一个二维数组如图1
要查找数组7在不在数组内,我们可以选择从数组的右上角的点开始比较,此时该值为9,9>7,同时9还是第四列最小的数字,那么这意味着,第四列都不可能找到7,于是我们可以直接删除第四列。
蓝色代表所在的行或者列已经排查完了,红色代表当前值。此时值为8,显然和之前的结果一样,如图2。
然后我们比较2与7,2<7,同时2的位置是当前行内最大的数值,这意味着该行内不可能找到7,于是删除该行,如图3 。
4与2的情况相同,直接删除该行,如图4。
最后我们找到了7,如图5 。
这个思路关键的地方在于右上角点的选取,因为这个点的值是所在列的最小值和所在行的最大值,这就意味着:
要查找的数值如果比右上角的值大,那么它将大于整个行;
要查找的数值比如果右上角的值小,那么它将小于整个列。
如果相等的话,查找就结束了~~~
所以无论是哪一种情况,都可以让我们删除一个行或一个列,下一次要比较的那个值就是删除后的二维数组的右上角的值,总之永远在用右上角的值在比较。
这个一个最大一个最小的特性,**除了右上角的点之外,左下角也是满足的 **。
public class Solution {
public boolean Find(int target, int [][] array) {
int row = 0;
int cols = array[0].length - 1;
while(row <= array.length-1 && cols >= 0){
if(array[row][cols] == target){
return true;
}else if(target < array[row][cols]){
cols--;
}else{
row++;
}
}
return false;
}
}
请实现一个函数,将一个字符串中的每个空格替换成“%20”。例如,当字符串为We Are Happy.则经过替换之后的字符串为
We%20Are%20Happy。
public class Solution {
/**
* 代码中的类名、方法名、参数名已经指定,请勿修改,直接返回方法规定的值即可
*
*
* @param s string字符串
* @return string字符串
*/
public String replaceSpace (String s) {
// write code here
char[] chars =s.toCharArray();
int length =chars.length;
int count = 0;
for(char c : chars){
if(c == ' '){
count++;
}
}
char[] res = new char[length + 2*count];
int j = 0;
for(int i = 0;i < length; i++){
if(chars[i] == ' ' ){
res[j] = '%';
res[j+1] = '2';
res[j+2] = '0';
j = j + 3;
}else{
res[j] = chars[i];
j++;
}
}
return new String(res);
}
}
这个题目可以有三种做法:
/**
* public class ListNode {
* int val;
* ListNode next = null;
*
* ListNode(int val) {
* this.val = val;
* }
* }
*
*/
import java.util.ArrayList;
import java.util.Stack;
public class Solution {
//1.用栈基于循环实现
public ArrayList<Integer> printListFromTailToHead(ListNode listNode) {
Stack<Integer> stack =new Stack<Integer>();
while(listNode != null){
stack.add(listNode.val);
listNode = listNode.next;
}
ArrayList<Integer> res =new ArrayList<Integer>();
while(!stack.isEmpty()){
res.add(stack.pop());
}
return res;
}
}
/**
* public class ListNode {
* int val;
* ListNode next = null;
* * ListNode(int val) {
* this.val = val;
* }
* }
* */
import java.util.ArrayList;
import java.util.Stack;
public class Solution {
public ArrayList<Integer> printListFromTailToHead(ListNode listNode) {
//2.利用递归实现
ArrayList<Integer> res = new ArrayList<Integer>();
if(listNode != null){
res.addAll(printListFromTailToHead(listNode.next));
res.add(listNode.val);
}
return res;
}
}
根据中序遍历和前序遍历可以确定二叉树,具体过程为:
根据前序序列第一个结点确定根结点
根据根结点在中序序列中的位置分割出左右两个子序列
对左子树和右子树分别递归使用同样的方法继续分解
例如: 前序序列{1,2,4,7,3,5,6,8} = pre 中序序列{4,7,2,1,5,3,8,6} = in
根据当前前序序列的第一个结点确定根结点,为 1
找到 1 在中序遍历序列中的位置,为 in[3]
