标签归档:算法

leetcode 算法14天的自我总结

结论在前

1、我做算法题的目的是加深一下数据结构与算法的知识


2、不是做题就有效果,里面数据结构的基础好重要,没有这些数据的认识,也就是缺少了这部分的认知,你想10年都不一定有效果


3、题目需要看懂,不要拿起题目就分析用什么动态规划,递归虽然是必要的,但读懂题目更清楚用什么数据结构与算法去解决而不是做到差不多又重来


4、一定一定要拿出纸笔来描述算法的过程,画图这个真的好重要,分析能力的体验,我当时做的时候以为真的好简单,之后做了下,发现有边界情况,然后打补丁,不断提交,不断补丁导致这个程序变成,以针对特殊情况去解决问题,这个真的好像我们写业务代码一样,没有模式可言


5、做不出来,就不要死扣了等,直接看答案吧,这种不是怀疑自己智力,当你看完答案会有醍醐灌顶的效果,不懂看多几次


6、形成套路,这种抽象总结不是要你背诵题目,而是这些本来是需要了解,总结,抽象,公式化的东西,大脑是懒的我们需要更聪明地节省时间

题思考

1、Two Sum

https://leetcode-cn.com/problems/two-sum/
给你一个数组,里面是整数,还有给你一个目标数,寻址两数相加等于目标数
我的思路:我突然就想找出有多少个组合,并没有看懂题意,事实里面可能有很多组合如,[-2,3,4,2,1] , 目标数位 5,这个时候,组合有 [3,2], [4,1] 我的思考就去了这里,题目说只是说找出,没有说找全部 因此总结,题没有总结


解法:

1、两个循环,nxn 地循环 找出等于目标数
2、哈希表,这个思想是用空间换时间,在循环里面找到由目(标数 – 循环当前的数) 得到 0 的key在哈希表里面存在就说明找到这两个数

func twoSum(nums []int, target int) []int {
hashTable := map[int]int{}
for i, x := range nums {
if p, ok := hashTable[target-x]; ok {
return []int{p, i}
}
hashTable[x] = i
}
return nil
}


2、二分查找法
https://leetcode-cn.com/problems/binary-search/


我的思考:这本来熟悉到不熟悉,但实在没有多用忘记的忘记,其实这个在真的在业务开发用的很少?其实真是,你说排行榜,基本上你用上redis,或者几个循环就搞定了,就不需要太多,但当没有这些可以满足你的时候,你可能会寻找解决方案,你会查看他们源码,基本是用上了这些标准数据结构库进行处理,无论怎样变基本的东西都在这里
这个题意没有,但是鉴于忘记了这个算法,需要补充基本知识

func search(nums []int, target int) int {
    left, right := 0, len(nums)-1
    for left <= right {
        pivot := left + (right - left)
        if nums[pivot] == target {
            return pivot
        }
        if target < nums[pivot] {
            right = pivot - 1
        } else {
            left = pivot + 1
        }
    }
    return -1
}

3、278. 第一个错误的版本 https://leetcode-cn.com/problems/first-bad-version/

我的分析:题意没有理解,实例没有看明白,其实本地说的是调用内置函数,找出那几个版本是有问题的,这个就是考二分查找法

func firstBadVersion(n int) int {
    left, right := 1, n;
    for left < right { // 循环直至区间左右端点相同
         mid := left + (right - left) / 2; // 防止计算时溢出
        if (isBadVersion(mid)) {
            right = mid; // 答案在区间 [left, mid] 中
        } else {
            left = mid + 1; // 答案在区间 [mid+1, right] 中
        }
    }
    // 此时有 left == right,区间缩为一个点,即为答案
    return left;
}

4、35. 搜索插入位置 https://leetcode-cn.com/problems/search-insert-position/

给定一个排序数组和一个目标值,在数组中找到目标值,并返回其索引。如果目标值不存在于数组中,返回它将会被按顺序插入的位置。
请必须使用时间复杂度为 O(log n) 的算法。 输入: nums = [1,3,5,6], target = 5 输出: 2
我的分析:好像好简单,一个循环搞定,但是人家是给了一个循序数组给你,这个也是二分查找法最快,在工作上凡事需要查找某个值,建议还是先排好序,出了利用好算法外,还利用好数组里面的局部性,也就是加载到高速缓存上,更快给到CPU运算

func searchInsert(nums []int, target int) int {
    left, right := 0, len(nums)-1
    mid := left


    for left <= right {
        mid = left + (right-left)/2
        fmt.Println(nums[mid], left, mid, right)
        if nums[mid] == target {
            return mid
        } else if nums[mid] > target {
            right = mid - 1
        } else if nums[mid] < target {
            left = mid + 1
        }
    }


    if nums[mid] < target {
        return mid + 1
    } else {
        return mid
    }
}

4、977. 有序数组的平方 https://leetcode-cn.com/problems/squares-of-a-sorted-array/


给你一个按 非递减顺序 排序的整数数组 nums,返回 每个数字的平方 组成的新数组,要求也按 非递减顺序 排序。 输入:nums = [-4,-1,0,3,10] 输出:[0,1,9,16,100] 解释:平方后,数组变为 [16,1,0,9,100] 排序后,数组变为 [0,1,9,16,100]


有多种解法

https://leetcode-cn.com/problems/squares-of-a-sorted-array/solution/you-xu-shu-zu-de-ping-fang-by-leetcode-solution/https://leetcode-cn.com/problems/squares-of-a-sorted-array/solution/dai-ma-sui-xiang-lu-shu-zu-ti-mu-zong-ji-1rtz/

方法一:直接排序

方法二:双指针


我的分析:我是直接循环求平方,在排序,但是效果不好, 时间复杂度:O(n) 空间复杂度:O(logn)
看了答案后,发现人家是通过借助变量在同一个循环里面,找最大最小值,题目里面已经说明 非递减顺序 排序的整数数组,通过左右指针移动,指向的平方后比对大小看看,那个大在放到某个数组里面

func sortedSquares(nums []int) []int {
    n := len(nums)
    ans := make([]int, n)
    i, j := 0, n-1
    for pos := n - 1; pos >= 0; pos-- {
        if v, w := nums[i]*nums[i], nums[j]*nums[j]; v > w {
            ans[pos] = v
            i++
        } else {
            ans[pos] = w
            j--
        }
    }
    return ans
}


复杂度分析


时间复杂度:O(n),其中 nn 是数组 nums 的长度。


空间复杂度:O(1)。除了存储答案的数组以外,我们只需要维护常量空间。

5、189. 旋转数组 https://leetcode-cn.com/problems/rotate-array/


给定一个数组,将数组中的元素向右移动k个位置,其中k是非负数。
进阶:
尽可能想出更多的解决方案,至少有三种不同的方法可以解决这个问题。 你可以使用空间复杂度为O(1) 的原地算法解决这个问题吗?
输入: nums = [1,2,3,4,5,6,7], k = 3 输出: [5,6,7,1,2,3,4] 解释: 向右旋转 1 步: [7,1,2,3,4,5,6] 向右旋转 2 步: [6,7,1,2,3,4,5] 向右旋转 3 步: [5,6,7,1,2,3,4]

