代码随想录刷题

数组

二分查找

  • 思路: 有序数组,数组中无重复元素

移除元素

  • 思路: 数组在内存地址中是连续的,不能单独删除某个数组中的某个元素,只能覆盖

    • 快慢指针法,用于数组、链表、字符串等的操作

    • 双向指针法,更优,移动更少的元素

  • 注意:

    • 补充快慢指针法的代码

    • 交换时候注意只有在交换的时候,左右数组的下标才额外在交换之后移动一位,用left–和right++

有序数组的平方

  • 思路: 复数有可能成为最大值,左右比较,放到一个新的数组里面

    • 双向指针法:时间复杂度为o(n)
    • sort的时间复杂度为o(nlogn)
  • 注意: 这个里面先求出大的数,因此想得到递增序列之只能从后往前存储。

长度最小的子数组

  • 思路: 暴力算法时间复杂度十分高,会超时
    考虑用更优的算法

    • 暴力解法:如果用暴力解法,两个for循环,时间复杂度为o(n^2)

    • 滑动窗口解法:设置一个窗口,不断的移动头和尾,很类似于双指针法

      每一个元素都被操作了两次,是o(n)级别的算法

  • 注意:

    • 设置最开始的窗口值要设置成最大的数,防止出现第一次的窗口值很大,小于返回值的初始值,导致无法更新返回值的情况
    • INT32_MAX是c++中定义的宏常量,代表int类型32位整数的最大值
  • 代码:

    class Solution {
    public:
    	int minSubArrayLen(int target, vector<int>& nums) {
    		//初始化滑动窗口的大小尾0
    		//INT32_MAX是c++标准库中定义的一个宏函数,代表32位有符号整数的最大值
    		//这里把窗口值的初始值设置为最大
    		//防止第一次出现的窗口过于大,导致第一次窗口的值无法赋给返回值的情况
    		int min_sub_array_len = INT32_MAX;
    		int left = 0;
    		//初始化sum的值
    		int sum = 0;
    		
    		//循环遍历找大于target的窗口
    		for (int i = 0; i < nums.size(); i++) {
    			sum += nums[i];
    			while (sum >= target) {
    				//更新最小窗口值
    				min_sub_array_len = (min_sub_array_len < (i - left + 1)) ? min_sub_array_len : (i - left + 1);
    				//将窗口左边右移,并且将左值减去
    				sum -= nums[left++];
    			}
    		}
    		return min_sub_array_len == INT32_MAX ? 0 : min_sub_array_len;
    	}
    };
    

螺旋矩阵

  • 思路: 坚持循环不变量原则

  • 注意: 考察对代码的控制

  • 代码:

    class Solution {
    public:
    	vector<vector<int>> generateMatrix(int n) {
    		//二维数组中螺旋矩阵,遵循循环不变量原则
    		//都左闭右开,1-n^2,总共有n行n列
    		vector<vector<int>> res(n, vector<int>(n, 0));
    		//总共要转n/2圈
    		int loop = n / 2;
    		//定义每次打印的初始边界
    		int starx = 0, stary = 0;
    		//填充的元素
    		int count = 1;
    		//右边界,每次循环有边界收缩一位
    		int offset = n;
    		//总共转loop圈
    		while (loop--) {
    			int i = starx;
    			int j = stary;
    			//填充从左到右
    			//左闭右开,右边最后一个元素不填充
    			for (j = stary; j < offset - 1; j++) {
    				res[i][j] = count;
    				count++;
    			}
    			//填充从上到下
    			for (i = starx; i < offset - 1; i++) {
    				res[i][j] = count;
    				count++;
    			}
    			//填充从右到左
    			for (; j > starx; j--) {
    				res[i][j] = count;
    				count++;
    			}
    			//填充从下到上
    			for (; i > stary; i--) {
    				res[i][j] = count;
    				count++;
    			}
    			//第二圈的时候,起始位置++
    			starx++;
    			stary++;
    			//收缩右边的值
    			offset--;
    		}
    		//当n为奇数的时候,单独填充中间的元素
    		if (n % 2 != 0) {
    			res[n / 2][n / 2] = count;
    		}
    		return res;
    	}
    };
    
  • 总结:

    • 数组中的元素是不能删除的,只能覆盖

    • vector 和 array的区别:

      vector的底层实现是array,vector严格上说只是容器,不是数组

数组的经典算法

  • 二分法

    注意界限的控制

    注意循环不变量原则

    看left==right的时候有没有定义成不成立

    时间复杂度是O(logn)

    暴力解决的时间复杂度是O(n)

  • 双指针法

    快慢指针法

    时间复杂度是O(n)

    暴力解决的时间复杂度是O(n^2)

  • 滑动窗口

    一种特殊的双指针法

    时间复杂度为O(n)

    暴力解决的时间复杂度是O(n^2)

