《剑指offer》题解——week4（持续更新）

❤ 作者主页：Java技术一点通的博客
❀ 个人介绍：大家好，我是Java技术一点通！(￣▽￣)~*
❀ 微信公众号：Java技术一点通
记得点赞、收藏、评论⭐️⭐️⭐️
认真学习!!!

一、剑指 Offer 33. 二叉搜索树的后序遍历序列

1. 题目描述

2. 思路分析

什么是二叉搜索树？
它或者是一棵空树，或者是具有下列性质的二叉树：

• 若它的左子树不空，则左子树上所有结点的值均小于它的根结点的值；
• 若它的右子树不空，则右子树上所有结点的值均大于它的根结点的值；
• 它的左、右子树也分别为二叉搜索树。

递归解析：

• 终止条件： 当l >= r，说明此子树节点数量 $⩽$ 1 ，无需判别正确性，因此直接返回 true ；

• 递推过程：

  1. 划分左右子树： 遍历给定数组的[l, r]区间元素，寻找第一个大于根节点的结点，记索引为k。此时，可划分出左子树区间为[l, k - 1]、右子树区间为[k,, r - 1]、根节点索引为r。

  2. 判断是否为二叉搜索树：

     • 左子树区间[l, k - 1]内的所有结点对应 < postorder[k]。而 在第1.划分左右子树 步骤已经保证左子树区间的正确性，因此只需要判断右子树区间即可。
     • 右子树区间[k,, r - 1]内的所有结点对应 > postorder[k]。实现方式为遍历右子树区间，当遇到 $⩽$ postorder[k]的节点则直接返回false

• 返回值： 所有子树都需正确才判定为正确的二叉搜索树的后序遍历。因此使用 与逻辑符 && 连接。

  1. dfs(l, k - 1):判断 此树的左子树 是否正确。
  2. dfs(k, r - 1):判断 此树的右子树 是否正确。

 

3. 代码实现

class Solution {
public:

    vector seq;

    bool verifyPostorder(vector& postorder) {
        seq = postorder;
        if (seq.empty()) return true;
        return dfs(0, seq.size() - 1);
    }

    bool dfs(int l, int r) {
        if (l >= r) return true;
        int root = seq[r];
        int k = l;
        while (k < r && seq[k] < root) k ++;
        for (int i = k; i < r; i ++ )
            if (seq[i] < root)
                return false;
        return dfs(l, k - 1) && dfs(k, r - 1);
    } 
};

 
 

二、剑指 Offer 34. 二叉树中和为某一值的路径

1. 题目描述

2. 思路分析

做法是使用 DFS，在 DFS 过程中记录路径以及路径对应的元素和，当出现元素和为 target，且到达了叶子节点，说明找到了一条满足要求的路径，将其加入答案。
使用 DFS 的好处是在记录路径的过程中可以使用回溯的方式进行记录及回退，而无须时刻进行路径数组的拷贝。

dfs(root, target)函数:

• 终止条件： 若节点 root 为空，则直接返回。
• 递推过程：
  1. 路径更新： 将当前节点值 root->val 加入路径 path ；
  2. 目标值更新： target = target - root->val（知道目标值 target 减至 0 ）；
  3. 路径记录： 当该点位叶子节点 && 路径和等于目标值，则将此路径 path 加入 res 。
  4. 先序遍历： 递归左 / 右子节点。
  5. 回溯： 向上回溯前，需要将当前节点从路径 path 中删除，即执行 path.pop_back() 。

3. 代码实现

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode() : val(0), left(nullptr), right(nullptr) {}
 *     TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}
 *     TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}
 * };
 */
class Solution {
public:

    vector> ans;
    vector path;

    vector> pathSum(TreeNode* root, int target) {
        dfs(root, target);
        return ans;
    }

    void dfs(TreeNode *root, int target) {
        if (!root) return;
        path.push_back(root->val);
        target -= root->val;
        if (!root->left && !root->right && !target) ans.push_back(path);
        dfs(root->left, target);
        dfs(root->right, target);
        path.pop_back();
    }
};