我的分析:第一次看不明白题目,看多次,原来是循环移动,所以这里就会出现mod的计算,如上面的例子中,7移动由6到0,1由0到1,除了mod之后还需要临时变量保存做交换

https://leetcode-cn.com/problems/rotate-array/solution/dai-ma-sui-xiang-lu-189-xuan-zhuan-shu-z-yb1c/

func rotate(nums []int, k int) []int {
    n := len(nums)
    k %= n


    for start, count := 0, gcd(k, n); start < count; start++ {
        pre, cur := nums[start], start
        // fmt.Println("1=1", pre, cur, start)
        for ok := true; ok; ok = cur != start {
            next := (cur + k) % n
            nums[next], pre, cur = pre, nums[next], next
            // fmt.Println("2=2", nums, next, pre, cur)
        }
    }
    return nums
}


func gcd(a, b int) int {
    for a != 0 {
        a, b = b%a, a
    }
    return b
}

6、283. 移动零
https://leetcode-cn.com/problems/move-zeroes/

给定一个数组 nums,编写一个函数将所有 0 移动到数组的末尾,同时保持非零元素的相对顺序。
示例:
输入: [0,1,0,3,12] 输出: [1,3,12,0,0] 说明:
必须在原数组上操作,不能拷贝额外的数组。 尽量减少操作次数。


我的分析:无思路,直接看答案,得知用双指针能解决,思路为

图解https://leetcode-cn.com/problems/move-zeroes/solution/dong-hua-yan-shi-283yi-dong-ling-by-wang_ni_ma/

7、344. 反转字符串 https://leetcode-cn.com/problems/reverse-string/


编写一个函数,其作用是将输入的字符串反转过来。输入字符串以字符数组 char[] 的形式给出。
不要给另外的数组分配额外的空间,你必须原地修改输入数组、使用 O(1) 的额外空间解决这一问题。


你可以假设数组中的所有字符都是 ASCII 码表中的可打印字符。
输入:[“h”,”e”,”l”,”l”,”o”] 输出:[“o”,”l”,”l”,”e”,”h”]


我的分析:双指针交换

func reverseString(s []byte)  {
    j := len(s) - 1
    i := 0
    for i < j  {
        s[i], s[j] = s[j], s[i]
        i += 1
        j -= 1
    }
}

8、557. 反转字符串中的单词 III

https://leetcode-cn.com/problems/reverse-words-in-a-string-iii/

给定一个字符串,你需要反转字符串中每个单词的字符顺序,同时仍保留空格和单词的初始顺序。
示例:
输入:”Let’s take LeetCode contest” 输出:”s’teL ekat edoCteeL tsetnoc”
我的分析,循环每个字符直到遇到空格为止,然后根据这个位置倒序地把字符赋值变量,然后这个变量添加这个空格

func reverseWords(s string) string {
    length := len(s)
    ret := []byte{}
    for i := 0; i < length; {
        start := i
        for i < length && s[i] != ' ' {
            i++
        }
        for p := start; p < i; p++ {
            ret = append(ret, s[start+i-1-p])
        }
        for i < length && s[i] == ' ' {
            i++
            ret = append(ret, ' ')
        }
    }
    return string(ret)
}

9、876. 链表的中间结点

https://leetcode-cn.com/problems/middle-of-the-linked-list/


给定一个头结点为 head的非空单链表,返回链表的中间结点。
如果有两个中间结点,则返回第二个中间结点。
示例 1:
输入:[1,2,3,4,5] 输出:此列表中的结点 3 (序列化形式:[3,4,5]) 返回的结点值为 3 。 (测评系统对该结点序列化表述是 [3,4,5])。 注意,我们返回了一个 ListNode 类型的对象 ans,这样: ans.val = 3, ans.next.val = 4, ans.next.next.val = 5, 以及 ans.next.next.next = NULL.


我的分析,这个看似是知道数量取中值,但是这个是链表,需要把所有元素都循环一次,效率为O(N),空间为O(N)(单指针法可以节省)
我查看了答案后,发现原来有快慢指针,这个真的让我刮目双看,slow 一次走一步,fast 一次走两步,当 fast 到达链表的末尾时,slow 必然位于中间

https://leetcode-cn.com/problems/middle-of-the-linked-list/solution/lian-biao-de-zhong-jian-jie-dian-by-leetcode-solut/

func middleNode(head *ListNode) *ListNode {
    slow := head;
    fast := head;
    for fast != nil && fast.Next != nil {
        slow = slow.Next;
        fast = fast.Next.Next;
    }
    return slow;
}

10、19. 删除链表的倒数第 N 个结点

https://leetcode-cn.com/problems/remove-nth-node-from-end-of-list/

给你一个链表,删除链表的倒数第 n 个结点,并且返回链表的头结点。 进阶:你能尝试使用一趟扫描实现吗?


输入:head = [1,2,3,4,5], n = 2 输出:[1,2,3,5]
我的分析,链表一个特性是找一个元素需要遍历,关于顺序我们可以通过快慢指针实现,通过一个哑变量来定位那个元素

func removeNthFromEnd(head *ListNode, n int) *ListNode {
    lenN := getNodesLen(head)
    // fmt.Println(lenN)
    dummy := &ListNode{0, head}
    cur := dummy
    for i:=0; i < lenN - n; i+=1 {
        cur = cur.Next
    } 
    // if cur.Next != nil {
        cur.Next = cur.Next.Next
    // } else {
    //     head = nil
    // }
    return dummy.Next
}


func getNodesLen(head *ListNode) int {
    n:=0
    for ; head !=nil; head = head.Next {
        n+=1
    }
    return n
}

11、3. 无重复字符的最长子串


https://leetcode-cn.com/problems/longest-substring-without-repeating-characters/


我的分析,我没有做出来,看完答案后,了解滑动窗口,由第一个字符开始,不断扩大自己的位数直到重复字符出现

func lengthOfLongestSubstring(s string) int {
    // 哈希集合,记录每个字符是否出现过
    m := map[byte]int{}
    n := len(s)
    // 右指针,初始值为 -1,相当于我们在字符串的左边界的左侧,还没有开始移动
    rk, ans := -1, 0
    for i := 0; i < n; i++ {
        if i != 0 {
            // 左指针向右移动一格,移除一个字符
            delete(m, s[i-1])
        }
        for rk + 1 < n && m[s[rk+1]] == 0 {
            // 不断地移动右指针
            m[s[rk+1]]++
            rk++
        }
        // 第 i 到 rk 个字符是一个极长的无重复字符子串
        ans = max(ans, rk - i + 1)
    }
    return ans
}


func max(x, y int) int {
    if x < y {
        return y
    }
    return x
}

https://leetcode-cn.com/problems/longest-substring-without-repeating-characters/solution/wu-zhong-fu-zi-fu-de-zui-chang-zi-chuan-by-leetc-2/

