Z2076465172的博客

本文总结了LeetCode中四个典型算法问题的解法：1. 岛屿数量(FloodFill算法)：使用BFS遍历相邻陆地，通过visit数组标记已访问节点；2. 腐烂的橘子(多源BFS)：统计新鲜橘子数，多源点同时扩散，注意时间计数方式；3. 课程表(拓扑排序)：建立邻接表统计入度，通过BFS检测环；4. 前缀树：实现Trie结构，支持插入和查询操作。每个问题都提供了核心思路和关键代码实现，重点讲解了算法细节和注意事项。

本文探讨了解决TOP-K问题的三种方法：优先队列、手动实现堆和快速选择法。在LeetCode第215题和第347题中，作者分别使用这三种方法进行实现。优先队列方法简单直接，手动实现堆能更好理解堆结构，快速选择法通过三数取中优化达到平均O(N)时间复杂度。三种方法各有优劣：优先队列稳定但效率一般(O(NlogK))，快速选择法平均效率高但不稳定，手动实现堆则更具学习价值。文章详细展示了每种方法的代码实现，并比较了它们的适用场景，为处理TOP-K问题提供了全面的解决方案参考。

本文总结了LeetCode三道题目的解题思路与代码实现：1. 除自身以外数组的乘积（238题）采用左右乘积数组法，时间复杂度O(n)，空间复杂度O(n)；2. 合并区间（56题）先排序后合并重叠区间，时间复杂度O(nlogn)；3. 缺失的第一个正数（41题）提供了三种解法：排序二分查找（O(nlogn)）、哈希集合（O(n)）和原地哈希（最优解O(n)）。其中原地哈希法通过元素归位策略实现最优时空复杂度，是推荐的解决方案。

本文分享了力扣Hot链表专题中最具代表性的三道题目的解题思路和代码实现。23题合并K个升序链表提供了优先级队列和归并两种解法，其中归并分治的方法更为推荐；146题LRU缓存通过双向循环链表加哈希表实现，重点讲解了虚拟头节点的作用；148题排序链表采用归并排序，虽然迭代解法空间复杂度更优，但归并排序更具通用性。文章详细分析了每道题的解题思路和代码实现要点，难度依次递增，为链表问题提供了实用的解决方案。

本文分享了四道力扣热题二叉树问题的DFS递归解法。通过回溯训练后，作者发现递归在二叉树问题中非常巧妙。具体题目包括：199.二叉树的右视图（DFS遍历记录每层最右节点）、114.二叉树展开为链表（前序遍历重构）、437.路径总和III（双重递归统计路径）和124.二叉树最大路径和（后序遍历计算子树贡献值）。每道题都提供了思路分析和Java代码实现，展示了DFS+递归在不同场景下的灵活应用。通过这些问题，作者体会到递归思维对解决二叉树问题的重要性。

文章摘要：本文介绍了两种回溯算法的优化解法：N皇后问题和单词搜索。在N皇后问题中，通过使用三个布尔数组（列、左对角线、右对角线）替代传统四重循环检查，提升了效率。单词搜索则采用向量数组（dx/dy）简化四方向遍历，避免重复代码。两种解法均通过DFS+回溯实现，并强调恢复现场的重要性。相比力扣官方题解，这些技巧使代码更简洁高效，分别为N皇后问题和单词搜索问题提供了优化方案。

摘要：本文分析了力扣78题（子集）和46题（全排列）的解题思路。两者都采用深度优先遍历（DFS）和回溯法，使用全局变量path和ret简化函数设计。子集问题通过递归遍历每个元素的选与不选两种情况，全排列问题则利用check数组剪枝。核心要点包括：决策树的构建、回溯时现场恢复、递归终止条件处理。两题解法高度相似，只要能列出所有情况（画出决策树），都可使用DFS+回溯法解决。(149字)

本文分析了LeetCode上两道字符串动态规划问题：1143.最长公共子序列和72.编辑距离。最长公共子序列通过构建二维DP数组，当字符相同时取左上角值+1，否则取左或上较大值。编辑距离同样使用二维DP，初始化边界后，字符相同时取左上角值，不同则取左、上、左上最小值+1。两题都采用类似DP思路，但状态转移方程不同，体现了字符串匹配问题的不同解法。代码实现中均对字符串前补空格便于处理边界条件。

【摘要】本文介绍了回文子串问题的两种动态规划解法。对于647题（统计所有回文子串数量），通过构建n×n的布尔矩阵f[i][j]表示s[i..j]是否为回文，遍历时比较首尾字符并根据子问题结果填充矩阵，最后统计true的数量。5题（寻找最长回文子串）采用相同思路，在填充矩阵后记录最长回文子串的起始位置和长度。两题核心均为：f[i][j] = (s[i]==s[j]) && (j-i<2 || f[i+1][j-1])，时间复杂度O(n²)，空间复杂度O(n²)。

该摘要介绍了力扣第139题"单词拆分"的动态规划解法。使用布尔数组f[i]表示前i个字符能否被拆分，初始化f[0]=true。通过双重循环遍历所有可能的子串，若f[j-1]为true且剩余子串在字典中，则f[i]置为true。最终返回f[n]即为答案，时间复杂度O(n²)。文中包含完整Java代码实现和测试用例。

