Leetcode笔记

一. 动态规划算法概述 1.什么是动态规划算法 首先，动态规划问题的一般形式就是求最值。动态规划其实是运筹学的一种最优化方法，只不过在计算机问题上应用比较多，比如说让你求最长递增子序列呀，最小编辑距离

这道题是一道简单的回朔算法题，其中一步优化就是判断同一层是否访问过元素，如果重复，就没必要再继续遍历该重复元素，可以节省大量时间。 原题： 思路： 代码：

时间复杂度 O(n log n) 的排序算法有归并排序，快速排序，和桶排序。第一个归并排序应用到分治的思想，比较常考，下面写出列表形式和链表形式的归并排序。 数组形式的归并排序 链表形式归并排序

暴力法简单实时超时，第二种埃式筛比较巧妙。 初始化长度 O(n)的标记数组，表示这个数组是否为质数。数组初始化所有的数都是质数. 从 2 开始将当前数字的倍数全都标记为合数。标记到根号n时停止即可。

这道题采用反转链表那道工具题+快慢指针。最后一步的合并链表，只要理清楚每一轮的迭代关系，也很好解 时间复杂度：O(n) 空间复杂度: O(1)

这道题是三数之和和双指针结合的一道题 首先对数组排序。 固定最长的一条边，运用双指针扫描 如果 nums[l] + nums[r] > nums[i]，同时说明 nums[l + 1] + nums[

来看一下几篇面经的原文叙述 思路很清晰，实现起来其实还是有些难度的，因为这里的每一步其实都可以单独抽出来作为一道题。第2步和第3步分别对应的力扣206. 反转链表和21. 合并两个有序链表，而第1步的

这道题结合二叉搜索树的特点，二叉搜索树的中序遍历就是该树的升序排列，如果中间出现非升序状况（即前者大于等于后者），一定不是二叉搜索树。

这道题有三种方法 另外，对于寻边界的问题，首先要想到单调栈，用于存放最值（或者最值位置，视情况而定） 方法一：时间复杂度O(n^2),空间复杂度O(1) 方法二：时间复杂度O(n)+O(nlogn)，

这道题是典型的判断环形链表的题，与141. 环形链表，142. 环形链表 II。属于同一类，都是快慢指针先找到相遇点，再从相遇点开始，slow从0开始，再走一遍，就是重复点（相交起始点）。这是【Flo

这道题是当时字节的一道面试题，对二叉树进行序列化和反序列化 序列化可以利用前序，中序，后序遍历均可；反序列的时候要用相同的规则即可

这道题用暴力解法不难，只是肯定会超时。想要优化成O(n)可以用单调栈，单调栈经常用来解决边界问题 直接上代码。 参考

动态规划+正方形，比较典型的一种体形 其中，dp(i, j) 是以 matrix(i - 1, j - 1) 为 右下角 的正方形的最大边长。等同于：dp(i + 1, j + 1) 是以 matri

数组复制可以用Arrays.copyOfRange(arr,start,end)， 指定数组区间 此外，这个问题是将环状问题约化为两个单排列问题。 状态定义： 设动态规划列表 dp ，dp[i] 代表

方法一：递归+记忆集，思考起来比较简单，但是因为有循环递归，非常耗时； 方法二：直接用贪心算法的思想，每次取最远的地方跳过去

这是一道典型的动态规划问题，状态转移方程也比较直接，以下列出三种优化方式，优化空间复杂度 1.状态转移方程 令dp[i][j] 是到达 i, j 最多路径 这道题我们从终点[m-1][n-1]这个ta

这道题很简单，秒选哈希表（虽然时间复杂度比较高，这个之后讲），但是写的时候才想起来HashMap只能对Key进行排序，算是借着这个小题提醒下自己。可以先把Map专成List，然后就能用Collecti