12、733. 图像渲染

https://leetcode-cn.com/problems/flood-fill/


有一幅以二维整数数组表示的图画,每一个整数表示该图画的像素值大小,数值在 0 到 65535 之间。
给你一个坐标(sr, sc)表示图像渲染开始的像素值(行 ,列)和一个新的颜色值newColor,让你重新上色这幅图像。
为了完成上色工作,从初始坐标开始,记录初始坐标的上下左右四个方向上像素值与初始坐标相同的相连像素点,接着再记录这四个方向上符合条件的像素点与他们对应四个方向上像素值与初始坐标相同的相连像素点,……,重复该过程。将所有有记录的像素点的颜色值改为新的颜色值。
最后返回经过上色渲染后的图像。
示例 1:
输入: image = [[1,1,1],[1,1,0],[1,0,1]] sr = 1, sc = 1, newColor = 2 输出: [[2,2,2],[2,2,0],[2,0,1]] 解析: 在图像的正中间,(坐标(sr,sc)=(1,1)), 在路径上所有符合条件的像素点的颜色都被更改成2。 注意,右下角的像素没有更改为2, 因为它不是在上下左右四个方向上与初始点相连的像素点。

func floodFill(image [][]int, sr int, sc int, newColor int) [][]int {
    lenc := len(image[0])
    lenr := len(image)


    if sr > lenr-1 || sc > lenc-1 {
        return image
    }


    centerColor := image[sr][sc]


    if centerColor == newColor {
        return image
    }


    // 上左下右顺序深度遍历
    image[sr][sc] = newColor


    // 记录遍历的点
    queue := [][]int{{sr, sc}}
    // fmt.Println(queue, image)
    // 从rc rs 出发
    for i := 0; i < len(queue); i++ {
        pos := queue[i]


        // 上
        if pos[0]-1 >= 0 && image[pos[0]-1][pos[1]] == centerColor {
            // fmt.Println("上")
            queue = append(queue, []int{pos[0] - 1, pos[1]})
            image[pos[0]-1][pos[1]] = newColor
        }
        // 右
        if pos[1]+1 < lenc && image[pos[0]][pos[1]+1] == centerColor {
            // fmt.Println("右")
            queue = append(queue, []int{pos[0], pos[1] + 1})
            image[pos[0]][pos[1]+1] = newColor
        }
        // 下
        if pos[0]+1 < lenr && image[pos[0]+1][pos[1]] == centerColor {
            // fmt.Println("下")
            queue = append(queue, []int{pos[0] + 1, pos[1]})
            image[pos[0]+1][pos[1]] = newColor
        }
        // 左
        if pos[1]-1 >= 0 && image[pos[0]][pos[1]-1] == centerColor {
            // fmt.Println("左")
            queue = append(queue, []int{pos[0], pos[1] - 1})
            image[pos[0]][pos[1]-1] = newColor
        }
        // fmt.Println(queue)
    }
    return image
}

13、617. 合并二叉树

https://leetcode-cn.com/problems/merge-two-binary-trees/

给定两个二叉树,想象当你将它们中的一个覆盖到另一个上时,两个二叉树的一些节点便会重叠。
你需要将他们合并为一个新的二叉树。合并的规则是如果两个节点重叠,那么将他们的值相加作为节点合并后的新值,否则不为 NULL 的节点将直接作为新二叉树的节点。

示例 1:

输入: 
    Tree 1                     Tree 2                  
          1                         2                             
         / \                       / \                            
        3   2                     1   3                        
       /                           \   \                      
      5                             4   7                  
输出: 
合并后的树:
         3
        / \
       4   5
      / \   \ 
     5   4   7
注意: 合并必须从两个树的根节点开始

我的分析,使用递归

func mergeTrees(root1 *TreeNode, root2 *TreeNode) *TreeNode {
    if root1 == nil {
        return root2
    }


    if root2 == nil {
        return root1
    }


    root1.Val += root2.Val
    root1.Left = mergeTrees(root1.Left, root2.Left)
    root1.Right = mergeTrees(root1.Right, root2.Right)


    return root1
}

14、116. 填充每个节点的下一个右侧节点指针

https://leetcode-cn.com/problems/populating-next-right-pointers-in-each-node

给定一个 完美二叉树 ,其所有叶子节点都在同一层,每个父节点都有两个子节点。二叉树定义如下:
struct Node {   int val;   Node *left;   Node *right;   Node *next; } 填充它的每个 next 指针,让这个指针指向其下一个右侧节点。如果找不到下一个右侧节点,则将 next 指针设置为 NULL。
初始状态下,所有 next 指针都被设置为 NULL。

进阶:
你只能使用常量级额外空间。 使用递归解题也符合要求,本题中递归程序占用的栈空间不算做额外的空间复杂度。


我的分析,广度遍历,进入下一个节点,把左右节点相连,然后在循环下一层在相连

func connect(root *Node) *Node {
    if root == nil {
        return root
    }
    leftNode := root


    for leftNode.Left != nil {
        node := leftNode


        // 遍历层
        for node != nil {
            // 左右节点连接
            node.Left.Next = node.Right


            if node.Next != nil {
                node.Right.Next = node.Next.Left
            }
            
            node = node.Next
        }


        leftNode = leftNode.Left
    }


    return root
}

15、21. 合并两个有序链表
https://leetcode-cn.com/problems/merge-two-sorted-lists/


将两个升序链表合并为一个新的 升序 链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。
输入:l1 = [1,2,4], l2 = [1,3,4] 输出:[1,1,2,3,4,4]


分析:递归方式,比对大小,停止条件

/**
 * Definition for singly-linked list.
 * type ListNode struct {
 *     Val int
 *     Next *ListNode
 * }
 */
func mergeTwoLists(l1 *ListNode, l2 *ListNode) *ListNode {
    if l1 == nil {
        return l2
    }


    if l2 == nil {
        return l1
    }


    if l1.Val < l2.Val {
        l1.Next = mergeTwoLists(l1.Next, l2)
        return l1
    } else {
        l2.Next = mergeTwoLists(l1, l2.Next)
        return l2
    }
}

16、206. 反转链表

https://leetcode-cn.com/problems/reverse-linked-list/

给你单链表的头节点 head ,请你反转链表,并返回反转后的链表。

输入:head = [1,2,3,4,5]输出:[5,4,3,2,1]

分析:递归,停止条件为这个节点的是否空或下一点为空

func reverseList(head *ListNode) *ListNode {
    if head == nil || head.Next == nil {
        return head
    }

    cur := reverseList(head.Next)
    head.Next.Next = head
    head.Next = nil
    return cur
}

17、77. 组合


https://leetcode-cn.com/problems/combinations/

给定两个整数 n 和 k,返回范围 [1, n] 中所有可能的 k 个数的组合。
你可以按 任何顺序 返回答案。
 示例 1:
输入:n = 4, k = 2输出:[  [2,4],  [3,4],  [2,3],  [1,2],  [1,3],  [1,4],]