  • 模拟行为

    注意循环不变量原则
    主要考察对代码的控制力

链表

移除链表元素

  • 代码:

    struct ListNode {
    	int val;
    	ListNode* next;
    	//三个构造函数
    	ListNode() : val(0), next(nullptr) {}
    	ListNode(int x) : val(x), next(nullptr) {}
    	ListNode(int x, ListNode* next) : val(x), next(next) {}
    };
    
    class Solution {
    public:
    	ListNode* removeElements(ListNode* head, int val) {
    		//如果头节点的值等于val
    		//删除头节点
    		while (head != NULL && head->val == val) {
    			ListNode* temp = head;
    			head = head->next;
    			//delete用于释放内存
    			delete temp;
    		}
    		//删除非头节点
    		ListNode* curr = head;
    		//检查的是curr的下一个是不是val
    		while (curr != NULL && curr->next != NULL) {
    			if (curr->next->val == val) {
    				ListNode* temp = curr->next;
    				curr->next = curr->next->next;
    				delete temp;
    			}
    			else {
    				curr = curr->next;
    			}
    		}
    		return head;
    	}
    };
    

设计链表

  • 思路: 两种方法

    • 带头节点
    • 不带头节点:实际上应用中都没有头节点

翻转链表

  • 思路: 不需要额外空间,直接定义指针
class Solution {
public:
	ListNode* reverseList(ListNode* head) {
		//翻转链表
		//保存curr下一个结点
		ListNode* temp;
		ListNode* curr = head;
		ListNode* pre = NULL;
		
		//当temp不等于NULL的时候
		while (curr){
			temp = curr->next;
			curr->next = pre;
			pre = curr;
			curr = temp;
		}
		return pre;
	}
};

两两交换链表中的节点

  • 思路: 如果没有虚拟头结点,第一次对于头节点的处理会比较困难
class Solution {
public:
	ListNode* swapPairs(ListNode* head) {
		//设置一个虚拟头节点
		//设置虚拟头节点和头指针有什么区别?
		//如果设置头节点指针,仍然第一个要对头节点进行操作
		//操作不统一
		ListNode* dummyhead = new ListNode(0);
		dummyhead->next = head;

		//操作要从虚拟节点开始
		ListNode* curr = dummyhead;
		ListNode* temp1 = NULL;
		ListNode* temp2 = NULL;
		while (curr->next != NULL && curr->next->next != NULL) {
			temp1 = curr->next;
			temp2 = curr->next->next->next;

			curr->next = curr->next->next;
			curr->next->next = temp1;
			temp1->next = temp2;
			curr = temp1;
		}
		return dummyhead->next;
	}
};

删除链表的倒数第N个结点

  • 思路: 利用快慢指针,让fast指针先走n步,等fast指针指向末尾的时候,slow就指向了倒数第n个结点,要存储slow的pre结点
  • 注意: 这个题目在Leecode中free结点编译不通过
class Solution {
public:
	ListNode* removeNthFromEnd(ListNode* head, int n) {
		ListNode* dummynode = new ListNode(0);
		dummynode->next = head;
		ListNode* fast = dummynode, * slow = dummynode;

		//让fast先走n+1步
		for (int i = 0; i < n+1; i++) {
			if (fast == NULL) {
				return dummynode->next;
			}
			fast = fast->next;
		}

		//当fast到末尾的时候。slow指针指向了倒数第n-1个结点
		while (fast) {
			fast = fast->next;
			slow = slow->next;
		}
		//slow结点现在指向了删除节点的上一个结点

		//ListNode* temp;
		//temp = slow->next;
		slow->next = slow->next->next;
		//free(temp);
		return dummynode->next;
	}
};

链表相交

  • 思路: 遍历求出两个链表的长度,然后从后往前比较结点的地址是不是相同的

  • 注意:

    • 注意应该是地址相同,而不是内容相同。
    • 链表只能单向移动,无法从后往前移动
    • 写代码要细心,不要总是丢失条件
class Solution {
public:

	ListNode* getIntersectionNode(ListNode* headA, ListNode* headB) {
		int lenA = 0;
		int lenB = 0;
		ListNode* currA = headA;
		ListNode* currB = headB;
		while (currA != NULL)
		{
			lenA++;
			currA = currA->next;
		}
		while (currB != NULL)
		{
			lenB++;
			currB = currB->next;
		}
		//此时currA和currB链表指针都在末尾
		//现在知道了链表的长度
		//让长链表先走差值步
		//直接设置,lenA指向长指针
		currA = headA;
		currB = headB;

		if (lenA < lenB) {
			swap(lenA,lenB);
			swap(currA,currB);
		}

		//长指针先走n步
		int gap = lenA - lenB;
		while (gap--) {
			currA = currA->next;
		}

		//此时让两个指针一起行动,直到相等
		while (currA!=NULL)
		{
			if (currA == currB) {
				return currA;
			}
			currA = currA->next;
			currB = currB->next;
		}
		return NULL;
	}
};

