力扣记录：Hot100（4）——75-101

75 颜色分类

• 快排，选择最左为哨兵，循环时先移动右指针，递归时跳过哨兵
  • 时间复杂度O(nlogn)，空间复杂度O(n)

class Solution {
    public void sortColors(int[] nums) {
        //快排
        quickSort(nums, 0, nums.length - 1);
    }
    //快排函数
    private void quickSort(int[] nums, int start, int end){
        if(end - start < 1) return;
        int i = start;  //选择哨兵
        int j = end;
        while(i < j){
            while(i < j && nums[j] >= nums[start]) j--;  //先移动j
            while(i < j && nums[i] <= nums[start]) i++;
            swap(nums, i, j);
        }
        swap(nums, i, start);   //交换哨兵到中间
        //递归快排
        quickSort(nums, start, i - 1);
        quickSort(nums, i + 1, end);
    }
    //交换函数
    private void swap(int[] nums, int i, int j){
        int temp = nums[i];
        nums[i] = nums[j];
        nums[j] = temp;
    }
}

• 双指针，左右指针分别从数组两头出发，遍历一次数组，遇到0与左指针位置交换，左指针右移；遇到2与右指针位置交换，右指针左移（这里需要判断交换后当前遍历位置是否为2，是则继续交换，0则与左指针交换）。
  • 时间复杂度O(n)，空间复杂度O(1)

class Solution {
    public void sortColors(int[] nums) {
        //双指针，左右指针分别从数组两头出发
        int left = 0;
        int right = nums.length - 1;
        //遍历一次数组
        for(int i = 0; i <= right; i++){
            while(i <= right && nums[i] == 2){  //遇到0与左指针位置交换，左指针右移
                //这里需要判断交换后当前遍历位置是否为2，是则继续交换，直到不为2
                swap(nums, i, right--);
            }
            //先换2再进行0的交换，有可能2换完为0
            if(nums[i] == 0){   //遇到0与左指针位置交换，左指针右移
                swap(nums, i, left++);
            }
        }
    }
    //交换函数
    private void swap(int[] nums, int i, int j){
        int temp = nums[i];
        nums[i] = nums[j];
        nums[j] = temp;
    }
}

76 最小覆盖子串

• 滑动窗口，之前做过，使用StringBuilder处理字符串，使用哈希表存储字符串t的字符及出现次数，左右指针都从字符串s开头出发，右指针向右遍历，如果哈希表中有该字符，则对应次数减1，若次数减为0则一个字符满足，记录为flag。当哈希表中所有字符都满足时判断左指针是否向右移动缩小窗口，若左指针指向字符不是哈希表中字符或次数小于0则向右移动，否则不移动，计算长度并更新最短长度和子串。
• 注意：求StringBuilder的长度为length()，同字符串。
  • 时间复杂度O(|字符集大小| * s + t)，空间复杂度O(|字符集大小|)

class Solution {
    public String minWindow(String s, String t) {
        //滑动窗口
        //使用StringBuilder处理字符串
        StringBuilder s1 = new StringBuilder(s);
        StringBuilder t1 = new StringBuilder(t);
        int leng = Integer.MAX_VALUE;
        String result = "";
        //使用哈希表存储字符串t的字符及出现次数
        Map<Character, Integer> map = new HashMap<>();
        for(int i = 0; i < t1.length(); i++){
            if(!map.containsKey(t1.charAt(i))){
                map.put(t1.charAt(i), 0);
            }
            map.put(t1.charAt(i), map.get(t1.charAt(i)) + 1);
        }
        //左右指针都从字符串s开头出发
        int left = 0;
        int right = 0;
        int flag = 0;
        //右指针向右遍历，如果哈希表中有该字符，则对应次数减1
        for(;right < s1.length(); right++){
            if(map.containsKey(s1.charAt(right))){
                int num = map.get(s1.charAt(right)) - 1;
                map.put(s1.charAt(right), num);
                //若次数减为0则一个字符满足，记录为flag
                if(num == 0) flag += 1;
            }
            //当哈希表中所有字符都满足时判断左指针是否向右移动缩小窗口
            if(flag == map.size()){
                //若左指针指向字符不是哈希表中字符或次数小于0则向右移动，否则不移动
                while(!map.containsKey(s1.charAt(left)) || (map.containsKey(s1.charAt(left)) && map.get(s1.charAt(left)) < 0)){
                    if(map.containsKey(s1.charAt(left))){
                        map.put(s1.charAt(left), map.get(s1.charAt(left)) + 1);
                    }
                    left++;
                }
                //计算长度并更新最短长度和子串
                if(leng > right - left + 1){
                    leng = right - left + 1;
                    result = s1.substring(left, right + 1);
                }
            }
        }
        return result;
    }
}

