清澈的水果糖
前端摸鱼工程师
|
提桶跑路大本营
前端小萌新
获得徽章 8
#刷题交流#
补卡：43、《还原原始字符串》的中使用用于 BFS 来模拟操作过程。
BFS（Breadth-First Search，广度优先搜索）是一种用于图和树的遍历算法。它从根节点（或起始节点）开始，逐层遍历图或树的节点，直到找到目标节点或遍历完所有节点。BFS 通常使用队列（Queue）来实现，确保每一层的节点都被访问后再访问下一层的节点。
def bfs(graph, start):
# 初始化队列和已访问集合
queue = deque([start])
visited = set([start])
while queue:
node = queue.popleft()
print(node) # 访问节点
# 遍历当前节点的邻居节点
for neighbor in graph[node]:
if neighbor not in visited:
visited.add(neighbor)
queue.append(neighbor)
补卡：43、《还原原始字符串》的中使用用于 BFS 来模拟操作过程。
BFS（Breadth-First Search，广度优先搜索）是一种用于图和树的遍历算法。它从根节点（或起始节点）开始，逐层遍历图或树的节点，直到找到目标节点或遍历完所有节点。BFS 通常使用队列（Queue）来实现，确保每一层的节点都被访问后再访问下一层的节点。
def bfs(graph, start):
# 初始化队列和已访问集合
queue = deque([start])
visited = set([start])
while queue:
node = queue.popleft()
print(node) # 访问节点
# 遍历当前节点的邻居节点
for neighbor in graph[node]:
if neighbor not in visited:
visited.add(neighbor)
queue.append(neighbor)
展开
评论
点赞
#刷题交流#
打卡，16、《最大矩形面积》解题思路：
初始化：
创建一个空栈 stack，用于存储数组索引。
初始化 max_area 为 0，用于存储最大矩形面积。
初始化 index 为 0，用于遍历数组。
遍历数组：
当 index 小于数组长度 n 时，执行以下操作：
如果栈为空，或者当前元素的高度大于或等于栈顶元素的高度，将当前索引 index 压入栈中，并将 index 增加 1。
否则，弹出栈顶元素 top_of_stack，计算以 top_of_stack 为最小高度的矩形面积，并更新 max_area。
处理栈中剩余元素：
遍历结束后，栈中可能还剩余一些元素。依次弹出栈顶元素，计算以该元素为最小高度的矩形面积，并更新 max_area。
打卡，16、《最大矩形面积》解题思路：
初始化：
创建一个空栈 stack，用于存储数组索引。
初始化 max_area 为 0，用于存储最大矩形面积。
初始化 index 为 0，用于遍历数组。
遍历数组：
当 index 小于数组长度 n 时，执行以下操作：
如果栈为空，或者当前元素的高度大于或等于栈顶元素的高度，将当前索引 index 压入栈中，并将 index 增加 1。
否则，弹出栈顶元素 top_of_stack，计算以 top_of_stack 为最小高度的矩形面积，并更新 max_area。
处理栈中剩余元素：
遍历结束后，栈中可能还剩余一些元素。依次弹出栈顶元素，计算以该元素为最小高度的矩形面积，并更新 max_area。
展开
评论
点赞
#刷题交流#
查找最长无重复子串的问题的解题思路：
1、使用两个指针，一个表示当前子串的开始（左指针），一个表示当前子串的结束（右指针）。
2、使用一个集合来存储当前子串中的字符。
3、每次右指针向右移动，检查当前字符是否在集合中：
4、如果在，就移动左指针，直到移除重复字符。
5、如果不在，就将字符添加到集合中，并更新最大长度。
6、重复这个过程，直到右指针遍历完整个字符串。
function lengthOfLongestSubstring(s) {
const charSet = new Set(); // 用于存储无重复字符
let left = 0; // 左指针
let maxLength = 0; // 记录最大长度
for (let right = 0; right < s.length; right++) {
// 当右指针指向的字符在集合中，移动左指针
while (charSet.has(s[right])) {
charSet.delete(s[left]);
left++;
}
// 添加右指针指向的字符到集合中
charSet.add(s[right]);
// 更新最大长度
maxLength = Math.max(maxLength, right - left + 1);
}
return maxLength;
}
const inputString = "abcabcbb";
console.log(lengthOfLongestSubstring(inputString)); // 输出: 3 ("abc" 是最长无重复子串)
查找最长无重复子串的问题的解题思路：
1、使用两个指针，一个表示当前子串的开始（左指针），一个表示当前子串的结束（右指针）。
2、使用一个集合来存储当前子串中的字符。
3、每次右指针向右移动，检查当前字符是否在集合中：
4、如果在，就移动左指针，直到移除重复字符。
5、如果不在，就将字符添加到集合中，并更新最大长度。
6、重复这个过程，直到右指针遍历完整个字符串。
function lengthOfLongestSubstring(s) {
const charSet = new Set(); // 用于存储无重复字符
let left = 0; // 左指针
let maxLength = 0; // 记录最大长度
for (let right = 0; right < s.length; right++) {
// 当右指针指向的字符在集合中，移动左指针
while (charSet.has(s[right])) {
charSet.delete(s[left]);
left++;
}
// 添加右指针指向的字符到集合中
charSet.add(s[right]);
// 更新最大长度
maxLength = Math.max(maxLength, right - left + 1);
}
return maxLength;
}
const inputString = "abcabcbb";
console.log(lengthOfLongestSubstring(inputString)); // 输出: 3 ("abc" 是最长无重复子串)
展开
评论
点赞
#刷题交流#
归并排序类问题，解题思路
分解：将数组分为两半。
解决：递归地对每个子数组进行归并排序。
合并：将两个已排序的子数组合并成一个大的已排序数组。
function mergeSort(array):
if length(array) <= 1:
return array
mid = length(array) / 2
left = mergeSort(array[0:mid])
right = mergeSort(array[mid:end])
return merge(left, right)
function merge(left, right):
result = []
while left and right are not empty:
if left[0] <= right[0]:
result.append(left[0])
left.remove(0)
else:
result.append(right[0])
right.remove(0)
return result + left + right
归并排序类问题，解题思路
分解：将数组分为两半。
解决：递归地对每个子数组进行归并排序。
合并：将两个已排序的子数组合并成一个大的已排序数组。
function mergeSort(array):