环形链表II

  • 思路:
    • 快慢指针,先判断是不是有环
    • 如果有环的话,计算环的大小
    • 快慢指针回到原点,快指针先走环的大小
      • 快慢指针同时走
      • 相遇的地方就是环的入口
class Solution {
public:
	ListNode* detectCycle(ListNode* head) {
		ListNode* fast = head;
		ListNode* slow = head;
		int circle_size = 0;

		//判断是不是有环
		while (fast != NULL && fast->next != NULL) {
			fast = fast->next->next;
			slow = slow->next;
			if (fast == slow) {
				//证明有环
				//计算环的大小
				slow = slow->next;
				circle_size++;
				while (fast != slow) {
					slow = slow->next;
					circle_size++;
				}
				//再次跳进时候已经计算得到了circle_size
				//将fast向前走circle_size距离
				fast = head;
				slow = head;
				while (circle_size--)
				{
					fast = fast->next;
				}
				while (fast != slow)
				{
					fast = fast->next;
					slow = slow->next;
				}
				//再次跳出是相遇在结点
				return fast;
			}
		}
		return NULL;
	}
};

链表经典题目

  • 虚拟头节点

    一些头节点需要单独判断是不是为空的操作

  • 反转链表

    递归和迭代,设置头节点会简单很多

  • 删除倒数第N个节点

  • 链表相交

  • 环形链表

哈希表

哈希表理论基础

  • 哈希函数就是一种数组的映射

  • 可以用来快速的判断一个元素是否出现集合里

    数组查询的时间复杂度为O(n)

    哈希表查询的时间复杂读为O(1),以空间换时间

  • 哈希碰撞

    解决哈希碰撞的两种方法

    拉链法:链表

    线性探测法:talesize大于datesize,不然就没有位置去存放冲突的数据了

  • 常见的三种哈希结构

    数组

    set(集合)

    map(映射)

有效的字母异位词

  • 思路:
    暴力解法:两层for循环

    哈希表:空间为O(n),时间复杂度为O(1)

  • 注意: 利用ASCII值进行计算

  • 代码:

    class Solution {
    public:
    	bool isAnagram(string s, string t) {
    		//申请一个大小为26的数组
    		int arr[26] = { 0 };
    
    		//这个大小位26的数组初始值为0
    		//遍历s,将其映射到数组中
    		for (int i = 0; i < s.size(); i++) {
    			arr[s[i] - 'a']++;
    		}
    		for (int i = 0; i < t.size(); i++) {
    			arr[t[i] - 'a']--;
    		}
    		for (int i = 0; i < 26; i++) {
    			if (arr[i] != 0) {
    				return false;
    			}
    		}
    		return true;
    	}
    };
    

两个数组的交集

  • 思路:利用unorder_set,底层实现是哈希表,无序,key无序,key值不可重复,查询效率为O(1)

  • 注意:利用数组做哈希表的,都是有大小的数,无大小的数用来做哈希表,容易造成空间的浪费。

  • 代码:

    class Solution {
    public:
    	vector<int> intersection(vector<int>& nums1, vector<int>& nums2) {
    		//用unorder_set数据结构
    		//存放结果,用哈希set主要是为了给结果去重
    		unordered_set<int> result_set;
    		//括号里加入的是插入nums_set数组的范围
    		unordered_set<int> nums_set(nums1.begin(), nums1.end());
    
    		//循环遍历nums2
    		for (int num : nums2) {
    			//可以理解为尾部的指针,如果找不到num就返回一个尾部的指针
    			if (nums_set.find(num) != nums_set.end()) {
    				result_set.insert(num);
    			}
    		}
    		//是一个函数,相当于把result_set的值复制到一个新的数组中
    		//这里复制到一个新的数组中是应为函数返回值类型为vector<int>
    		return vector<int>(result_set.begin(), result_set.end());
    	}
    };
    

快乐数

  • 思路:

    如果sum值重复出现,那就进入无限循环了

    否则就一计算,计算到sum=1为止

    如果不适用哈希表,每次都进行查找,那么时间复杂度会为n^2

  • 注意:

  • 代码:

    class Solution {
    public:
    	int getSum(int n) {
    		int sum = 0;
    		//当n不等于0的时候
    		while (n)
    		{
    			sum += (n % 10) * (n % 10);
    			n = n / 10;
    		}
    		return sum;
    	}
    
    	bool isHappy(int n) {
    		//定义了一个sum_set数组
    		unordered_set<int> sum_set;
    		//循环运行
    		while (1) {
    			int sum = getSum(n);
    			//是快乐数的返回值
    			if (sum == 1) {
    				return true;
    			}
    			//跳出循环的条件
    			if (sum_set.find(sum) != sum_set.end()) {
    				return false;
    			}
    			else {
    				//插入sum值
    				sum_set.insert(sum);
    			}
    			n = sum;
    		}
    	}
    };
    