分析,这题我做不到,这个需要用回溯算法

https://leetcode-cn.com/problems/combinations/solution/dai-ma-sui-xiang-lu-dai-ni-xue-tou-hui-s-0uql/ 

这个题解能够更好了解回溯算法,期重点是,找递归条件,还有一个出栈做回溯

func combine(n int, k int) [][]int {
    res := [][]int{}


    res = backtrack(n, k, 1, []int{}, res)


    return res
}


func backtrack(n, k, start int, track []int, res [][]int) [][]int {
    if len(track) == k {
        tmp := make([]int, k)
        copy(tmp, track)
        res = append(res, tmp)
    }


    if len(track)+n-start+1 < k {
        return res
    }


    for i := start; i <= n; i++ {
        track = append(track, i)
        res = backtrack(n, k, i+1, track, res)
        track = track[:len(track)-1]
    }
    return res
}

18、784. 字母大小写全排列

https://leetcode-cn.com/problems/letter-case-permutation/

给定一个字符串S,通过将字符串S中的每个字母转变大小写,我们可以获得一个新的字符串。返回所有可能得到的字符串集合。
示例: 输入:S = “a1b2” 输出:[“a1b2”, “a1B2”, “A1b2”, “A1B2”]
输入:S = “3z4” 输出:[“3z4”, “3Z4”]
输入:S = “12345” 输出:[“12345”]


分析:这个我完全做出来,但是不够简洁,看答案,二分掩码,递归


https://leetcode-cn.com/problems/letter-case-permutation/solution/zi-mu-da-xiao-xie-quan-pai-lie-by-leetcode/

func letterCasePermutation(s string) []string {
    slen := len(s)
    letters := [][]byte{}
    i := 0
    for i < slen {
        if check_is_letter(s[i]) {
            lower := lower_letter(s[i])
            upper := upper_letter(s[i])
            // fmt.Println(string(lower), string(upper))
            if len(letters) == 0 {
                letters = [][]byte{{lower}, {upper}}
            } else {
                tmp := make([][]byte, len(letters))
                copy(tmp, letters)


                letters = [][]byte{}
                for _, letter := range tmp {
                    letter = append(letter, lower)
                    tmpl := make([]byte, len(letter))
                    copy(tmpl, letter)
                    letters = append(letters, tmpl)
                    // fmt.Println("lower", string(tmpl))
                }


                for _, letter := range tmp {
                    letter = append(letter, upper)
                    tmpl := make([]byte, len(letter))
                    copy(tmpl, letter)
                    letters = append(letters, tmpl)


                    // fmt.Println("upper", string(letter))
                }
                // fmt.Println("letter:", letters)
            }
        } else {
            if len(letters) == 0 {
                letters = [][]byte{{s[i]}}
            } else {
                for j, letter := range letters {
                    letter = append(letter, s[i])
                    letters[j] = letter
                    // fmt.Println("not letter", string(letter))
                }
            }
        }
        i++
    }


    snew := []string{}
    for i := 0; i < len(letters); i++ {
        snew = append(snew, string(letters[i]))
    }


    return snew
}


func check_is_letter(s byte) bool {
    if s >= 65 && s <= 90 || s >= 97 && s <= 122 {
        return true
    } else {
        return false
    }


}


func lower_letter(s byte) byte {
    if s >= 65 && s <= 90 {
        return byte(s + 32)
    }


    return s
}


func upper_letter(s byte) byte {
    if s >= 97 && s <= 122 {
        return byte(s - 32)
    }
    return s
}

19、70. 爬楼梯

https://leetcode-cn.com/problems/climbing-stairs/

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。
每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢?
注意:给定 n 是一个正整数。
示例 1:
输入: 2 输出: 2 解释: 有两种方法可以爬到楼顶。 1.  1 阶 + 1 阶 2.  2 阶 示例 2:
输入: 3 输出: 3 解释: 有三种方法可以爬到楼顶。 1.  1 阶 + 1 阶 + 1 阶 2.  1 阶 + 2 阶 3.  2 阶 + 1 阶


分析:动态规划,矩阵快速幂。。这个对我来说比较新鲜,化了很多时间了解

https://leetcode-cn.com/problems/climbing-stairs/solution/pa-lou-ti-by-leetcode-solution/

func climbStairs(n int) int {
    p, q, r := 0, 0, 1
    for i := 1; i <= n; i++ {
        p = q
        q = r
        r = p + q
    }
    return r
}



20、198. 打家劫舍

https://leetcode-cn.com/problems/house-robber/


你是一个专业的小偷,计划偷窃沿街的房屋。每间房内都藏有一定的现金,影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警。
给定一个代表每个房屋存放金额的非负整数数组,计算你 不触动警报装置的情况下 ,一夜之内能够偷窃到的最高金额。
示例 1:
输入:[1,2,3,1] 输出:4 解释:偷窃 1 号房屋 (金额 = 1) ,然后偷窃 3 号房屋 (金额 = 3)。      偷窃到的最高金额 = 1 + 3 = 4 。 示例 2:
输入:[2,7,9,3,1] 输出:12 解释:偷窃 1 号房屋 (金额 = 2), 偷窃 3 号房屋 (金额 = 9),接着偷窃 5 号房屋 (金额 = 1)。      偷窃到的最高金额 = 2 + 9 + 1 = 12 。

分析:这条题目,好特别低介绍了如何对比两个前后指针变量总和来判断那个金额最高

func rob(nums []int) int {
    if len(nums) == 0 {
        return 0
    }


    if len(nums) == 1 {
       return nums[0]
    }


    p := nums[0]
    q := nums[1]
    if p > q {
        q = p
    }
    for i :=2; i < len(nums); i++ {
        tmp := q
        if p + nums[i] > q {
            q = p + nums[i]
        }
        p = tmp
    }


    return q
}

后面的是位移的题目


231. 2 的幂
https://leetcode-cn.com/problems/power-of-two/


191. 位1的个数

https://leetcode-cn.com/problems/number-of-1-bits/


190. 颠倒二进制位

https://leetcode-cn.com/problems/reverse-bits/


136. 只出现一次的数字

https://leetcode-cn.com/problems/single-number/


都是强调位移的特性,并,与,异或,运算的逻辑,190. 颠倒二进制位 比较有难度

基本上做不出的

46. 全排列 https://leetcode-cn.com/problems/permutations/


567. 字符串的排列 https://leetcode-cn.com/problems/permutation-in-string/


后续迭代


后续需要加强点有4个


1、重温数据结构与常规算法,把基础打号


2、每天找相关的题目来看看是否掌握


3、看动态规划,还有回溯算法,这类虽然对于日常工作用的不多主要是场景问题,如果要你做一个排班的问题,这个回溯算法就很有别要了

4、多搜索看看这些算法数据结构的实际用途

资料

1、极客时间,王峥算法,下面是我推荐连接

https://time.geekbang.org/column/intro/126?code=CLPyMszxrMlJaEgfJlmZNV9Qj77XsVva-DZ2BAcvJWc%3D&utm_term=SPoster&page=A

