3]

使用双堆结构是解决这个问题的最佳方案，能够完美平衡插入和查询的时间复杂度。

使用动态规划求解，定义三维状态dp[i][j][0/1]，通过状态转移方程计算最大利润。时间复杂度O(nk)，空间复杂度O(nk)。

中位数是有序序列最中间的那个数。如果序列的长度是偶数，则没有最中间的数；此时中位数是最中间的两个数的平均数。例如：[2,3,4]，中位数是 3[2,3]，中位数是 (2 + 3) / 2 = 2.5给你一个数组 nums，有一个长度为 k 的窗口从最左端滑动到最右端。窗口中有 k 个数，每次窗口向右移动 1 位。你的任务是找出每次窗口移动后得到的新窗口中元素的中位数，并输出由它们组成的数组。示例：给出 nums = [1,3,-1,-3,5,3,6,7]，以及 k = 3。

你想要用小写字母组成一个目标字符串 target。开始的时候，序列由 target.length 个 ‘?’ 记号组成。而你有一个小写字母印章 stamp。在每个回合，你可以将印章放在序列上，并将序列中的每个字母替换为印章上的相应字母。你最多可以进行 10 * target.length 个回合。举个例子，如果初始序列为 “???”，而你的印章 stamp 是 “abc”，那么在第一回合，你可以得到 “abc??”、“?abc?”、“??abc”。（请注意，印章必须完全包含在序列的边界内才能盖下去。

给定一个字符串 s 和一个字符串数组 words。words 中所有字符串 长度相同。s 中的 串联子串 是指一个包含 words 中所有字符串以任意顺序排列连接起来的子串。例如，如果 words = [“ab”,“cd”,“ef”]， 那么 “abcdef”， “abefcd”，“cdabef”， “cdefab”，“efabcd”， 和 “efcdab” 都是串联子串。“acdbef” 不是串联子串，因为他不是任何 words 排列的连接。返回所有串联子串在 s 中的开始索引。

理解路径的定义（可以拐弯）区分全局最大路径和与节点贡献值正确处理负数节点。

归并排序的思想可以完美解决这个问题，通过在归并过程中统计逆序对的数量，我们可以得到每个元素右侧小于它的元素个数。使用树状数组可以将时间复杂度优化到O(nlogk)，其中k是值域范围。

这是一个基于数学原理的优雅解法，通过计算每个位置的数字，避免了生成所有排列的开销。核心思想是利用阶乘系统来定位每个位置的数字。使用预计算的阶乘数组代替递归使用正向循环代替while循环保持了原有的算法逻辑，但提高了效率。

使用分治法将问题拆分在合并前统计翻转对使用long类型避免溢出时间复杂度O(nlogn)，空间复杂度O(n)

这是一个典型的DFS+记忆化搜索问题，通过记录每个位置的最长路径长度来避免重复计算。关键点是要考虑四个方向的移动，并确保路径严格递增。

这是一个经典的动态规划结合单调栈的问题，通过将二维问题转化为一维问题来简化求解过程。关键在于理解每一行都可以看作是直方图，而直方图中最大矩形面积可以通过单调栈在O(n)时间内求解。

这是一个经典的单词搜索问题，最优解法是结合Trie和DFS的回溯搜索算法。

时间复杂度：O(n)空间复杂度：O(n)能处理所有测试用例实现简洁高效。

给定一个非负整数数组 nums 和一个整数 k ，你需要将这个数组分成 k 个非空的连续子数组，使得这 k 个子数组各自和的最大值 最小。返回分割后最小的和的最大值。子数组 是数组中连续的部份。示例 1：输入：nums = [7,2,5,10,8], k = 2输出：18解释：一共有四种方法将 nums 分割为 2 个子数组。其中最好的方式是将其分为 [7,2,5] 和 [10,8]。因为此时这两个子数组各自的和的最大值为18，在所有情况中最小。

使用dummy节点简化边界情况分组处理每k个节点对每组执行翻转操作维护组间连接处理最后剩余节点。

按照国际象棋的规则，皇后可以攻击与之处在同一行或同一列或同一斜线上的棋子。n 皇后问题 研究的是如何将 n 个皇后放置在 n×n 的棋盘上，并且使皇后彼此之间不能相互攻击。给你一个整数 n ，返回所有不同的 n 皇后问题 的解决方案。每一种解法包含一个不同的 n 皇后问题 的棋子放置方案，该方案中 ‘Q’ 和 ‘.’ 分别代表了皇后和空位。示例 1：输入：n = 4输出：[[“.Q…”,“…Q”,“Q…”,“…Q.”],[“…Q.”,“Q…”,“…Q”,“.Q…”]]

这是一个使用单调栈解决的经典问题。通过维护一个单调递增栈，我们可以高效地找到每个柱子左右两边第一个比它矮的柱子，从而计算以当前柱子高度为高的最大矩形面积。算法的时间复杂度为 O(n)，空间复杂度为 O(n)。