两数之和

  • 思路:

    数组、set、map这三种哈希表的结构中,只有map是key,value对应的

    数组、set、map这三种哈希表的结构都有三种底部实现

    底层实现是红黑树的都是要求key有序

    底层实现是哈希表的查询效率和增删效率都最高,但是是无序实现

  • 注意:

  • 代码:

    class Solution {
    public:
    	vector<int> twoSum(vector<int>& nums, int target) {
    		//定义一个map数组
    		unordered_map<int,int> map;
    		//遍历数组,在已经访问过的map中寻找是不是有target-nums[i]的数组
    		for (int i = 0; i < nums.size(); i++) {
    			auto iter = map.find(target - nums[i]);
    			if (iter != map.end()) {
    				return { iter->second,i };
    			}
    			//没找到就把数值插入进map中
    			//其中pair<int,int>代表插入一个有序的键值对,模板参数
    			map.insert(pair<int,int>(nums[i], i));
    		}
    		//都没找到返回一个空数组
    		return {};
    	}
    };
    

四数相加

  • 思路:

    四个独立的数组,不用考虑有重复的四个元素相加的情况

    和计算两数之和一样,先将一个和存放到数组中,然后对比target-和

  • 注意:

    此题不用考虑不许重复出现

    这个题中的unorder_map的用法同上一问不同

  • 代码:

    class Solution {
    public:
    	int fourSumCount(vector<int>& nums1, vector<int>& nums2, vector<int>& nums3, vector<int>& nums4) {
    		//定义一个哈希map
    		unordered_map<int, int> map;
    		int size = nums1.size();
    		//循环遍历插入map
    		//map中的key为和,value为出现的次数
    		for (int a : nums1) {
    			for (int b : nums2) {
    				map[a + b]++;
    			}
    		}
    
    		int count = 0;
    
    		//这个时候map里面就存着两数之和了
    		for (int c : nums3) {
    			for (int d : nums4) {
    				if (map.find(0 - (c + d)) != map.end()) {
    					//找到了累加
    					//这个时候map里面就代表着key,数组的值就代表着value
    					count += map[0 - (c + d)];
    				}
    			}
    		}
    		return count;
    	}
    };
    

赎金信

  • 思路:

    暴力枚举:两层for循环

    哈希解法:如果用map的话,底层实现是红黑树和哈希表,map消耗的空间比较大

    ​ 因此用数组更加直接

  • 注意:

  • 代码:

    class Solution {
    public:
    	bool canConstruct(string ransomNote, string magazine) {
    		//ransomNote中的字母要在magzine中出现
    		int map[26] = {0};
    		for (int i = 0; i < magazine.size(); i++)
    		{
    			//将字符减a作为下标
    			int idex = magazine[i] - 'a';
    			map[idex]++;
    		}
    		//遍历递减,如果出现负数,跳出
    		for (int i = 0; i < ransomNote.size(); i++) {
    			int idex = ransomNote[i] - 'a';
    			map[idex]--;
    			if (map[idex] < 0) {
    				return false;
    			}
    		}
    		return true;
    	}
    };
    

三数之和

  • 思路:

    • 哈希法:(思路)

      不好去重,用哈希法来确定a-b的值

      时间复杂度是O(n^2)

      哈希表的额外空间复杂度是O(n)

    • 双指针法

      时间复杂度O(n^2)

      空间复杂度O(1)

  • 注意:

    • 去重的逻辑思考,剪枝操作

    • 总共有一轮剪枝

      两轮去重

      第一轮去重是控制第一个元素不要重复

      第二轮去重是控制剩下两个元素不要重复

  • 代码:

    class Solution {
    public:
    	vector<vector<int>> threeSum(vector<int>& nums) {
    		//定义一个返回的数组值
    		vector<vector<int>> result;
    
    		//首先对数组进行排序
    		sort(nums.begin(), nums.end());
    
    		//进行循环
    		for (int i = 0; i < nums.size(); i++) {
    			//第一轮剪枝,如果第一个数值大于零,则不存在三数之和为0的情况
    			if (nums[i] > 0) {
    				return result;
    			}
    
    			//第一轮去重,结果的一元数组不可以相同,但是一元数组内的元素可以相同
    			//如果当前位置和下一个位置进行比对,会出现,-1,-1,2
    			//因此去重操作应该是当前位置和前面的元素进行比较
    			if (i > 0 && nums[i] == nums[i - 1]) {
    				continue;
    			}
    			//每一轮开始遍历
    			int left = i + 1;
    			int right = nums.size() - 1;
    