这篇文章介绍了LeetCode上两道利用动态规划解决股票买卖问题的题目：123题（最多交易2次）和188题（最多交易k次）。两题的解题思路相似，通过状态转移方程计算持有(f)和未持有(g)股票时的最大利润。代码实现上，123题使用固定交易次数3种状态，188题则根据输入的k值动态调整状态数。关键点在于初始化边界条件，并通过双重循环递推计算每天每种交易次数下的最优解，最终返回最大利润。两题解法可相互推广，区别仅在于交易次数的参数化处理。

本文介绍了力扣上两道动态规划题目：62.不同路径和63.不同路径II。不同路径是基础题，要求计算从网格左上角到右下角的路径总数，使用二维数组存储中间状态，通过状态转移方程dp[i][j]=dp[i-1][j]+dp[i][j-1]求解。不同路径II是进阶题，增加了障碍物判断，遇到障碍物时路径数为0，否则沿用相同状态转移方程。代码实现展示了两种情况的处理方式，其中不同路径II需要额外判断obstacleGrid[i-1][j-1]是否为1。两道题都采用动态规划思想，时间复杂度O(mn)，空间复杂度O(mn)。

本文介绍了使用动态规划解决LeetCode第91题"解码方法"的步骤。关键点包括：1)状态表示dp[i]表示前i个字符的解码方法数；2)状态转移方程根据当前字符是否能单独解码(1-9)或与前一个字符组合解码(10-26)来划分；3)初始化时需处理边界条件；4)代码实现中需讨论多种情况，包括单独解码和组合解码的成功/失败情况。该方法通过动态规划逐步计算每个位置的可能解码方式，最终返回字符串整体的解码方法总数。

本文介绍了解决"每日温度"问题的两种方法：1.暴力解法（O(N^2)），通过双重循环比较温度，但会超时；2.优化的单调栈解法（O(N)），利用栈存储下标，从右向左处理，遇到更高温度时计算天数差。代码展示了如何用栈高效实现，比暴力解法更优。

本文提供了LeetCode第49题"字母异位词分组"的Java解法。核心思路是通过哈希表将排序后的字符串作为键，原始字符串列表作为值。代码实现中，首先将字符串排序生成统一键，然后分组存储异位词。

【摘要】本文实现了一个在旋转排序数组中搜索目标值的算法。通过二分查找先确定旋转点m，再根据目标值与数组首尾元素的关系，在左侧或右侧子数组中进行二分查找。考虑了数组未旋转、长度为1等特殊情况，时间复杂度为O(log n)。测试用例验证了算法的正确性。

摘要：本文介绍了在排序数组中查找目标元素起始和结束位置的两种方法。暴力解法通过遍历数组记录目标值首次和末次出现的位置，时间复杂度O(n)。更优的二分查找解法通过两次二分搜索分别定位左右边界：第一次二分找左端点时采用左中位数，第二次找右端点时采用右中位数，时间复杂度O(logn)。关键点在于正确处理二分边界条件和中点选取方式，避免死循环。两种方法都需处理数组为空或目标不存在的情况。

摘要：本文介绍了LeetCode第904题"水果成篮"的两种解法。暴力解法使用双重循环和HashSet判断水果种类，时间复杂度O(N^2)导致超时。优化解法采用滑动窗口配合HashMap记录水果种类及其数量，通过维护左右指针动态调整窗口大小，时间复杂度降为O(N)。当窗口内水果种类超过2时，移动左指针并更新HashMap，始终保持窗口内最多两种水果，从而高效求出最大连续子数组长度。滑动窗口法显著提升了算法效率。

有三根柱子，分别为A柱，B柱，C柱。有n个圆盘，按从大到小的顺序编号，依次排列在A柱，要求把所有圆盘都移动到C柱，且大的圆盘始终在小的圆盘之上。

本次的分享就到此为止啦，可以看看我以前写的关于汉诺塔(hanoi)问题，把这两个问题放在一起理解。可以加深对递归的理解。下次见啦。

我的分享到此为止。下次见！

二叉树的递归我觉得其实很难。我花了大量时间，这张思维导图，我用了好久好久的时间。这几天被递归搞得很心累，导致自己这几天也挺压抑的。刚开始学习的时候，我一直想搞清楚递归的每个过程，但是递归的计算是巨大且繁琐的。一道题要花好长好长的时间。然后今天晚上，我去B站上搜索关于递归的视频，偶然看到几句话让我醍醐灌顶，我想说出来，希望对大家有帮助。1.使用递归，不要老想着，想弄清楚全部过程，人的脑子能算多少，这是计算机的工作.2.要想子问题的结果。所谓递归，就是一个大问题，转化为子问题，子问题的处理方式同大问题.

希望可以帮助到大家啦。see U~~~

再见~

TOP-K问题：即求数据集合中前K个最大的元素或者最小的元素，一般情况下数据量都比较大。面试题 17.14. 最小K个数 - 力扣（LeetCode）本次的分享完毕啦~~bye~~