切割左右子树,则 in[3] 前面的为左子树, in[3] 后面的为右子树
则切割后的左子树前序序列为:{2,4,7},切割后的左子树中序序列为:{4,7,2};切割后的右子树前序序列为:{3,5,6,8},切割后的右子树中序序列为:{5,3,8,6}
对子树分别使用同样的方法分解
补充
二叉树的遍历分成三种,按照根节点的访问先后分为:
先序遍历(先根遍历):先访问根节点,然后访问左子树, 最后访问右子树。
中序遍历(中根遍历):先访问左子树,然后访问根节点, 最后访问右子树。
后续遍历(后根遍历):先访问左子树,然后访问右子树,最后访问根节点。
- 先序,后序遍历可以确定根节点。
- 中序遍历可以确定左子树和右子树。
/**
* Definition for binary tree
* public class TreeNode {
* int val;
* TreeNode left;
* TreeNode right;
* TreeNode(int x) { val = x; }
* }
*/
import java.util.Arrays;
public class Solution {
public TreeNode reConstructBinaryTree(int [] pre,int [] in) {
//递归调用的终止条件
if(pre.length == 0 || in.length == 0){
return null;
}
//由前序遍历得到该二叉树的根结点
TreeNode root =new TreeNode(pre[0]);
//在中序遍历中找根结点位置,进行左右子树的划分
for(int i =0;i< in.length ;i++){
if(in[i] == pre[0]){
//将左子树看成一棵二叉树调用该方法,可以得到左子树根结点,即上面根结点的左子结点
//copyOfRange(original,int from,int to)该方法返回一个长度为to-from的数组
root.left = reConstructBinaryTree(Arrays.copyOfRange(pre,1,i+1),Arrays.copyOfRange(in,0,i));
//将右子树看成一棵二叉树调用该方法,可以得到右子树根结点,即上面根结点的右子结点
root.right = reConstructBinaryTree(Arrays.copyOfRange(pre,i+1,pre.length),Arrays.copyOfRange(in,i+1,in.length));
//找到根结点位置便跳出循环
break;
}
}
return root;
}
}
队列的特性是:“先入先出”,栈的特性是:“先入后出”
当我们向模拟的队列插入数 a,b,c 时,假设插入的是 stack1,此时的栈情况为:
当需要弹出一个数,根据队列的"先进先出"原则,a 先进入,则 a 应该先弹出。但是此时 a 在 stack1 的最下面,将 stack1 中全部元素逐个弹出压入 stack2,现在可以正确的从 stack2 中弹出 a,此时的栈情况为:
栈 stack1:{}
栈 stack2:{c,b}
继续弹出一个数,b 比 c 先进入"队列",b 弹出,注意此时 b 在 stack2 的栈顶,可直接弹出,此时的栈情况为:
栈 stack1:{}
栈 stack2:{c}
此时向模拟队列插入一个数 d,还是插入 stack1,此时的栈情况:
栈 stack1:{d}
栈 stack2:{c}
弹出一个数,c 比 d 先进入,c 弹出,注意此时 c 在 stack2 的栈顶,可直接弹出,此时的栈情况为:
栈 stack1:{d}
栈 stack2:{}
此时,stack2为空,stack1中的数字全部压入stack2中,此时栈的情况为:
栈 stack1:{}
栈 stack2:{d}
此时,stack2不为空,直接弹出。
根据上述例子可得出结论:
当插入时,直接插入 stack1
当弹出时,当 stack2 不为空,弹出 stack2 栈顶元素,如果 stack2 为空,将 stack1 中的全部数逐个出栈入栈
stack2,再弹出 stack2 栈顶元素
import java.util.Stack;
public class Solution {
Stack<Integer> stack1 = new Stack<Integer>();
Stack<Integer> stack2 = new Stack<Integer>();
public void push(int node) {
stack1.push(node);
}
public int pop() {
Integer a=null;
//如果栈2不是空的,那么把最上面那个取出来
if(!stack2.empty()){
a=stack2.pop();
}else{
//如果栈2是空的,就把栈1里的数一个个取出来,放到栈2里
while(!stack1.empty()){
stack2.push(stack1.pop());
}
//栈2里有数之后,再次把里面的数取出来
if(!stack2.empty()){
a=stack2.pop();
}
}
return a;
}
}
把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的旋转。 输入一个非递减排序的数组的一个旋转,输出旋转数组的最小元素。
NOTE:给出的所有元素都大于0,若数组大小为0,请返回0。
import java.util.ArrayList;
public class Solution {
public int minNumberInRotateArray(int [] array) {
if(array.length == 0){
return 0;
}
int left = 0;