    			//只要遍历基点n的值确定不重复,那就可以确定不重复
    			//基点右边是一个二分查找
    			while(left<right) {
    				//如果大于0要将数值减小
    				if (nums[i] + nums[left] + nums[right] > 0) {
    					right--;
    				}
    				//小于零要将数值增大
    				else if (nums[i] + nums[left] + nums[right] < 0) {
    					left++;
    				}
    				//等于零要将值存进三元组,同时收缩left和right
    				else {
    					result.push_back(vector<int>{nums[i], nums[left], nums[right]});
    					//第二次去重,对三元组中的两个元素进行去重
    					//这里面把指针移动到唯一的right和left处
    					//再进行加一,进行下一个循环
    					while (right > left && nums[right] == nums[right - 1]) {
    						right--;
    					}
    					while (right > left && nums[left] == nums[left + 1]) {
    						left++;
    					}
    					right--;
    					left++;
    				}
    			}
    			
    		}
    		return result;
    	}
    };
    

四数之和

  • 思路:

    四数之和的思路和三数之和的思路一样

    这两个之间就是通过双指针法把原本的时间复杂度降低一个等级

  • 注意:

    • 注意剪枝和去重

      剪枝得时候注意,由于target是未知的,不可以直接用首元素大于target来进行剪枝

      不然会出现-4>-10,但是数组接下来的几个数都是负数

      但是还是可以进行剪枝

      剪枝的本质就是正数的大于是无法再合成targrt的,不用target>0是因为剪枝不彻底,会漏掉target<0,但是第一个元素已经大于0的情况,用首元素大于0,且大于target是合理的。

    • 注意四数之和相加得时候会出现数组越界,这个时候要用long,不然比较溢出

  • 代码:

    class Solution {
    public:
    	vector<vector<int>> fourSum(vector<int>& nums, int target) {
    		//定义一个返回的数组值
    		vector<vector<int>> result;
    
    		//首先对数组进行排序
    		sort(nums.begin(), nums.end());
    
    		//第一层循环
    		for (int i = 0; i < nums.size(); i++) {
    			//第一层剪枝
    			//如果第一个数就大于0,那就一定不会有四数之和等于0
    			//这里不可以直接用这个剪枝,因为target是一个未确定的值
    			if (nums[i] > target && nums[i] >= 0) {
    				//这里用break,最后再统一返回
    				break;
    			}
    			//第一次去重
    			if (i > 0 && nums[i] == nums[i - 1]) {
    				continue;
    			}
    			//第二层循环
    			for (int j = i + 1; j < nums.size(); j++) {
    				//第二次剪枝,如果最开始的两个数加在一起都大于target
    				if (nums[i] + nums[j] > target && nums[i] >= 0) {
    					//跳出当前所有循环
    					break;
    				}
    				//第二次去重
    				if (j > i + 1 && nums[j] == nums[j - 1]) {
    					//继续本次循环的下一次循环
    					continue;
    				}
    				//寻找两个数的和
    				int left = j + 1;
    				int right = nums.size() - 1;
    				while (left < right) {
    					if ((long)nums[i] + nums[j] + nums[left] + nums[right] > target) {
    						right--;
    					}
    					else if ((long)nums[i] + nums[j] + nums[left] + nums[right] < target) {
    						left++;
    					}
    					else {
    						//将此数组存进result中
    						result.push_back(vector<int>{nums[i], nums[j], nums[right], nums[left]});
    						//第三次去重
    						while (left < right && nums[left] == nums[left + 1]) {
    							left++;
    						}
    						while (left < right && nums[right] == nums[right - 1]) {
    							right--;
    						}
    						left++;
    						right--;
    					}
    				}
    			}
    		}
    		return result;
    	}
    };
    

双指针总结

  • 数组
    • 数组不可以凭空消失,只能进行覆盖,移除查找的时候用双指针法
  • 字符串
    • 双指针法
  • 链表
    • 快慢指针法
    • 双指针法
  • N数之和法
    • 双指针法
    • 哈希法(其实用双指针法可以解决,但是用双指针法求下标不太ok,双指针会将表先进行排序,打乱下标,如果进行映射的话还会占用额外空间)

栈与队列

栈与队列理论基础

  • 栈和队列是STL(c++标准库)里面的两个数据结构

    • STL是有多个版本的,只有知道使用的STL是哪个版本的才能知道对应的栈和队列的实现原理

      三个最为普遍的STL版本:

      • HP STL其他版本的C++ STL,一般是以HP STL为蓝本实现的,HP STL是C++ STL的第一个实现版本,且开放源代码
      • P.J.Planger STL是由P.J.Plaunger参照HP STL实现出来的,被Visual C++编译器所采用,不是开源的
      • SGL STL是由Silicon Graphics Computer Systems公司参照HP STL实现,被Linux的C++编译器GCC所采用,SGL STL是开源软件,源码可读性甚高。
    • 关于SGI STL里面的数据结构

      • 栈先进后出,提供push和pop等接口,不提供走访功能,不提供迭代器。

        栈是以底层容器来完成其所有的工作,对外提供统一的接口,底层容器是可插拔的(也就是说我们可以控制使用哪种容器来实现栈的功能)。

        STL一般不被归为容器,而是容器适配器(container adapter)

