StarMirror/CS-Notes
1
0
Fork 0
Code Issues Pull Requests Projects Releases Wiki Activity

auto commit

Browse Source
This commit is contained in:
CyC2018 2018-04-28 13:55:52 +08:00
parent 96dfff3574
commit 4572de9276
1 changed files with 153 additions and 81 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

232
notes/Leetcode 题解.md
View File

@ -44,6 +44,7 @@
* [BST](#bst)
* [Trie](#trie)
* [图](#图)
* [二分图](#二分图)
* [拓扑排序](#拓扑排序)
* [并查集](#并查集)
* [位运算](#位运算)
@ -55,14 +56,19 @@
## 二分查找
**正常实现**
```java
public int binarySearch(int key, int[] nums) {
public int binarySearch(int[] nums, int key) {
int l = 0, h = nums.length - 1;
while (l <= h) {
int mid = l + (h - l) / 2;
if (key == nums[mid]) return mid;
if (key < nums[mid]) h = mid - 1;
else l = mid + 1;
int m = l + (h - l) / 2;
if (nums[m] == key)
return m;
else if (nums[m] > key)
h = m - 1;
else
l = m + 1;
}
return -1;
}
@ -74,21 +80,59 @@ O(logN)
**计算 mid**
在计算 mid 时不能使用 mid = (l + h) / 2 这种方式，因为 l + h 可能会导致加法溢出，应该使用 mid = l + (h - l) / 2。
有两种计算 mid 的方式：
**计算 h**
- mid = (l + h) / 2
- mid = l + (h - l) / 2
当循环条件为 l <= h，则 h = mid - 1。因为如果 h = mid，会出现循环无法退出的情况，例如 l = 1，h = 1，此时 mid 也等于 1，如果此时继续执行 h = mid，那么就会无限循环。
当循环条件为 l < h，则 h = mid。因为如果 h = mid - 1，会错误跳过查找的数，例如对于数组 [1,2,3]，要查找 1，最开始 l = 0，h = 2，mid = 1，判断 key < arr[mid] 执行 h = mid - 1 = 0，此时循环退出，直接把查找的数跳过了。
l + h 可能出现加法溢出，最好使用第二种方式。
**返回值**
在循环条件为 l <= h 的情况下，循环退出时 l 总是比 h 大 1，并且 l 是将 key 插入 nums 中的正确位置。例如对于 nums = {0,1,2,3}，key = 4，循环退出时 l = 4，将 key 插入到 nums 中的第 4 个位置就能保持 nums 有序的特点。
循环退出时如果仍然没有查找到 key，那么表示查找失败。可以有两种返回值：
在循环条件为 l < h 的情况下，循环退出时 l 和 h 相等。
- -1：以一个错误码指示没有查找到 key
- l：将 key 插入到 nums 中的正确位置
如果只是想知道 key 存不存在，在循环退出之后可以直接返回 -1 表示 key 不存在于 nums 中。
**变种**
二分查找可以有很多变种，变种实现要多注意边界值的判断。例如在一个有重复元素的数组中查找 key 的最左位置的实现如下：
```java
public int binarySearch(int[] nums, int key) {
int l = 0, h = nums.length - 1;
while (l < h) {
int m = l + (h - l) / 2;
if (nums[m] >= key)
h = m;
else
l = m + 1;
}
return l;
}
```
该实现和正常实现有以下不同：
- 循环条件为 l < h
- h 的赋值表达式为 h = m
- 最后返回 l 而不是 -1
在 nums[m] >= key 的情况下，可以推导出最左 key 位于 [0, m] 区间中，这是一个闭区间。h 的赋值表达式为 h = m，因为 m 位置也可能是解。
在 h 的赋值表达式为 h = mid 的情况下，如果循环条件为 l <= h，那么会出现循环无法退出的情况，因此循环条件只能是 l < h。
```text
nums = {0, 1}, key = 0
l m h
0 1 2 nums[m] >= key
0 0 1 nums[m] >= key
0 0 0 nums[m] >= key
0 0 0 nums[m] >= key
...