2、代码随想录

https://space.bilibili.com/525438321?from=search&seid=10425904522036290503

3、有条件的看youtu

负载均衡简要总结

无负载均衡

定义

旨意是位分布一系列任务到到一系列资源进行处理,目的是为了提高处理效率 关于任务,需要考虑任务的执行时间 任务的大小,任务依赖(任务调度metaheuristic),任务分发(Tree-Shaped Computation),这个决定了执行时间

算法

静态算法

不需要考虑处理任务的处理状态,分发给计算单元就行,也是有一定统计每个计算单元的任务量,优点是使用简单 代表算法 1、轮询请求(Round robin), 想象成一个循环链表,指针代表当前访问的节点,接收任务一次,指针移动一次指向下一个
2、随机请求(random),也就是随机函数挑选一个,也可以加上权重 3、哈希请求(hash), 通过hash函数,指派任务到某一组计算单元 4、权重(weight),设置计算单元,那些可以接收多些任务进行选取请求,这个也可以结合 轮询,会使分配更加均衡 5、最小工作(连接)请求(less,work) , 最小请求的计算单元,指派更多任务

动态算法

不同的计算单元需要交换状态信息,但效率会比较低需要收集多个计算单元负载情况 代表算法 Master-worker 通过一个主指派任务给每个worker,面对大量任务master 会称为瓶颈
非分层架构,个master-worker 相反,它利用一种叫做work stealing 的方式,指某个线程从其他队列里窃取任务来执行,这种思想是因为有些线程给某些线程更快处理完任务,可以把另外线程的任务队列拿来进行处理 在某些情况下还是会存在竞争,比如双端队列里只有一个任务时。并且该算法会消耗更多的系统资源, 比如创建多个线程和多个双端队列。 Work stealing 最大效益的是,每个任务计算不需要依赖其它任务完成,不然就变等待,这样效率也不会变高


平均负载算法

收集每个节点的负载情况,首先计算出集群各个节点的负载富余的平均值,然后求方差,如果结果越小则说明集群负载越均衡,状态越健康,越大则说明越不均衡,集群的负载均衡处于一个相对不健康的状态 基于网络响应时间(mongodb客户端),基于网络我们需要考虑 可信度问题,也就是需要考虑网络波动问题 例如:m0离当前时间最近,认为m0的可信度最高,所以给了36%的权重


基于负载值

例如:m表示计算得到的负载值,m0表示当前获取到的节点负载,m1表示上一秒获取到的节点负载,参数D是可信度系数,表示上一秒的节点负载值对当前负载值的影响程度,越大表示影响越小
并行硬件负载均衡设计 硬件并行计算任务需要考虑 1、异构计算机组成 2、共享与分布式内存,通过分布式内存与消息通知协调处理单元 3、分层处理”Master-Worker”,通过这个模式,master 指派任务到不同的计算单元硬件上 4、易扩展 5、容错

基于网络层面考虑

四层(TCP 和 UDP)是基于连接做流量调度,TCP Keepalive 保持长连接 七层(HTTP/HTTPS)是基于请求做调度。比如 http get 请求访问一个页面。 四层 vs 七层 四层,客户端和Real Server仅仅只建立了一条连接,负载均衡器仅仅只起着转发这样的一个功能,只不过在转发的过程当中将IP报文头做个修改。但是连接始终还是一条连接 七层,负载均衡器对负载均衡要求更加高,因为一个正常连接都会建立两条独立的TCP连接。由于建立了两条TCP连接 七层返回数据模式:Real Server将请求处理完毕之后纯粹的将请求发回给负载均衡处理,负载均衡处理器再将请求转发给客户端,正常的TCP连接基于七层的,进要经过负载均衡器出也要经过负载均衡器,就是进出都要经过负载均衡器 四层返回数据模式:请求客户端到达服务端之后,服务端响应返回数据有两种方式。一种是直接将数据返回给客户端,而不经过中间的四层负载均衡器,这是经常使用的DR方式

负载均衡系统设计特点

请求的分发        

静态算法         动态算法

会话保持    

源IP地址的持续性保持      cookie 持续性保持      基于HTTP报文头的持续性保持

服务健康监测    

利用ICMP、TCP、HTTP、FTP等协议进行检测,即主要是在传输层和应用层进行检测     

故障隔离    出现问题剔除

自动恢复    自动注册

均衡的应用

DNS负载均衡(DNS RR记录)全局负载均衡(GSL.B,Global Server Load Balance)主要的目的是在整个网络范围内将用户的请求定向到最近的节点(或者区域) 基于DNS实现、基于重定向实现、基于路由协议实现 特点:能通过判断服务器的负载,包括CPU占用、带宽占用等数据,决定服务器的可用性,同时能判断用户(访问者)与服务器间的链路状况,选择链路状况最好的服务器
优点使用简单:负载均衡工作,交给DNS服务器处理,省掉了负载均衡服务器维护的麻烦提高性能:可以支持基于地址的域名解析,解析成距离用户最近的服务器地址,可以加快访问速度,改善性能; 缺点可用性差:DNS解析是多级解析,新增/修改DNS后,解析时间较长;解析过程中,用户访问网站将失败;扩展性低:DNS负载均衡的控制权在域名商那里,无法对其做更多的改善和扩展;维护性差:也不能反映服务器的当前运行状态;支持的算法少;不能区分服务器的差异(不能根据系统与服务的状态来判断负载)

IP负载均衡(反向代理)在网络层通过修改请求目标地址进行负载均衡 真实服务器处理完成后,响应数据包回到负载均衡服务器,负载均衡服务器,再将数据包源地址修改为自身的ip地址,发送给用户浏览器 IP负载均衡,真实物理服务器返回给负载均衡服务器,存在两种方式:
(1)负载均衡服务器在修改目的ip地址的同时修改源地址。将数据包源地址设为自身盘,即源地址转换(snat)。
(2)将负载均衡服务器同时作为真实物理服务器集群的网关服务器。
优点:
(1)在内核进程完成数据分发,比在应用层分发性能更好;
缺点:
(2)所有请求响应都需要经过负载均衡服务器,集群最大吞吐量受限于负载均衡服务器网卡带宽;

链路层负载均衡

数据分发时,不修改ip地址,指修改目标mac地址,配置真实物理服务器集群所有机器虚拟ip和负载均衡服务器ip地址一致,达到不修改数据包的源地址和目标地址,进行数据分发的目的。 实际处理服务器ip和数据请求目的ip一致,不需要经过负载均衡服务器进行地址转换,可将响应数据包直接返回给用户浏览器,避免负载均衡服务器网卡带宽成为瓶颈。也称为直接路由模式(DR模式) DR模式 意思是 后端服务直接跟服务端进行数据交互 实现方式,多个后端服务器 + 一个入口(LVS)形成一个VIP入口,然后入口接收请求,转发给后端服务器(端口需要一致 客户访问80,后端服务也是80)然后入口把mac地址改为客户端把包交给后端服务器,通过修改数据包进行数据均衡,这个时候入口会记录这个配对

