LeetCode每日一题

进制转换类的题，通常是利用除法和取模来进行计算，同时也要注意一些细节，如负数和零。如果输出是数字类型而非字符串，则也需要考虑是否会超出整数上下界。

埃拉托斯特尼筛法，是判断一个整数是否是质数的方法。并且它可以在判断一个整数n时，同时判断所小于n的整数，因此非常适合这个问题。

最多只有一次修改某个数字的机会，问能否将数组变为非递减数组。665. Non-decreasing Array 非递减数列(中等)

这题先要理解题，一个无序数组，数组中每个元素有两个属性，一个表示身高，一个表示前面有几个人和他一样高或更高。现在要把这个数组按其属性排列正确。

想有最大利润，就得低价买高价卖。如果第二天价格比当前价格高，我们就卖出，把差价加入利润中。若后天价格更高，我们还可以在第二天卖出后再买入。以此类推，遍历完整个数组后即可获得最大利润。

一个字符串S，将其尽可能多的分割为子字符串，条件是每种字符最多只能出现在一个子串中。上面的示例中，字符串S中有多个a，这些a必须只能在第一个子串中，字母e出现在第二个子串中。这道题难点就是如何找到字符

区间重叠问题，一般都要想到贪心（局部最优等于全局最优）。 区间重叠问题，一般都要想到贪心（局部最优等于全局最优）。

实现：遍历数组，判断当前元素、左侧和右侧都为0就可以种花，可种植花数加1，并将当前元素置为2，防止影响下一元素判断。当可种值花数大于n返回true。

求最小的移除区间个数，等价于尽量多保留不重叠的区间。在选择要保留区间时，区间的结尾十分重要：选择的区间结尾越小，余留给其它区间的空间就越大，就越能保留更多的区间。

通过两次遍历，分配的糖果就可以满足题目要求了。这里的贪心策略即为，在每次遍历中，只考虑并更新相邻一侧的大小关系。

使用贪心策略是，给剩余孩子里最小饥饿度的孩子分配最小的能饱腹的饼干。使用贪心策略是，给剩余孩子里最小饥饿度的孩子分配最小的能饱腹的饼干。

分治+动态规划，dp[i][j] = maxCoins(nums[i]~nums[j]) 表示从第i个气球到第j个气球的最大值，我们所求答案就是ans = dp[1][n]。

leetcode 932. Beautiful Array 漂亮数组(中等)，使用分治思路来 解决 。

实际上就可以变成 () ? () 这种形式，两个括号内分别是各自的表达式，最终会分别计算得到两个整型数组，中间的问号表示运算符，可以是加，减，或乘。

定义一个max保存遍历过程中出现的最大子数组和，也是返回结果，定义一个dp[i]，用来表示以第i个元素为结尾的数组的最大数组和。

定义一个二维数组dp，其中dp[i][j]表示字符串s的子串s[0, i]是否可以被字符串p的子串p[0,j]匹配，根据正则表达式的不同情况，即星号、点号、非星号点号的字符，我们可以分情况讨论来更新d

使用一个二维数组dp[i][j]，表示将第一个字符串到位置i为止，和第二个字符串到位置j为止，最多需要几步编辑。

遍历一次数组，在每个位置i时，记录i位置之前所有价格中的最低价格，然后将当前价格作为售出价格，查看当前收益是不是最大收益即可。

还是动态规划，这里需要乘除法来计算位置，因为粘贴操作是位数增加的。我们使用一个一维数组dp，其中位置i表示延展到长度i的最少操作次数。

每个硬币可以用无限多次，所以是完全背包问题。dp[i]表示，达到总金额i所需的最少硬币数，因为求最少硬币数所以先将dp初始化为amount+2，状态转移方程为：dp[i] = min(dp[i], d