78 子集

• 回溯，之前做过，定义start表示当前从数组第几位开始。
  • 时间复杂度O(n*2^n)，空间复杂度O(n)

class Solution {
    public List<List<Integer>> subsets(int[] nums) {
        //回溯
        List<List<Integer>> result = new ArrayList<>();
        List<Integer> path = new ArrayList<>();
        backtracking(nums, 0, result, path);
        return result;
    }
    //回溯函数，输入数组、从第几位开始、结果集合、路径集合
    private void backtracking(int[] nums, int start, List<List<Integer>> result, List<Integer> path){
        //终止条件
        result.add(new ArrayList(path));
        if(start >= nums.length) return;
        //循环递归
        for(int i = start; i < nums.length; i++){
            path.add(nums[i]);
            backtracking(nums, i + 1, result, path);    //这里应该时i+1而不是start+1
            path.remove(path.size() - 1);   //回溯
        }
    }
}

79 单词搜索

• 回溯，参考剑指 Offer 12 矩阵中的路径，定义当前位置和已匹配的字符个数，当不匹配时回溯，否则继续递归直到遍历结束，定义已使用的字符，递归时跳过。
• 注意：在回溯函数外遍历起点，终止条件顺序不能乱。
  • 时间复杂度O(mn*3^L)，空间复杂度O(mn)，二维数组m行n列，字符串长度L

class Solution {
    public boolean exist(char[][] board, String word) {
        //回溯
        boolean[][] used = new boolean[board.length][board[0].length];
        //循环每个位置作为起点，不要在回溯里循环
        for(int i = 0; i < board.length; i++){
            for(int j = 0; j < board[i].length; j++){
                boolean flag = backtracking(board, used, word, i, j, 0);
                if(flag) return true;
            }
        }
        return false;
    }
    //回溯函数，输入二维数组、已使用字符、目标字符串、当前坐标、已匹配的字符个数
    private boolean backtracking(char[][] board, boolean[][] used, String word, int x, int y, int z){
        //终止条件
        //需要先判断该位是否使用过
        if(used[x][y]) return false;
        if(board[x][y] != word.charAt(z)) return false;
        if(word.length() == z + 1) return true;
        //递归
        //当前位置匹配时
        used[x][y] = true;
        if(x + 1 < board.length){   //向下递归
            boolean down = backtracking(board, used, word, x + 1, y, z + 1);
            if(down) return true;   //找到匹配的字符串直接返回
        }
        if(x - 1 >= 0){ //向上递归
            boolean up = backtracking(board, used, word, x - 1, y, z + 1);
            if(up) return true;
        }
        if(y - 1 >= 0){ //向左递归
            boolean left = backtracking(board, used, word, x, y - 1, z + 1);
            if(left) return true;
        }
        if(y + 1 < board[x].length){    //向右递归
            boolean right = backtracking(board, used, word, x, y + 1, z + 1);
            if(right) return true;
        }
        used[x][y] = false; //回溯
        return false;
    }
}

84 柱状图中最大的矩形

• 单调栈，之前做过
  • 时间复杂度O(n)，空间复杂度O(n)

class Solution {
    public int largestRectangleArea(int[] heights) {
        //单调栈
        //定义单调栈存储柱子对应下标，栈顶到栈底递减
        Deque<Integer> stack = new LinkedList<>();
        //初始化
        //这里将数组扩容，两头加0，两边最小能到首尾
        int[] heights2 = new int[heights.length + 2];
        heights2[0] = 0;
        for(int i = 0; i < heights.length; i++){
            heights2[i + 1] = heights[i];
        }
        heights2[heights2.length - 1] = 0;
        stack.push(0);
        int sum = 0;
        //遍历
        for(int i = 1; i < heights2.length; i++){
            int top = stack.peek();
            if(heights2[i] > heights2[top]){//大于栈顶元素直接入栈
                stack.push(i);
            }else if(heights2[i] == heights2[top]){//等于栈顶元素则替换栈顶元素
                stack.pop();
                stack.push(i);
            }else{//小于栈头元素高度，则计算面积
                //每弹出一个元素就计算弹出元素的最大面积
                //相当于找到了弹出元素左右两边第一个比其小的柱子
                while(!stack.isEmpty() && heights2[i] < heights2[stack.peek()]){
                    int mid = stack.pop();
                    if(!stack.isEmpty()){
                        //面积为宽乘高
                        int h = heights2[mid];
                        int w = i - stack.peek() - 1;
                        sum = Math.max(sum, h * w);
                    }
                }
                //计算结束后弹出栈头元素直到当前元素（高度递增）入栈
                stack.push(i);
            }
        }
        //返回结果
        return sum;
    }
}