负载均衡请求不均衡的原因

1、长链某些节点 2、后端某些节点响应异常 如 开启了会话保持功能 健康检查异常 TCP Keepalive 保持长连接
加权最小连接数(WLC)调度方式和会话保持 -> 尝试改为加权加权轮询(WRR)算法和会话保持

https://developer.qiniu.com/qvm/kb/5144/the-common-problems-in-load-balancing


工具

分类

七层代理 nginx haproxy

四层代理 lvs,haproxy, F5

CDN,分布式内容


解析

LVS

是基于Linux操作系统实现的一种软负载均衡,四层的IP负载均衡技术 LVS+Keepalived 对 MySQL 主从做负载均衡
LVS的优点 抗负载能力强、是工作在网络4层之上仅作分发之用,没有流量的产生,这个特点也决定了它在负载均衡软件里的性能最强的,对内存和cpu资源消耗比较低 缺点 软件本身不支持正则表达式处理,不能做动静分离;而现在许多网站在这方面都有较强的需求,这个是Nginx/HAProxy+Keepalived的优势所在

HAProxy

补充Nginx的一些缺点,比如支持Session的保持,Cookie的引导;同时支持通过获取指定的url来检测后端服务器的状态。 支持TCP协议的负载均衡转发,可以对MySQL读进行负载均衡,对后端的MySQL节点进行检测和负载均衡,大家可以用LVS+Keepalived对MySQL主从做负载均衡
HAProxy 是基于第三应用实现的软负载均衡,Haproxy 是基于四层和七层技术 HAProxy 负载均衡策略非常多:Round-robin(轮循)、Weight-round-robin(带权轮循)、source(原地址保持)、RI(请求URL)、rdp-cookie(根据cookie)static-rr,表示根据权重

Nginx

Nginx 优点:基于系统与应用的负载均衡,能够更好地根据系统与应用的状况来分配负载 缺点:负载能力受服务器本身性能的影响,仅能支持http、https和Email协议
Nginx 实现负载均衡的分配策略, 轮询(默认):weight:指定轮询几率。  ip_hash:每个请求按访问 ip 的 hash 结果分配。  fair(第三方):按后端服务器的响应时间来分配请求,响应时间短的优先分配。  url_hash(第三方):按访问 url 的 hash 结果来分配请求,使每个 url 定向到同一个后端服务器,后端服务器为缓存时比较有效。

F5

优点:能够直接通过智能交换机实现,处理能力更强,而且与系统无关,负载性能强,更适用于一大堆设备、大访问量、简单应用。

缺点:成本高,除设备价格高昂,而且配置冗余,很难想象后面服务器做一个集群,但最关键的负载均衡设备却是单点配置,无法有效掌握服务器及应用状态。负载均衡功能

F5 BIG-IP用作HTTP负载均衡器的主要功能:

1、F5 BIG-IP提供12种灵活的算法将所有流量均衡的分配到各个服务器,而面对用户,只是一台虚拟服务器。

2、F5 BIG-IP可以确认应用程序能否对请求返回对应的数据。假如F5 BIG-IP后面的某一台服务器发生服务停止、死机等故障,F5会检查出来并将该服务器标识为宕机,从而不将用户的访问请求传送到该台发生故障的服务器上。这样,只要其它的服务器正常,用户的访问就不会受到影响。宕机一旦修复,F5 BIG-IP就会自动查证应用保证对客户的请求作出正确响应并恢复向该服务器传送。

3、F5 BIG-IP具有动态Session的会话保持功能,笔者也是在网站中使用的F5将用户IP与Session通过F5进行的绑定,使其Session保持一致。

4、F5 BIG-IP的iRules功能可以做HTTP内容过滤,根据不同的域名、URL,将访问请求传送到不同的服务器。


https://zhuanlan.zhihu.com/p/71825940https://www.haproxy.com/blog/layer-4-load-balancing-direct-server-return-mode/

应用场景

DNS 轮询算法,一个域名有多个IP解析 反向代理 nginx php-fpm master work方式

问题

1、对于负载均衡的后端服务,有两个节点A,B,在长链的情况下,他们的连接数都很平均,如果某个出现故障这个时候,如A 故障后,它的连接都转移到B上,这个时候A恢复,怎样平衡回去

这个问题如果是处理任务还可以通过work steal方式来处理这个问题,但是如果是长连接的话,需要在负载均衡上面通过修改最小连接或者加权来慢慢把B的连接追上,而不是轮询打到A上,因为此时A已经好高连接数了

长连接的优势

要点 跟短链接对比,避免重新协商 SSL,避免回话建立 考虑点 1、线路带宽 2、机器负载
解决方式 可以基于网络连接时间 与 每个机器的负载,取权重且计算出方差去挑选那个节点比较优
如 流媒体内容的质量仍然取决于用户的连接速

https://www.open-open.com/lib/view/open1426302583482.html

https://lushunjian.github.io/blog/2018/07/28/%E9%95%BF%E8%BF%9E%E6%8E%A5%E7%9A%84%E8%B4%9F%E8%BD%BD%E5%9D%87%E8%A1%A1/


案例 

阿里巴巴为什么能抗住90秒100亿? https://zhuanlan.zhihu.com/p/338884995

亿级Web系统搭建 Web负载均衡的几种实现方式(阿里) https://www.cnblogs.com/aspirant/p/11607839.html

资料

论文 https://en.wikipedia.org/wiki/MetaheuristicHierarchical Work-Stealing https://hal.inria.fr/inria-00429624v2/documentOn the Scalability of Constraint Programming on Hierarchical Multiprocessor Systems https://dspace.uevora.pt/rdpc/bitstream/10174/10653/1/icpp2013.pdf
Scheduling Multithreaded Computations by Work Stealing http://supertech.csail.mit.edu/papers/steal.pdfTree-Shaped computation Tree Shaped Computations as a Model for Parallel Applications https://en.wikipedia.org/wiki/Distributed_tree_searchTree Shaped Computations as a Model for Parallel Applications San98b.pdf https://en.wikipedia.org/wiki/Distributed_tree_searchhttps://en.wikipedia.org/wiki/Round-robin_schedulinghttps://en.wikipedia.org/wiki/Message_passinghttps://en.wikipedia.org/wiki/Distributed_shared_memoryhttps://en.wikipedia.org/wiki/Distributed_cachehttps://en.wikipedia.org/wiki/Load_balancing_(computing)#Non-hierarchical_architecture,_without_knowledge_of_the_system:_work_stealing

http://www.uml.org.cn/zjjs/201807091.asp
https://zhuanlan.zhihu.com/p/31777732
Web后端系统架构漫谈(1)——负载均衡 https://nullcc.github.io/2017/11/23/Web%E5%90%8E%E7%AB%AF%E7%B3%BB%E7%BB%9F%E6%9E%B6%E6%9E%84%E6%BC%AB%E8%B0%88(1)%E2%80%94%E2%80%94%E8%B4%9F%E8%BD%BD%E5%9D%87%E8%A1%A1/
六大Web负载均衡原理与实现 https://www.cnblogs.com/aspirant/p/9087716.html
LVS集群中的IP负载均衡技术 https://cloud.tencent.com/developer/article/1031890https://www.cnblogs.com/aspirant/p/9084740.html
负载均衡的原理和实现细节 – 代码 https://dubbo.apache.org/zh/docs/v2.7/dev/source/loadbalance/全局负载均衡GSLB https://jjayyyyyyy.github.io/2017/05/17/GSLB.htmlhttps://www.efficientip.com/what-is-gslb/