        栈的内部结构可以是vector, deque, list,主要就是数组和链表的底层实现

        • SGI STL如果没有指定底层实现的话,默认是以deque为缺省情况下栈的底层结构。

          deque是一个双向队列,只要封住一段,开通另一端就可以实现栈的逻辑了


用栈实现队列

  • 思路:用栈,一个模仿进队列,一个模仿出队列
  • 注意:
  • 代码:

用队列实现栈

  • 思路:用一个队列,将最后一个元素前面的元素重新插入队列,

  • 注意:

  • 代码:

    class MyStack {
    public:
    	queue<int> que;
    
    	MyStack() {
    
    	}
    
    	void push(int x) {
    		que.push(x);
    	}
    
    	int pop() {
    		//将队首元素重新插回到队尾
    		int size = que.size();
    		size--;
    		for (int i = 0; i < size; i++) {
    			int temp = que.front();
    			que.push(temp);
    			que.pop();
    		}
    		int num = que.front();
    		que.pop();
    		return num;
    	}
    
    	int top() {
    		int size = que.size();
    		size--;
    		for (int i = 0; i < size; i++) {
    			int temp = que.front();
    			que.push(temp);
    			que.pop();
    		}
    		int num = que.front();
    		que.pop();
    		que.push(num);
    		return num;
    	}
    
    	bool empty() {
    		return que.empty();
    	}
    };
    

有效的括号

  • 思路:利用栈的特性实现括号匹配

  • 注意:通过一些巧妙的方式利用栈,多练,无他

  • 代码:

    class Solution {
    public:
    	bool isValid(string s) {
    		//如果括号是偶数,一定不符合条件
    		if (s.size() % 2 != 0) {
    			return false;
    		}
    		stack<char> string;
    		for (int i = 0; i < s.size(); i++) {
    			if (s[i] == '(') {
    				string.push(')');
    			}
    			else if (s[i] == '[') {
    				string.push(']');
    			}
    			else if (s[i] == '{') {
    				string.push('}');
    			}
    			else {
    				if (string.empty()||string.top() != s[i]) {
    					return false;
    				}
    				string.pop();
    			}
    		}
    		return string.empty();
    	}
    };
    

删除字符串中的所有相邻重复项

  • 思路:同括号匹配原理相似

  • 注意:用字符串也可以实现栈的功能

  • 代码:

    class Solution {
    public:
    	string removeDuplicates(string S) {
    		string result;
    		for (char s : S) {
    			//当字符串为空或者当前字符不相等的时候
    			if (result.empty() || result.back() != s) {
    				result.push_back(s);
    			}
    			else {
    				result.pop_back();
    			}
    		}
    		return result;
    	}
    };
    

逆波兰表达式求值

  • 思路:后缀表达式求和思想

  • 注意:注意弹栈时候进行加减乘除的时候num1和num2是有顺序的

    stoll()函数是把字符串转化成longlong类型

  • 代码:

    class Solution {
    public:
    	int evalRPN(vector<string>& tokens) {
    		stack<long long> st;
    		long long num1;
    		long long num2;
    		int size = tokens.size();
    		for (int i = 0; i < size; i++) {
    			if(tokens[i] == "+"||tokens[i] == "-"|| tokens[i] == "*"|| tokens[i] == "/"){
    				num1 = st.top();
    				st.pop();
    				num2 = st.top();
    				st.pop();
    				if (tokens[i] == "+") st.push(num2 + num1);
    				if (tokens[i] == "-") st.push(num2 - num1);
    				if (tokens[i] == "*") st.push(num2 * num1);
    				if (tokens[i] == "/") st.push(num2 / num1);
    			}
    			else {
    				//stoll()将字符串转成longlong的整数
    				st.push(stoll(tokens[i]));
    			}
    		}
    		return st.top();
    	}
    };
    

滑动窗口最大值(困难)

  • 思路:

    单调队列:保证队列里的元素单调递增或单调递减的原则

  • 注意:

    • if主要用于判断,while用于迭代
    • 实际上时间复杂度是O(n)
  • 代码:

    class Solution {
    private:
    	class MyQueue {
    	public:
    		deque<int> que;
    		//每次弹出的时候,比较当前要弹出的数值是否等于队列出口的元素的数值,如果相等则弹出
    		//pop之前要判断队列是否为空
    		void pop(int value) {
    			//相等的时候可以弹出,如果不相等,证明这个数现在不是最大值,没有在队列里面或者在后面
    			//可以不用弹出
    			//如果相等说明最大值弹出了
    			if (!que.empty() && value == que.front()) {
    				que.pop_front();
    			}
    		}
    		//push是从后往前插入
    		void push(int value) {
    			while (!que.empty() && que.back() < value) {
    				que.pop_back();
    			}
    			que.push_back(value);
    		}
    		//查询当前的最大值直接返回前端就可以了
    		int front() {
    			return que.front();
    		}
    	};
    public:
    	//实现一个单调队列
    