 
 

三、剑指 Offer 35. 复杂链表的复制

1. 题目描述

2. 思路分析

拼接 + 拆分
考虑构建 原节点 1 -> 新节点 1 -> 原节点 2 -> 新节点 2 -> …… 的拼接链表，如此便可在访问原节点的 random 指向节点的同时找到新对应新节点的 random 指向节点。

算法流程：

1. 复制各节点，构建拼接链表:

   • 设原链表为 node1 -> node2 -> ... ，构建的拼接链表如下所示：
     node1 -> $node{1}_{new}$ -> node2 -> $node{2}_{new}$ -> …

2. 构建新链表各节点的 random 指向：

   • 当访问原节点 cur 的随机指向节点 cur.random 时，对应新节点 cur.next 的随机指向节点为 cur.random.next 。

3. 拆分原 / 新链表：

   • 设置虚拟头节点（-1），将cur指向该虚拟头节点，p指向原链接的头节点，遍历执行 cur->next = p->next 和 p->next = p->next->next 将两链表拆分开。

4. 返回值：
   返回虚拟头节点的next即可。

3. 代码实现

/*
// Definition for a Node.
class Node {
public:
    int val;
    Node* next;
    Node* random;
    
    Node(int _val) {
        val = _val;
        next = NULL;
        random = NULL;
    }
};
*/
class Solution {
public:
    Node* copyRandomList(Node* head) {
        for (auto p = head; p;) {
            auto np = new Node(p->val);
            auto next = p->next;
            p->next = np;
            np->next = next;
            p =  next;
        }

        for (auto p = head; p; p = p->next->next) {
            if (p->random)
                p->next->random = p->random->next;
        }

        auto dummy = new Node(-1);
        auto cur = dummy;
        for (auto p = head; p; p = p->next) {
            cur->next = p->next;
            cur = cur->next;
            p->next = p->next->next;
        }
        return dummy->next;
    }
};

 
 

四、剑指 Offer 36. 二叉搜索树与双向链表

1. 题目描述

2. 思路分析

本文解法基于性质：二叉搜索树的中序遍历为 递增序列 。
将 二叉搜索树 转换成一个 “排序的循环双向链表” ，其中包含三个要素：

1. 排序链表： 节点应从小到大排序，因此应使用 中序遍历 “从小到大”访问树的节点。
2. 双向链表： 在构建相邻节点的引用关系时，设前驱节点 pre 和当前节点 cur ，不仅应构建 pre.right = cur ，也应构建 cur.left = pre 。
3. 循环链表： 设链表头节点 head 和尾节点 tail ，则应构建 head.left = tail 和 tail.right = head 。

算法流程：

1. 终止条件： 当节点 cur 为空，代表越过叶节点，直接返回；

2. 递归左子树： 即 dfs(cur->left) ；

3. 构建链表：

   1. 当 pre 为空时： 代表正在访问链表头节点，记为 head ；
   2. 当 pre 不为空时： 修改双向节点引用，即 pre.right = cur ， cur.left = pre ；
   3. 保存 cur ： 更新 pre = cur ，即节点 cur 是后继节点的 pre ；

4. 递归右子树: 即 dfs(cur->right) ；

3. 代码实现

/*
// Definition for a Node.
class Node {
public:
    int val;
    Node* left;
    Node* right;

    Node() {}

    Node(int _val) {
        val = _val;
        left = NULL;
        right = NULL;
    }

    Node(int _val, Node* _left, Node* _right) {
        val = _val;
        left = _left;
        right = _right;
    }
};
*/
class Solution {
public:
    Node* treeToDoublyList(Node* root) {
        if (root == NULL) return NULL;
        dfs(root);
        head->left = pre;
        pre->right = head;
        return head;
    }

