Leetcode学习记录

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

二分查找模板、左值二分模板、右值二分模板

作者：naruto-gyb
链接：https://leetcode-cn.com/problems/find-first-and-last-position-of-element-in-sorted-array/solution/zuo-zhi-by-naruto-gyb-l152/
来源：力扣（LeetCode）34.在排序数组中查找元素的第一个和最后一个位置

class Solution {
    public int[] searchRange(int[] nums, int target) {
        int left = searchLeft(nums,target);
        int right = searchRight(nums,target);
        return new int[]{left,right};
    }
    /**
     * 左值二分模板
     */
    public int searchLeft (int[] nums, int target) {
        int left = 0;
        int right = nums.length - 1;
        while (left <= right) {
            // 防止溢出
            int middle = (right - left) / 2 + left;
            if (nums[middle] >= target) {
                // 继续往左边找
                right = middle - 1;
            }else {
                // 继续往右边找
                left = middle + 1;
            }
        }
        // 考虑目标值不在数组中的两种情况
        if (left == nums.length || nums[left] != target) left = -1;
        return left;
    }
    /**
     * 右值二分模板
     */
    public int searchRight (int[] nums, int target) {
        int left = 0;
        int right = nums.length - 1;
        while (left <= right) {
            // 防止溢出
            int middle = (right - left) / 2 + left;
            if (nums[middle] <= target) {
                // 继续往右边找
                left = middle + 1;
            }else {
                // 继续往左边找
                right = middle - 1;
            }
        }
        // 考虑目标值不在数组中的两种情况
        if (right == -1 || nums[right] != target) right = -1;
        return right;
    }
}

---

数据结构

栈

Java中Deque与Stack
https://blog.csdn.net/suncunwei201503517/article/details/120173267

堆

利用优先队列实现小顶堆，取第k大元素

    class KthLargest {
        private int k;
        private PriorityQueue<Integer> heap;

        // 初始化，将所有的元素都插入堆中
        public KthLargest(int k, int[] nums) {
            this.k = k;
            heap = new PriorityQueue<>(k);
            for (int num : nums)
                heap.add(num);
        }

        public int add(int val) {
            // 将元素插入堆中
            heap.add(val);
            // 如果堆的大小超过 k，则将其多的元素删除
            while (heap.size()>k){
                heap.poll();
            }
            return heap.peek();
        }
    }