Leetcode 刷题 第八天 – 617. 合并二叉树,116. 填充每个节点的下一个右侧节点指针 – 解题思路

617. 合并二叉树

解题思路:递归函数,不断把两个点相加,边界范围为他们在递归的下一个节点为空,称为上一个节点左或右

func mergeTrees(root1 *TreeNode, root2 *TreeNode) *TreeNode {
    if root1 == nil {
        return root2
    }

    if root2 == nil {
        return root1
    }

    root1.Val += root2.Val
    root1.Left = mergeTrees(root1.Left, root2.Left)
    root1.Right = mergeTrees(root1.Right, root2.Right)

    return root1
}

时间复杂度:O(min(m,n))O(min(m,n)),其中 mm 和 nn 分别是两个二叉树的节点个数。对两个二叉树同时进行深度优先搜索,只有当两个二叉树中的对应节点都不为空时才会对该节点进行显性合并操作,因此被访问到的节点数不会超过较小的二叉树的节点数。

空间复杂度:O(min(m,n))O(min(m,n)),其中 mm 和 nn 分别是两个二叉树的节点个数。空间复杂度取决于递归调用的层数,递归调用的层数不会超过较小的二叉树的最大高度,最坏情况下,二叉树的高度等于节点数。

116. 填充每个节点的下一个右侧节点指针

解题思路:这个是二叉树层次遍历

步骤如下

1、先父节点的左边开始,左节点连接右节点,

2、父节点的相邻节点在开始

3、重复1,2直到走完左节点

func connect(root *Node) *Node {
    if root == nil {
        return root
    }
    leftNode := root

    for leftNode.Left != nil {
        node := leftNode

        // 遍历层
        for node != nil {
            // 左右节点连接
            node.Left.Next = node.Right

            if node.Next != nil {
                node.Right.Next = node.Next.Left
            }
            
            node = node.Next
        }

        leftNode = leftNode.Left
    }

    return root
}
时间复杂度:O(N),每个节点只访问一次。
空间复杂度:O(1),不需要存储额外的节点。

Leetcode 刷题 第七天 – 733. 图像渲染,695. 岛屿的最大面积 解题思路

733. 图像渲染

解题思路:然每个节点进行广度或深度遍历,这里需要注意一个边界问题防止重复添加到访问,这个要点在把不同颜色判断为需要遍历的节点

func floodFill(image [][]int, sr int, sc int, newColor int) [][]int {
    lenc := len(image[0])
	lenr := len(image)

	if sr > lenr-1 || sc > lenc-1 {
		return image
	}

	centerColor := image[sr][sc]

	if centerColor == newColor {
		return image
	}

	// 上左下右顺序深度遍历
	image[sr][sc] = newColor

	// 记录遍历的点
	queue := [][]int{{sr, sc}}
	// fmt.Println(queue, image)
	// 从rc rs 出发
	for i := 0; i < len(queue); i++ {
		pos := queue[i]

		// 上
		if pos[0]-1 >= 0 && image[pos[0]-1][pos[1]] == centerColor {
			// fmt.Println("上")
			queue = append(queue, []int{pos[0] - 1, pos[1]})
			image[pos[0]-1][pos[1]] = newColor
		}
		// 右
		if pos[1]+1 < lenc && image[pos[0]][pos[1]+1] == centerColor {
			// fmt.Println("右")
			queue = append(queue, []int{pos[0], pos[1] + 1})
			image[pos[0]][pos[1]+1] = newColor
		}
		// 下
		if pos[0]+1 < lenr && image[pos[0]+1][pos[1]] == centerColor {
			// fmt.Println("下")
			queue = append(queue, []int{pos[0] + 1, pos[1]})
			image[pos[0]+1][pos[1]] = newColor
		}
		// 左
		if pos[1]-1 >= 0 && image[pos[0]][pos[1]-1] == centerColor {
			// fmt.Println("左")
			queue = append(queue, []int{pos[0], pos[1] - 1})
			image[pos[0]][pos[1]-1] = newColor
		}
		// fmt.Println(queue)
	}
	return image
}


时间复杂度:O(n x m)O(n×m),其中 nn 和 mm 分别是二维数组的行数和列数。最坏情况下需要遍历所有的方格一次。

空间复杂度:O(n x m)O(n×m),其中 nn 和 mm 分别是二维数组的行数和列数。主要为队列的开销。

695. 岛屿的最大面积

解题思路:图的遍历都需要考虑一个是否访问过的问题,因此提也是通过对比值进行,把访问过的变位0,就不会在访问统计队列中

时间复杂度:O(n x m)O(n×m), 空间复杂度:O(n x m)O(n×m)

nn 和 mm 分别是二维数组的行数和列数

总结

解题思路,广度优先搜索 / 深度优先搜索,都是需要考虑边界问题,防止重复访问,需要遍历全部并且需要额外的存储空间

Leetcode 刷题 第六天 – 567. 字符串的排列

567. 字符串的排列

解题思路:此题,我没有看清楚,原来是需要找子串的排列组合在主串的是否存在

// 标准答案,通过26个字母位置统计总数,如果位置相等则保存说明子串与存在主串中
func checkInclusion(s1, s2 string) bool {
    n, m := len(s1), len(s2)
    if n > m {
        return false
    }
    var cnt1, cnt2 [26]int
    for i, ch := range s1 {
        cnt1[ch-'a']++
        cnt2[s2[i]-'a']++
    }
    if cnt1 == cnt2 {
        return true
    }
    for i := n; i < m; i++ {
        cnt2[s2[i]-'a']++
        cnt2[s2[i-n]-'a']--
        if cnt1 == cnt2 {
            return true
        }
    }
    return false
}