    Node *pre, *head;
    void dfs(Node* cur) {
        if (cur == NULL) return;
        dfs(cur->left);
        if (pre != NULL) pre->right = cur;
        else head = cur;
        cur->left = pre;
        pre = cur;
        dfs(cur->right);
    }
};

 
 

五、剑指 Offer 37. 序列化二叉树

1. 题目描述

2. 思路分析

序列化：将树转为字符串
层序遍历去转化，然后用StringBuilder去拼接，最后转成String。

反序列化：将字符串转化成树
将字符串先变成字符串数组，除去多余的东西，再慢慢转成树。

3. 代码实现

/**
 * Definition for a binary tree node.
 * public class TreeNode {
 *     int val;
 *     TreeNode left;
 *     TreeNode right;
 *     TreeNode(int x) { val = x; }
 * }
 */
public class Codec {

    // Encodes a tree to a single string.
    public String serialize(TreeNode root) {
        if(root == null) return "[]";
        StringBuilder res = new StringBuilder();
        Queue queue = new LinkedList<>();
        queue.add(root);
        res.append("{");
        while(!queue.isEmpty()){
            int len = queue.size();
            for(int i=0;i queue = new LinkedList<>();
        queue.add(res);
        //用i遍历，很巧妙
        int i = 1;
        while(!queue.isEmpty()){
            TreeNode node = queue.poll();
            if(!vals[i].equals("#")){
                node.left = new TreeNode(Integer.parseInt(vals[i]));
                queue.add(node.left);
            }
            i++;
            if(!vals[i].equals("#")){
                node.right = new TreeNode(Integer.parseInt(vals[i]));
                queue.add(node.right);
            }
            i++;
        }
        return res;
    }
}

// Your Codec object will be instantiated and called as such:
// Codec codec = new Codec();
// codec.deserialize(codec.serialize(root));

 
 

六、剑指 Offer 38. 字符串的排列

1. 题目描述

2. 思路分析

dfs:
定义递归函数 dfs(path, u) 表示当前排列为 path，下一个待填入的空位是第 $u$ 个空位（下标从 0 开始）。那么该递归函数分为两个情况：

• 如果 u=n，说明我们已经填完了 n 个空位，找到了一个可行的解，我们将 path 放入答案数组中，递归结束。
• 如果 u，此时需要考虑第 $u$ 个空位填哪个字符。根据题目要求我们肯定不能填已经填过的字符，因此很容易想到的一个处理手段是我们定义一个标记数组 st 来标记已经填过的字符，那么在填第 $i$ 个字符的时候我们遍历题目给定的 $n$ 个字符，如果这个字符没有被标记过，我们就尝试填入，并将其标记，继续尝试填下一个空位，即调用函数dfs(path, u + 1)。回溯时，我们需要要撤销该空位填的字符以及对该字符的标记，并继续向当前空位尝试填入其他没被标记过的字符。

我们只要在递归函数中设定一个规则，保证在填每一个空位的时候重复字符只会被填入一次。具体地，我们首先对原字符串排序，保证相同的字符都相邻，在递归函数中，我们限制每次填入的字符一定是这个字符所在重复字符集合中**「从左往右第一个未被填入的字符」**，即如下的判断条件：
if (i && s[i - 1] == s[i] && st[i - 1]) continue;

代码实现

class Solution {
public:
    vector ans;
    string path;
    vector st;
    vector permutation(string s) {
        sort(s.begin(), s.end());
        st = vector(s.size());

        dfs(s, 0);
        return ans;
    }

    void dfs(string s, int u) {
        if (u == s.size()) {
            ans.push_back(path);
            return;
        }

        for (int i = 0; i < s.size(); i ++ ) {
            if (!st[i]) {
                if (i && s[i - 1] == s[i] && st[i - 1]) continue;
                st[i] = true;
                path.push_back(s[i]);
                dfs(s, u + 1);
                path.pop_back();
                st[i] = false;
            }
        }
    }
};

 
 