```
当循环体退出时，不表示没有查找到 key，因此最后返回的结果不应该为 -1。为了验证有没有查找到，需要在调用端判断一下返回位置上的值和 key 是否相等。
**求开方**
@ -109,66 +153,23 @@ Explanation: The square root of 8 is 2.82842..., and since we want to return an
```java
public int mySqrt(int x) {
if (x <= 1) return x;
if (x <= 1)
return x;
int l = 1, h = x;
while (l <= h) {
int mid = l + (h - l) / 2;
int sqrt = x / mid;
if (sqrt == mid) return mid;
if (sqrt < mid) h = mid - 1;
else l = mid + 1;
if (sqrt == mid)
return mid;
else if (sqrt < mid)
h = mid - 1;
else
l = mid + 1;
}
return h;
}
```
**摆硬币**
[Leetcode : 441. Arranging Coins (Easy)](https://leetcode.com/problems/arranging-coins/description/)
```html
n = 8
The coins can form the following rows:
¤
¤ ¤
¤ ¤ ¤
¤ ¤
Because the 4th row is incomplete, we return 3.
```
题目描述：第 i 行摆 i 个，统计能够摆的行数。
n 个硬币能够摆的行数 row 在 0 \~ n 之间，并且满足 n == row * (row + 1) / 2，因此可以利用二分查找在 0 \~ n 之间查找 row。
对于 n = 8，它能摆的行数 row = 3，这是因为最后没有摆满的那一行不能算进去，因此在循环退出时应该返回 h。
```java
public int arrangeCoins(int n) {
int l = 0, h = n;
while (l <= h) {
int mid = l + (h - l) / 2;
long x = mid * (mid + 1) / 2;
if (x == n) return mid;
else if (x < n) l = mid + 1;
else h = mid - 1;
}
return h;
}
```
本题可以不用二分查找，更直观的解法如下：
```java
public int arrangeCoins(int n) {
int level = 1;
while (n > 0) {
n -= level;
level++;
}
return n == 0 ? level - 1 : level - 2;
}
```
**大于给定元素的最小元素**
[Leetcode : 744. Find Smallest Letter Greater Than Target (Easy)](https://leetcode.com/problems/find-smallest-letter-greater-than-target/description/)
@ -195,8 +196,10 @@ public char nextGreatestLetter(char[] letters, char target) {
int l = 0, h = n - 1;
while (l <= h) {
int m = l + (h - l) / 2;
if (letters[m] <= target) l = m + 1;
else h = m - 1;
if (letters[m] <= target)
l = m + 1;
else
h = m - 1;
}
return l < n ? letters[l] : letters[0];
}
@ -213,9 +216,9 @@ Output: 2
题目描述：一个有序数组只有一个数不出现两次，找出这个数。要求以 O(logN) 时间复杂度进行求解。
令 key 为 Single Element 在数组中的位置。如果 m 为偶数，并且 m < key，那么 nums[m] == nums[m + 1]；m >= key，那么 nums[m] != nums[m + 1]。
令 key 为 Single Element 在数组中的位置。如果 m 为偶数，并且 m + 1 < key，那么 nums[m] == nums[m + 1]；m + 1 >= key，那么 nums[m] != nums[m + 1]。
从上面的规律可以知道，如果 nums[m] == nums[m + 1]，那么 key 所在的数组位置为 m + 2 \~ n - 1，此时令 l = m + 2；如果 nums[m] != nums[m + 1]，那么 key 所在的数组位置为 0 \~ m，此时令 h = m。
从上面的规律可以知道，如果 nums[m] == nums[m + 1]，那么 key 所在的数组位置为 [m + 2, n - 1]，此时令 l = m + 2；如果 nums[m] != nums[m + 1]，那么 key 所在的数组位置为 [0, m]，此时令 h = m。
因为 h 的赋值表达式为 h = m，那么循环条件也就只能使用 l < h 这种形式。
@ -224,9 +227,12 @@ public int singleNonDuplicate(int[] nums) {
int l = 0, h = nums.length - 1;
while (l < h) {
int m = l + (h - l) / 2;
if (m % 2 == 1) m--; // 保证 l/h/m 都在偶数位，使得查找区间大小一直都是奇数
if (nums[m] == nums[m + 1]) l = m + 2;
else h = m;
if (m % 2 == 1)
m--; // 保证 l/h/m 都在偶数位，使得查找区间大小一直都是奇数
if (nums[m] == nums[m + 1])