// 没有考虑到子串组合
func checkInclusion(s1 string, s2 string) bool {
s1Len := len(s1)
	s2Len := len(s2)

	maxLen := s1Len
	maxS := s1
	minLen := s2Len
	minS := s2
	if s2Len > s1Len {
		maxLen, minLen = minLen, maxLen
		maxS, minS = minS, maxS
	}
	// fmt.Println(maxS, minS)
	j := 0
	for i := 0; i < maxLen; i++ {
		// 正向匹配

		tmp := i
		j = 0
		for j < minLen && tmp < maxLen {
			// fmt.Println(tmp, j, minLen, string(maxS[tmp]), string(minS[j]))
			if maxS[tmp] == minS[j] {
				j++
				tmp++
			} else {
				j = 0
				break
			}
		}
		if j == minLen {
			return true
		}
		// 逆向匹配
		tmp = i
		j = 0
		for j < minLen && tmp < maxLen {
			// fmt.Println(tmp, j, minLen, maxS[tmp], minS[minLen-1-j], minLen-1-j)
			if maxS[tmp] == minS[minLen-1-j] {
				j++
				tmp++
			} else {
				j = 0
				break
			}
		}
		// fmt.Println(j)
		if j == minLen {
			return true
		}
	}

	return false
}

3. 无重复字符的最长子串

解题思路:这条题对比这个字符是否包含在字符串内,方式有快慢指针对比两个数组,滑动窗口,kmp算法,此题需要反转数组在比对,因此kmp不合适

 maxLen := 0
	sLen := len(s)

	for i := 0; i < sLen; i++ {
		j := i
		curHash := make(map[byte]int)
		// fmt.Println(i, j, sLen, s[j])
		for j < sLen && curHash[s[j]] == 0 {
			curHash[s[j]]++
			j++
		}
		// fmt.Println(curHash)
		if maxLen < j-i {
			maxLen = j - i
		}
	}

	return maxLen

Leetcode 刷题 第五天 – 876. 链表的中间结点,19. 删除链表的倒数第 N 个结点

876. 链表的中间结点

解题思路,双指针,快慢指针,快慢指针只差一个值

func middleNode(head *ListNode) *ListNode {
    slow := head;
    fast := head;
    for fast != nil && fast.Next != nil {
        slow = slow.Next;
        fast = fast.Next.Next;
    }
    return slow;
}

19. 删除链表的倒数第 N 个结点

解题思路:双指针,通过(长度 – 要删除的位置)的前n个元素的要删除的这个元素的前一个节点,根据前一个节点的后一个的后一个,为要删除的节点的后面元素得剩余数组

func removeNthFromEnd(head *ListNode, n int) *ListNode {
    lenN := getNodesLen(head)
    // fmt.Println(lenN)
    dummy := &ListNode{0, head}
    cur := dummy
    for i:=0; i < lenN - n; i+=1 {
        cur = cur.Next
    } 
    // if cur.Next != nil {
        cur.Next = cur.Next.Next
    // } else {
    //     head = nil
    // }
    return dummy.Next
}

func getNodesLen(head *ListNode) int {
    n:=0
    for ; head !=nil; head = head.Next {
        n+=1
    }
    return n
}

Leetcode 刷题 第三天 – 167. 两数之和 II – 输入有序数组,283. 移动零

两数之和 II – 输入有序数组

https://leetcode-cn.com/problems/two-sum-ii-input-array-is-sorted/

解题思路:通过hash下标记录待减的数,减少循环

hashMap := map[int]int{}

	for i, num := range numbers {
		if p, ok := hashMap[target-num]; ok {
			return []int{p+1, i+1}
		}
		hashMap[num] = i
	}

移动零

解题思路:通过双指针,i,j,进行比较的下标,如果不等就进行替换,不等移动知道最后一个指针到达终点,通过双指针进行元素的移动,不断进行比较,这样能够减少循环的次数,从而能够在有序的数组中进行不断,不需要双重循环,导致时间复杂度为O(n^2)

left, right, n := 0, 0, len(nums)
	for right < n {
		if nums[right] != 0 {
			nums[left], nums[right] = nums[right], nums[left]
			left++
		}
		right++
	}

https://leetcode-cn.com/problems/move-zeroes/

总结

1、多接力,通过i,j不断移动数组

2、老说话,请拿起纸笔,不要急于编码

leetcode 刷题(第二天)- 双指针,数组排序

977. 有序数组的平方

https://leetcode-cn.com/problems/squares-of-a-sorted-array/

解题要点:通过双指针,来记录素组位置做到排序效果,因为数组已经排序好了,现在需要把负数的跟前一个进行比较替换

n := len(nums)
	ans := make([]int, n)
	i, j := 0, n-1
	for pos := n - 1; pos >= 0; pos-- {
		if v, w := nums[i]*nums[i], nums[j]*nums[j]; v > w {
			ans[pos] = v
			i++
		} else {
			ans[pos] = w
			j--
		}
	}
	return an

189. 旋转数组

https://leetcode-cn.com/problems/squares-of-a-sorted-array/

解题要点:在数组中旋转操作,离不开 mod 的计算,避免移出,通过k mod n,得到最后少于 n 的数,让里面每个数字,都移动k mod n 位,下次循环替换,next位

n := len(nums)
	k %= n

	for start, count := 0, gcd(k, n); start < count; start++ {
		pre, cur := nums[start], start
		fmt.Println("1=1", pre, cur, start)
		for ok := true; ok; ok = cur != start {

			next := (cur + k) % n
                        // 关键点在这里
			nums[next], pre, cur = pre, nums[next], next
			fmt.Println("2=2", nums, next, pre, cur)
		}
	}

leetcode 算法题(第一天)- 总结(二分查找法,空间换时间思想)

这是我做算法题的第一天,为什么要做算法题,思维锻炼,而且能够巩固理论,我认为总会在我们工作上会使用上算法这个东西,用上合适的数据结构,让程序运行更快

这里挑选了两类题

1、数组查找数

https://github.com/haimingfg/data-struct/blob/main/go/twoSum.go

2、二分查找法

https://github.com/haimingfg/data-struct/blob/main/go/searchInsert.go

https://github.com/haimingfg/data-struct/blob/main/go/binary.go

这里可以贴题,但我解析的不够官网精彩,因此我挑选了一些我认为重点的东西

第一,做这些算法题或平时工作首要要做的事情是【读懂题】,这个十分重要,就好像理解需求一样,理解错了,你做的快又如何

第二,要拿起纸笔,做每轮循环里面数组或变量变化的情况

第三,要把一些极端值弄上去看是否有问题

第四,做太久都做不出来先看答案,一般思考10分钟,10分钟编码调式

第五,总结代码套路,便于后续工作做业务的时候能够直接拿来用

如,二分查找法的算法点,空间换时间思想,常用hash表进行一些存储,减少遍历带来的时间损耗

二分查找,三个值,left,mid,right,mid 通过 left + (right - left )/2 计算出来,如果某个值大于target值,则向right向左边走,也就是right = mid - 1 否则 left 右边走

left, right := 0, len(nums)-1
    mid := left


    for left <= right {
        mid = left + (right-left)/2
        fmt.Println(nums[mid], left, mid, right)
        if nums[mid] == target {
            return mid
        } else if nums[mid] > target {
            right = mid - 1
        } else if nums[mid] < target {
            left = mid + 1
        }
    }

空间换时间
if p, ok := hashMap[target-num]; ok {
            return []int{p, i}
        }
        hashMap[num] = i
        fmt.Println(hashMap)