六、剑指 Offer 39. 数组中出现次数超过一半的数字

1. 题目描述

2. 思路分析

我们知道出现次数最多的元素大于 $\lfloor \frac{n}{2}\rfloor$,所以可以用哈希表来快速统计每个元素出现的次数。
我们使用 哈希映射（HashMap） 来存储每个元素以及出现的次数。对于哈希映射中的每个键值对，键表示一个元素，值表示该元素出现的次数。

我们用一个循环遍历数组 $nums$ 并将数组中的每个元素加入哈希映射中。在这之后，我们遍历哈希映射中的所有键值对，返回值最大的键。我们同样也可以在遍历数组$nums$ 时候使用打擂台的方法，维护最大的值，这样省去了最后对哈希映射的遍历。

3. 代码实现

class Solution {
public:
    int majorityElement(vector& nums) {
        unordered_map hash;
        int ans = 0, cnt = 0;
        for (int num : nums) {
            hash[num] ++;
            if (hash[num] > cnt) {
                ans = num;
                cnt = hash[num];
            }
        }
        return ans;
    }
};

 
 

七、剑指 Offer 40. 最小的k个数

1. 题目描述

2. 思路分析

堆：
维护一个大小为k的大根堆，遍历数组，如果堆中的元素个数小于k或者堆顶元素大于当前元素，则将当前元素压入堆中，当堆中的数大于k时弹出堆顶元素。
注意弹出堆顶的顺序是从大到小的k个数，因此要进行逆序操作。

3. 代码实现

class Solution {
public:
    vector getLeastNumbers(vector& arr, int k) {
        priority_queue heap;
        vector res;
        if (k == 0) return res;
        for (auto x : arr) {
            if (heap.size() < k || heap.top() > x) heap.push(x);
            if (heap.size() > k) heap.pop();
        }
        while (heap.size()) {
            res.push_back(heap.top());
            heap.pop();
        }
        reverse(res.begin(), res.end());
        
        return res;
    }
};

 
 

八、剑指 Offer 41. 数据流中的中位数

1. 题目描述

2. 思路分析

建立一个 小根堆 $A$ 和 大根堆 $B$ ，各保存列表的一半元素，且规定：

• $A$保存较大的一半，长度为$\frac{N}{2}$ (N为偶数) 或 $\frac{N+1}{2}$ (N为奇数)；
• $B$保存较小的一半，长度为$\frac{N}{2}$ (N为偶数) 或 $\frac{N-1}{2}$ (N为奇数)；

算法流程：

设元素总数为 $N=m+n$ ，其中 $m$ 和 $n$ 分别为 $A$ 和 $B$ 中的元素个数。

addNum(num) 函数：
1. 当 $m=n$（即 $N$ 为 偶数）：需向 $A$ 添加一个元素。实现方法：将新元素 $num$ 插入至 $B$ ，再将 $B$ 堆顶元素插入至 $A$ ；
2. 当 $m\ne n$（即 $N$ 为 奇数）：需向 $B$ 添加一个元素。实现方法：将新元素 $num$ 插入至 $A$ ，再将 $A$ 堆顶元素插入至 $B$ ；

假设插入数字 $num$ 遇到情况 1. 。由于 $num$ 可能属于 “较小的一半” （即属于 $B$ ），因此不能将 $num$ 直接插入至 $A$ 。而应先将 $num$ 插入至 $B$ ，再将 $B$ 堆顶元素插入至 $A$ 。这样就可以始终保持 $A$ 保存较大一半、 $B$ 保存较小一半。

findMedian() 函数：

1. 当 $m=n$（ $N$ 为 偶数）：则中位数为 ( $A$ 的堆顶元素 + $B$ 的堆顶元素 )/2。
2. 当 $m\ne n$（ $N$ 为 奇数）：则中位数为 $A$ 的堆顶元素。

3. 代码实现

class MedianFinder {
public:
    /** initialize your data structure here. */
    
    priority_queue max_heap;
    priority_queue, greater> min_heap;