l = m + 2;
else
h = m;
}
return nums[l];
}
@ -238,7 +244,7 @@ public int singleNonDuplicate(int[] nums) {
题目描述：给定一个元素 n 代表有 [1, 2, ..., n] 版本，可以调用 isBadVersion(int x) 知道某个版本是否错误，要求找到第一个错误的版本。
如果第 m 个版本出错，则表示第一个错误的版本在 1 \~ m 之前，令 h = m；否则第一个错误的版本在 m + 1 \~ n 之间，令 l = m + 1。
如果第 m 个版本出错，则表示第一个错误的版本在 [1, m] 之间，令 h = m；否则第一个错误的版本在 [m + 1, n] 之间，令 l = m + 1。
因为 h 的赋值表达式为 h = m，因此循环条件为 l < h。
@ -246,9 +252,11 @@ public int singleNonDuplicate(int[] nums) {
public int firstBadVersion(int n) {
int l = 1, h = n;
while (l < h) {
int m = l + (h - l) / 2;
if (isBadVersion(m)) h = m;
else l = m + 1;
int mid = l + (h - l) / 2;
if (isBadVersion(mid))
h = mid;
else
l = mid + 1;
}
return l;
}
@ -268,8 +276,10 @@ public int findMin(int[] nums) {
int l = 0, h = nums.length - 1;
while (l < h) {
int m = l + (h - l) / 2;
if (nums[m] <= nums[h]) h = m;
else l = m + 1;
if (nums[m] <= nums[h])
h = m;
else
l = m + 1;
}
return nums[l];
}
@ -291,7 +301,9 @@ Output: [-1,-1]
public int[] searchRange(int[] nums, int target) {
int first = binarySearch(nums, target);
int last = binarySearch(nums, target + 1) - 1;
if (first == nums.length || nums[first] != target) return new int[]{-1, -1};
if (first == nums.length || nums[first] != target)
return new int[]{-1, -1};
else
return new int[]{first, Math.max(first, last)};
}
@ -299,8 +311,10 @@ private int binarySearch(int[] nums, int target) {
int l = 0, h = nums.length; // 注意 h 的初始值
while (l < h) {
int m = l + (h - l) / 2;
if (nums[m] >= target) h = m;
else l = m + 1;
if (nums[m] >= target)
h = m;
else
l = m + 1;
}
return l;
}
@ -5914,6 +5928,64 @@ class MapSum {
## 图
### 二分图
如果可以用两种颜色对图中的节点进行着色，并且保证相邻的节点颜色不同，那么这个图就是二分图。
**判断是否为二分图**
[Leetcode : 785. Is Graph Bipartite? (Medium)](https://leetcode.com/problems/is-graph-bipartite/description/)
```html
Input: [[1,3], [0,2], [1,3], [0,2]]
Output: true
Explanation:
The graph looks like this:
0----1
| |
| |
3----2
We can divide the vertices into two groups: {0, 2} and {1, 3}.
```
```html
Example 2:
Input: [[1,2,3], [0,2], [0,1,3], [0,2]]
Output: false
Explanation:
The graph looks like this:
0----1
| \ |
| \ |
3----2
We cannot find a way to divide the set of nodes into two independent subsets.
```
```java
public boolean isBipartite(int[][] graph) {
int[] colors = new int[graph.length];
Arrays.fill(colors, -1);
for (int i = 0; i < graph.length; i++)
if (colors[i] != -1 && !isBipartite(graph, i, 0, colors))
return false;
return true;
}
private boolean isBipartite(int[][] graph, int cur, int color, int[] colors) {
if (colors[cur] != -1)
return colors[cur] == color;
colors[cur] = color;
for (int next : graph[cur])
if (!isBipartite(graph, next, 1 - color, colors))
return false;
return true;
}
```
### 拓扑排序
常用于在具有先序关系的任务规划中。