85 最大矩形

• 对比上题84 柱状图中最大的矩形，本题需要先将矩阵转为柱状图，定义矩阵每个元素左边连续1的数量为left[i] [j]，针对每一列使用单调栈进行计算。
  • 时间复杂度O(mn)，空间复杂度O(mn)

class Solution {
    public int maximalRectangle(char[][] matrix) {
        //定义矩阵每个元素左边连续1的数量为left[i] [j]
        int m = matrix.length;
        if(m == 0) return 0;
        int n = matrix[0].length;
        int[][] left = new int[m + 2][n];   //第一行和最后一行为全0，当一列递增时最后不用额外考虑
        for(int i = 1; i < m + 1; i++){
            for(int j = 0; j < n; j++){
                if(matrix[i - 1][j] == '1'){
                    left[i][j] = (j == 0 ? 0 : left[i][j - 1]) + 1;
                }
            }
        }
        //针对每一列使用单调栈进行计算
        Deque<Integer> stack = new LinkedList<>();
        int max = 0;
        for(int j = 0; j < n; j++){
            stack.push(0);  //初始化为0，方便计算第一行矩阵，如输入[["1"]]
            for(int i = 0; i < m + 2; i++){
                if(stack.isEmpty()){
                    stack.push(i);
                }else{
                    int top = stack.peek();
                    if(left[top][j] < left[i][j]){//大于栈顶元素直接入栈
                        stack.push(i);
                    }else if(left[top][j] == left[i][j]){//等于栈顶元素则替换栈顶元素
                        stack.pop();
                        stack.push(i);
                    }else{//小于栈头元素高度，则计算面积
                        while(!stack.isEmpty() && left[stack.peek()][j] > left[i][j]){
                            //每弹出一个元素就计算弹出元素的最大面积
                            //相当于找到了弹出元素左右两边第一个比其小的柱子
                            int mid = stack.pop();
                            if(!stack.isEmpty()){
                                int h = left[mid][j];
                                int w = i - stack.peek() - 1;
                                max = Math.max(max, h * w);
                            }
                        }
                        //计算结束后弹出栈头元素直到当前元素（高度递增）入栈
                        stack.push(i);
                    }
                }
                
            }
            //每一列单独计算
            //stack.clear();
        }
        return max;
    }
}

94 二叉树的中序遍历

• 递归，之前做过
  • 时间复杂度O(n)，空间复杂度O(n)

class Solution {
    public List<Integer> inorderTraversal(TreeNode root) {
        //递归
        List<Integer> result = new ArrayList<>();
        inorder(root, result);
        return result;
    }
    //递归函数，输入根节点，结果数组
    private void inorder(TreeNode root, List<Integer> result){
        //终止条件
        if(root == null) return;
        inorder(root.left, result);//左
        result.add(root.val);//中
        inorder(root.right, result);//右
    }
}

96 不同的二叉搜索树

• 动态规划，之前做过
  • 时间复杂度O(n^2)，空间复杂度O(n)

class Solution {
    public int numTrees(int n) {
        //动态规划
        int[] dp = new int[n + 1];
        dp[0] = 1;
        for(int i = 1; i <= n; i++){
            for(int j = 1; j <= i; j++){
                //卡特兰数公式
                dp[i] += dp[j - 1] * dp[i - j];
            }
        }
        return dp[n];
    }
}

98 验证二叉搜索树

• 递归，之前做过，二叉搜索树中序遍历为升序，记录上一个节点值并和当前值进行对比。
  • 时间复杂度O(n)，空间复杂度O(n)

class Solution {
    TreeNode pre = null;//记录上一个节点
    public boolean isValidBST(TreeNode root) {
        //递归
        if(root == null) return true;
        //中序遍历
        boolean left = isValidBST(root.left);//左
        if(pre != null && pre.val >= root.val) return false;//中
        pre = root;
        boolean right = isValidBST(root.right);//右
        return left && right;
    }
}

101 对称二叉树

• 递归，之前做过，注意比较的节点为镜像对称
  • 时间复杂度O(n)，空间复杂度O(n)

class Solution {
    public boolean isSymmetric(TreeNode root) {
        //递归
        if(root == null) return false;
        return compareNode(root.left, root.right);
    }
    //递归函数，输入要对比的两个节点
    private boolean compareNode(TreeNode left, TreeNode right){
        if(left == null && right == null) return true;
        if(left == null || right == null) return false;
        if(left.val != right.val) return false;
        //递归
        boolean l = compareNode(left.left, right.right);
        if(!l) return false;
        boolean r = compareNode(left.right, right.left);
        return l && r;
    }
}