    MedianFinder() {

    }
    
    void addNum(int num) {  
        if (max_heap.size() == min_heap.size()) {
            max_heap.push(num);
            int top = max_heap.top();
            max_heap.pop();
            min_heap.push(top);
        } else {
            min_heap.push(num);
            int top = min_heap.top();
            min_heap.pop();
            max_heap.push(top);
        }
    }
    
    double findMedian() {
        if (max_heap.size() == min_heap.size()) {
            return (max_heap.top() + min_heap.top()) / 2.0;
        } else {
            return min_heap.top();
        }
    }
};

/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder* obj = new MedianFinder();
 * obj->addNum(num);
 * double param_2 = obj->findMedian();
 */

/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder* obj = new MedianFinder();
 * obj->addNum(num);
 * double param_2 = obj->findMedian();
 */

 
 

九、剑指 Offer 42. 连续子数组的最大和

1. 题目描述

2. 思路分析

动态规划： f[i]表示以nums[i]结尾的最长连续子串的最大和。
因此我们只需要求出每个位置的 f(i)，然后返回 f 数组中的最大值即可。
那么我们如何求 f(i) 呢？我们可以考虑nums[i] 单独成为一段还是加入 f(i-1) 对应的那一段，这取决于 nums[i] 和 f(i−1) + nums[i] 的大小，我们希望获得一个比较大的，于是可以写出这样的动态规划转移方程：f[i] = max(f[i - 1] + nums[i], nums[i]);

3.代码实现

class Solution {
public:
    int maxSubArray(vector& nums) {
        int n = nums.size(), res = nums[0];
        vector f(n);
        f[0] = nums[0];

        for (int i = 1; i < n; i ++ ) {
            f[i] = max(f[i - 1] + nums[i], nums[i]);
            res = max(res, f[i]);
        }
        return res;
    }
};

 
 

十、剑指 Offer 43. 1～n 整数中 1 出现的次数

1. 题目描述

2. 思路分析

将 1 ~ $n$ 的个位、十位、百位、…的 1 出现次数相加，即为 1 出现的总次数。
设数字 $n$ 是个 $x$ 位数，记 $n$ 的第 $i$ 位为 $n_i$，则可将$n$写为$n_x$$n_{x-1}$ … $n_2$$n_1$:

• 称“$n_i$”为当前位，记为 $number[i]$ ;
• 将“$n_{i-1}$$n_{i-2}$…$n_2$$n_1$”称为低位，记为 $low$;
• 将“$n_x$$n_{x-1}$…$n_{i+2}$$n_{i+1}$”称为高位，记为 $high$;
• 将$10^i$称为位因子，记为 $t$;

某位中 1 出现次数的计算方法：
根据当前位 $cur$ 值的不同，分为以下三种情况：

1. 当 cur = 0 时： 此位 1 的出现次数只由高位 high 决定，计算公式为：
   high * t;
2. 当 cur = 1 时： 此位 1 的出现次数由高位 high和低位 low 决定，计算公式为：
   high * t + low + 1 ;
3. 当 cur = 2, 3, ⋯,9 时： 此位 1 的出现次数只由高位 highhigh 决定，计算公式为：
   high * t + t;

3. 代码实现

class Solution {
public:
    int countDigitOne(int n) {
        if (!n) return 0;
        vector number;
        while (n) number.push_back(n % 10), n /= 10;
        long long res = 0;
        for (int i = number.size() - 1; i >= 0; i -- ) {
            int high = 0, low = 0, t = 1;
            for (int j = number.size() - 1; j > i; j -- ) high = high * 10 + number[j];
            for (int j = i - 1; j >= 0; j -- ) low = low * 10 + number[j], t *= 10;
            if (number[i] == 0) res += high * t;
            else if (number[i] == 1) res += high * t + low + 1;
            else if (number[i] > 1) res += high * t + t;
        }
        return res;
    }
};

 
 

创作不易，如果有帮助到你，请给文章点个赞和收藏，让更多的人看到！！！
关注博主不迷路，内容持续更新中。