if length(array) <= 1:
return array
mid = length(array) / 2
left = mergeSort(array[0:mid])
right = mergeSort(array[mid:end])
return merge(left, right)
function merge(left, right):
result = []
while left and right are not empty:
if left[0] <= right[0]:
result.append(left[0])
left.remove(0)
else:
result.append(right[0])
right.remove(0)
return result + left + right
展开
评论
点赞
#刷题交流#
打卡：快速排序：分解：选取一个“基准”（pivot），将数组分为小于基准和大于基准的两部分。
解决：对这两部分递归地进行快速排序。
合并。
function quickSort(array):
if length(array) <= 1:
return array
pivot = array[length(array)/2]
left = [x for x in array if x < pivot]
middle = [x for x in array if x == pivot]
right = [x for x in array if x > pivot]
return quickSort(left) + middle + quickSort(right)
打卡：快速排序：分解：选取一个“基准”（pivot），将数组分为小于基准和大于基准的两部分。
解决：对这两部分递归地进行快速排序。
合并。
function quickSort(array):
if length(array) <= 1:
return array
pivot = array[length(array)/2]
left = [x for x in array if x < pivot]
middle = [x for x in array if x == pivot]
right = [x for x in array if x > pivot]
return quickSort(left) + middle + quickSort(right)
展开
评论
1
#刷题交流#
打卡9：快速排序
分解：选取一个“基准”（pivot），将数组分为小于基准和大于基准的两部分。
解决：对这两部分递归地进行快速排序。
合并：因为排序是基于原地的，所以合并步骤是隐式的。
function quickSort(array):
if length(array) <= 1:
return array
pivot = array[length(array)/2]
left = [x for x in array if x < pivot]
middle = [x for x in array if x == pivot]
right = [x for x in array if x > pivot]
return quickSort(left) + middle + quickSort(right)
打卡9：快速排序
分解：选取一个“基准”（pivot），将数组分为小于基准和大于基准的两部分。
解决：对这两部分递归地进行快速排序。
合并：因为排序是基于原地的，所以合并步骤是隐式的。
function quickSort(array):
if length(array) <= 1:
return array
pivot = array[length(array)/2]
left = [x for x in array if x < pivot]
middle = [x for x in array if x == pivot]
right = [x for x in array if x > pivot]
return quickSort(left) + middle + quickSort(right)
展开
评论
点赞
#刷题交流#
打卡8，分治法的案例：归并排序（Merge Sort）
分解：将数组分为两半。
解决：递归地对每个子数组进行归并排序。
合并：将两个已排序的子数组合并成一个大的已排序数组。
function mergeSort(array):
if length(array) <= 1:
return array
mid = length(array) / 2
left = mergeSort(array[0:mid])
right = mergeSort(array[mid:end])
return merge(left, right)
function merge(left, right):
result = []
while left and right are not empty:
if left[0] <= right[0]:
result.append(left[0])
left.remove(0)
else:
result.append(right[0])
right.remove(0)
return result + left + right
打卡8，分治法的案例：归并排序（Merge Sort）
分解：将数组分为两半。
解决：递归地对每个子数组进行归并排序。
合并：将两个已排序的子数组合并成一个大的已排序数组。
function mergeSort(array):
if length(array) <= 1:
return array
mid = length(array) / 2
left = mergeSort(array[0:mid])
right = mergeSort(array[mid:end])
return merge(left, right)
function merge(left, right):
result = []
while left and right are not empty:
if left[0] <= right[0]:
result.append(left[0])
left.remove(0)
else:
result.append(right[0])
right.remove(0)
return result + left + right
展开
评论
2
#刷题交流#
打卡第三天
深度优先搜索（Depth-First Search, DFS）是一种用于遍历或搜索树或图的算法。DFS 可以通过递归或者使用栈来实现。
def dfs(graph, node, visited):
if node not in visited:
print(node) # 处理节点
visited.add(node)
for neighbor in graph[node]:
dfs(graph, neighbor, visited)
# 示例图（使用字典表示邻接表）
graph = {
'A': ['B', 'C'],
'B': ['D', 'E'],
'C': ['F'],
'D': [],
'E': ['F'],
'F': []
}
visited = set()
dfs(graph, 'A', visited)
打卡第三天
深度优先搜索（Depth-First Search, DFS）是一种用于遍历或搜索树或图的算法。DFS 可以通过递归或者使用栈来实现。
def dfs(graph, node, visited):
if node not in visited:
print(node) # 处理节点
visited.add(node)
for neighbor in graph[node]:
dfs(graph, neighbor, visited)
# 示例图（使用字典表示邻接表）
graph = {
'A': ['B', 'C'],
'B': ['D', 'E'],
'C': ['F'],
'D': [],
'E': ['F'],
'F': []
}
visited = set()
dfs(graph, 'A', visited)
展开
评论
点赞