Leetcode算法题总结

一、滑动窗口

二、双指针

双指针问题：
原理：双指针，指的是在遍历对象的过程中，不是普通的使用单个指针进行访问，而是使用两个相同方向（快慢指针）或者相反方向（对撞指针）的指针进行扫描，从而达到相应的目的。
例:424. 替换后的最长重复字符--------首先明确的是需要确定一段范围内（ptr_s,ptr_e）最多的相同的字母数tmp_n，可以直接冲map里面取，当tmp_n+可变数k>ptr_e-ptr_s,那么就增加ptr_e，且map[ptr_e]++,更新最大值，如果当前map[ptr_e]>最大值,就更新，否则就增加ptr_s，map[ptr_s]–

三、快慢指针/ 链表题目

四、原地链表翻转

五、区间合并

六、无序限定范围的数组元素查找O(N）

七、BFS

八、树的DFS

九、DFS/递归/回溯法

1、DFS（深度优先搜索）：

原理：DFS其实是基于递归算法的，也就是对应N的结果依赖N-1的结果，但是除此之外还需要进行回溯，涉及到堆的设计：
例如：778. 水位上升的泳池中游泳----其中从(i,j)走到(n-1,n-1)点它的结果是依赖于(i-1,j)、(i+1,j)、(i,j-1)、(i,j+1)到(n-1,n-1)的结果，也就是从上述4个中找一个最小的，但是比如(i-1,j)点依赖的点也有之前的(i,j)点，这就形成了相互依赖，那将计算n的结果依赖n-1的结果，但是要把之前走过的路径带给n-1，那就使得每次都要将之前走过的路径带给n-1，这使得内存消耗比较大，这里通过深度优先算法，算出一条路径到(n-1,n-1),设计一个队列和一个记录当前点到(0,0)点的最小值，当计算到第二条路径时，一旦中间有一个点之前的路径已经记录了当前点到(0,0)点的最小值（暂时），一旦计算这次当前点到(0,0)的值比之前的值大，就直接放弃，因为之前已经有当前点到(0,0)点比这一次小了。

2、递归

原理：就是简单的f(n)=f(n-1)+k
例如：390. 消除游戏--------取n个数进行消除，看剩下的那个是多少，其实计算n时，就是计算n/2的值，将它的结果转换为n个数中的第多少个，这里还要考虑下正向消除和反向消除

十、双堆模式

十一、2分变种

十二、前K大的数模式HEAP

十三、K路归并

十四、DP 动态规划

1、DP算法思想

（1）将待求解的问题分解称若干个子问题，并存储子问题的解而避免计算重复的子问题，并由子问题的解得到原问题的解。

（2）动态规划算法通常用于求解具有某种最有性质的问题。

（3）动态规划算法的基本要素：最优子结构性质和重叠子问题。

最优子结构性质：问题的最优解包含着它的子问题的最优解。即不管前面的策略如何，此后的决策必须是基于当前状态（由上一次的决策产生）的最优决策。
　　　　重叠子问题：在用递归算法自顶向下解问题时，每次产生的子问题并不总是新问题，有些问题被反复计算多次。对每个子问题只解一次，然后将其解保存起来，以后再遇到同样的问题时就可以直接引用，不必重新求解。

十五、排序算法

十六、树和链表结合

十七、树的重新构建

十八、位运算

十九、字符串

二十、stack

二十一、math

二十二、array

二十三、二叉搜索树

二十四、并查集:

原理:准备一个数组，将每个元素记录其中，且对应元素的值是该元素的根（初始的时候都是该元素自身），也就是如果两个元素联通的话，说明这两个元素的根的值是一样的

二十五、贪心算法：

贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是在某种意义上的局部最优解。
贪心算法不是对所有问题都能得到整体最优解，关键是贪心策略的选择，选择的贪心策略必须具备无后效性，即某个状态以前的过程不会影响以后的状态，只与当前状态有关。

1、Dijkstra算法：

前提：

首先，Dijkstra处理的是带正权值的有权图，那么，就需要一个二维数组（如果空间大用list数组）存储各个点到达(边)的权值大小。(邻接矩阵或者邻接表存储)
其次，还需要一个boolean数组判断那些点已经确定最短长度，那些点没有确定。int数组记录距离(在算法执行过程可能被多次更新)。
需要优先队列加入已经确定点的周围点。每次抛出确定最短路径的那个并且确定最短，直到所有点路径确定最短为止。

步骤：

a.初始时，S只包含源点，即S＝{v}，v的距离为0。U包含除v外的其他顶点，即:U={其余顶点}，若v与U中顶点u有边，则<u,v>正常有权值，若u不是v的出边邻接点，则<u,v>权值为∞。
b.从U中选取一个距离v最小的顶点k，把k，加入S中（该选定的距离就是v到k的最短路径长度）。
c.以k为新考虑的中间点，修改U中各顶点的距离；若从源点v到顶点u的距离（经过顶点k）比原来距离（不经过顶点k）短，则修改顶点u的距离值，修改后的距离值的顶点k的距离加上边上的权。
d.重复步骤b和c直到所有顶点都包含在S中