int right = array.length - 1;
while(left < right){
int mid = (left + right) >> 1;
if (array[mid] <= array[right]){
right = mid;
}else if(array[mid] >= array[right]){
left = mid+1;
}
}
return array[right];
}
}
斐波那契数列的标准公式为:F(1)=1,F(2)=1, F(n)=F(n-1)+F(n-2)(n>=3,n∈N*)
递归法:
原理: 把 f(n) 问题的计算拆分成 f(n−1) 和 f(n−2)两个子问题的计算,并递归,以 f(0) 和 f(1) 为终止条件。
缺点: 大量重复的递归计算,例如 f(n) 和 f(n−1) 两者向下递归都需要计算 f(n−2)的值。
记忆化递归法:
原理: 在递归法的基础上,新建一个长度为 nnn 的数组,用于在递归时存储 f(0)至 f(n)的数字值,重复遇到某数字时则直接从数组取用,避免了重复的递归计算。
缺点: 记忆化存储的数组需要使用 O(N) 的额外空间。
动态规划:
原理: 以斐波那契数列性质 f(n+1)=f(n)+f(n−1)为转移方程。
从计算效率、空间复杂度上看,动态规划是本题的最佳解法。
public class Solution {
public int Fibonacci(int n) {
if(n <= 1){
return n;
}
return Fibonacci(n-1) + Fibonacci(n-2);
}
}
//递归会重复计算大量相同数据,我们用个数组把结果存起来
public class Solution {
public int Fibonacci(int n) {
int ans[] = new int[40];
ans[0] = 0;
ans[1] = 1;
for(int i = 2;i<= n;i++){
ans[i] = ans[i-1]+ans[i-2];
}
return ans[n];
}
}
//其实我们可以发现每次就用到了最近的两个数,
//所以我们可以只存储最近的两个数
public class Solution {
public int Fibonacci(int n) {
if(n==0){
return 0;
}else if(n==1){
return 1;
}
int sum = 0;//用于存储当前所求的数
int one = 1;//存储第 n-1 项的值
int two = 0;//存储第 n-2 项的值
for(int i = 2 ; i<=n ;i++){
sum = one + two;
two = one;//先把之前的one值赋给two
one = sum;//再把新的sum值赋给one
}
return sum;
}
}
/**
上一版发现,sum 只在每次计算第 n 项的时候用一下,其实还可以利用 sum 存储第 n-1 项,
例如当计算完 f(5) 时 sum 存储的是 f(5) 的值,当需要计算 f(6) 时,f(6) = f(5) + f(4),
sum 存储的 f(5),f(4) 存储在 one 中,由 f(5)-f(3) 得到
*/
public class Solution {
public int Fibonacci(int n) {
if(n==0){
return 0;
}else if(n==1){
return 1;
}
int sum = 1;//用于存储当前所求的数 并且可以当作下一个值的前一项,即n-1项
int one = 0;//存储第 n-2 项的值
for(int i = 2 ; i<=n ;i++){
sum = sum + one;
one = sum - one;//one值就是原来的sum值
}
return sum;
}
}
设跳上 n级台阶有 f(n) 种跳法。在所有跳法中,青蛙的最后一步只有两种情况: 跳上 1 级或 2 级台阶。
f(n)为以上两种情况之和,即 f(n)=f(n−1)+f(n−2),以上递推性质为斐波那契数列。本题可转化为 求斐波那契数列第 n项的值 ,与 面试题斐波那契数列 等价,唯一的不同在于起始数字不同。
青蛙跳台阶问题: f(0)=1 , f(1)=1, f(2)=2
大数越界:随着 target 增大, f(n) 会超过 Int32 甚至 Int64 的取值范围,导致最终的返回值错误。
public class Solution {
public int JumpFloor(int target) {
if(target <= 1){
return 1;
}
int two = 1;
int one = 1,sum = 0;
for(int i = 2 ; i <= target ;i++){
// 大数越界:随着 target 增大, f(n) 会超过 Int32 甚至 Int64 的取值范围,导致最终的返回值错误。
sum = (one + two)% 1000000007;
//在leetCode中% 1000000007 防止溢出,当target>=44时,会出现溢出
two = one;
one = sum;
}
return sum;
}
}
设跳上 n级台阶有 f(n) 种跳法。在所有跳法中,青蛙的最后一步只有两种情况: 跳上 1 级或 2 级台阶。
f(n)为以上两种情况之和,即 f(n)=f(n−1)+f(n−2),以上递推性质为斐波那契数列。本题可转化为 求斐波那契数列第 n项的值 ,与 面试题斐波那契数列 等价,唯一的不同在于起始数字不同。
青蛙跳台阶问题: f(0)=1 , f(1)=1, f(2)=2
大数越界:随着 target 增大, f(n) 会超过 Int32 甚至 Int64 的取值范围,导致最终的返回值错误。