    	vector<int> maxSlidingWindow(vector<int>& nums, int k) {
    		MyQueue que;
    		vector<int> result;
    		//首先将前n个放入数组中
    		for (int i = 0; i < k; i++) {
    			que.push(nums[i]);
    		}
    		//开始将第一轮的最大元素输入到result
    		result.push_back(que.front());
    		//迭代
    		for (int i = k; i < nums.size(); i++) {
    			//移动滑动窗口
    			que.pop(nums[i-k]);
    			que.push(nums[i]);
    			//记录当前的最大值
    			result.push_back(que.front());
    		}
    		return result;
    	}
    };
    

前K个高频元素(思路)

  • 思路:

    • 首先构建map,map用来统计数值出现的次数
    • 再将map中的元素进行排序寻找到前K个高频元素
      • 用小顶堆,小顶堆弹出最小的n个值,最终得到了前K个高频元素
    • 为什么不能用有序map呢?
  • 注意:

    • map和小顶堆的实现
    • 有很多新的语法
  • 代码:

    class Solution {
    public:
    	//定义了一个比较规则
    	class mycomparion {
    	public:
    		//pair是c++标准模板库中定义的一个模板类,用于表示一对值
    		//这个函数其实是定义了一种比较规则,按照两个pair数组的secound值的降序进行比较
    		bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {
    			//如果lhs的secound值大于rhs的secound值,就返回true
    			return lhs.second > rhs.second;
    		}
    	};
    	vector<int> topKFrequent(vector<int>& nums, int k) {
    		//用map统计元素出现的频率
    		unordered_map<int, int> map;
    		for (int i = 0; i < nums.size(); i++) {
    			//这个里面key值是nums[i]
    			//value是key出现的次数
    			//对key进行排序并没有意义
    			//因此用无序map
    			map[nums[i]]++;
    		}
    
    		//对value值进行排序
    		//定义一个小顶堆,大小为k
    		//将所有频率的数值存进去,小的数值自然就被弹出
    		//priority_queue是一个容器适配器,用于实现基于某种比较的排序
    		//其底层实现逻辑是堆,保证头部永远是优先级最高的元素
    
    		//三个参数分别为,比较对象,存储比较对象的容器,比较逻辑
    		priority_queue < pair<int, int>, vector<pair<int, int>>,mycomparion> pri_que;
    
    		//用固定大小为k的小顶堆,扫描所有频率的数值
    		//::是作用域解析符用来指定特定的命名空间或类的成员
    		//iterator是unordered_map<int,int>数据结构中定义的迭代器,用于遍历map
    
    		for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
    			//把其中的it指向的内容放进去
    			pri_que.push(*it);
    			if (pri_que.size() > k) {
    				pri_que.pop();
    			}
    		}
    		//小顶堆先输出的是最小的,采用倒叙来输出数组
    		vector<int> result(k);
    		for (int i = k - 1; i >= 0; i--) {
    			result[i] = pri_que.top().first;
    			pri_que.pop();
    		}
    		return result;
    	}
    };
    

栈与队列的总结

  • 栈与队列的理论基础

    • 容器
      • deque(双端队列)
      • list(列表)
      • vector(数组)
    • 容器适配器
      • stack(栈)
      • queue(队列)
      • priority_queue{元素,元素容器,优先级规则},(优先级队列)
    • 栈与队列的问题
  • 总结
    • 单调队列
    • 优先级队列

二叉树

二叉树理论基础篇

  • 题目分类

    • 二叉树的遍历方式
    • 二叉树的属性
    • 二叉树的修改与构造
    • 求二叉树的搜索属性
    • 二叉树的公共祖先问题
    • 二叉搜索树的修改与构造
  • 二叉树的类型

    • 满二叉树

    • 完全二叉树

    • 二叉搜索树

    • 平衡二叉搜索树

      C++中map、set、multimap,multiset的底层实现都是平衡二叉搜索树,所以map、set的增删操作时间时间复杂度是logn,unordered_map、unordered_set,unordered_map、unordered_set底层实现是哈希表

  • 二叉树的存储方式

    • 链式存储
    • 顺序存储
  • 二叉树的遍历方式

    栈其实就是递归的一种实现结构

    • 深度优先遍历
      • 前序遍历(递归法,迭代法)
      • 中序遍历(递归法,迭代法)
      • 后序遍历(递归法,迭代法)
    • 广度优先遍历
      • 层次遍历(迭代法)
  • 二叉树的定义方式

      struct TreeNode {
          int val;
          TreeNode *left;
          TreeNode *right;
          //初始化的时候左右指针为空
          TreeNode(int x) : val(x), left(NULL), right(NULL) {}
      };
    
  • 总结

    二叉树是一种基础数据结构

二叉树的递归遍历

  • 思路:

    递归的思路:

    1.确定递归函数的参数和返回值

    2.确定中止条件

    3.确定单层递归逻辑

  • 注意:

  • 代码:

二叉树的迭代遍历

  • 思路:
  • 注意:
  • 代码:

二叉树的统一迭代法

  • 思路:
  • 注意:
  • 代码:

二叉树层序遍历

二叉树的层序遍历

  • 思路:层序遍历的底层逻辑是队列,先进先出

  • 注意:

  • 代码:

    模板代码(打十个)

    vector<vector<int>> levelOrder(TreeNode* root) {
    	//定义一个存放Treenode指针的队列
    	queue<TreeNode*> que;
    	//如果root不为空的时候将,root入队
    	if (root != NULL) {
    		que.push(root);
    	}
    	//返回的是每一层
    	vector<vector<int>> result;
    	//遍历直到队列为空
    	while (!que.empty()) {
    		int size = que.size();
    		vector<int> layer;
    		for (int i = 0; i < size; i++) {
    			TreeNode* temp = que.front();
    			que.pop();
    			layer.push_back(temp->val);
    			if (temp->left != NULL) {
    				que.push(temp->left);
    			}
    			if (temp->right != NULL) {
    				que.push(temp->right);
    			}
    		}
    		result.push_back(layer);
    	}
    	return result;
    }
    

二叉树的层序遍历II

  • 思路:

    这种方式会超出内存限制

    用一个栈去存储结果

    队列出队顺序层,右,左

    入栈之后再出栈顺序,左,右,层

    如果用栈的话如何进行分层呢

    直接用队列,然后最后将result数组进行反转

  • 注意:

    反转数组的函数

二叉树的右视图

  • 思路:

    层次遍历,但是只把最右的节点入栈,把每一层的最后一个节点入栈

  • 注意:代码细节注意

二叉树的层平均值

  • 思路:每一层的数相加,相除
  • 注意:

N叉树的层序遍历

  • 思路:

    Node的数据结构是,存储节点的值,存储一个children数组

  • 注意:

在每个树行中找最大值

  • 思路:

    层次遍历,找每一层的最大值

  • 注意:

    //INT_MIN是c++标准库中定义的宏常量,通常是一个最小的负数值,用来求最大值的时候定义初始量
    int max = INT_MIN;
    

填充每个节点的下一个右侧节点指针

  • 思路:

    将next指针指向同层的下一个节点

    层次遍历,每一层队列不为空的时候指向下一个节点,队列为空的时候指向NULL

  • 注意:

填充每个节点的下一个右侧节点指针II

  • 思路:完全二叉树和非完全二叉树没有什么区别
  • 注意:

二叉树的最大深度

  • 思路:
    • 层次遍历,计算总共有多少层
    • 递归,求左子树和右子树的最大深度,取最大值+1返回depth
  • 注意:

二叉树的最小深度

  • 思路:
    • 层次遍历,如果有一个节点是叶节点就返回深度
    • 递归,注意与求最大深度的单层递归逻辑不同,如果左子树为空,右子树不为空,返回的值应该是右子树的深度+1,而不是深度为1
  • 注意:

翻转二叉树(拓展部分,中序遍历不可以)

  • 思路:

    递归实现

  • 注意:

    注意递归出口和递归条件

  • 代码:

    TreeNode* invertTree(TreeNode* root) {
    	//递归出口
    	if (root == NULL) {
    		return root;
    	}
    	//递归体
    	swap(root->left, root->right);
    	invertTree(root->left);
    	invertTree(root->right);
    }
    

对称二叉树

  • 思路:

    • 递归

      • 确定递归函数的参数和返回值

        比较左右两棵子树是不是对称的

        比较的不是左右孩子,而是左右子树的对称节点

      • 确定终止条件

        首先处理空结点,非空结点比较的是数值

        左节点为空,右节点不为空,false

        左节点不为空,右节点为空,false

        左右节点都为空,对称,返回true

      • 确定单层递归逻辑

        处理节点不为空的时候,比较val的值

        并且将左节点的左孩子和右节点的右孩子进行比较

        左节点的右孩子和右节点的左孩子进行比较

    • 队列

  • 注意:注意代码细节

  • 代码:

    • 递归法
    bool compare(TreeNode* left, TreeNode* right) {
    	//判出条件
    	if (left == NULL && right == NULL) {
    		return true;
    	}
    	else if (left == NULL && right != NULL) {
    		return false;
    	}
    	else if (left != NULL && right == NULL) {
    		return false;
    	}
    	else if (left->val != right->val) {
    		return false;
    	}
    	//此时是左右节点都不为空,且数值相同的情况
    	//此时做递归判断
    	//只有左右递归都返回true的时候才返回true;
    	bool L = compare(left->left, right->right);
    	bool R = compare(left->right, right->left);
    	return L && R;
    }
    bool isSymmetric(TreeNode* root) {
    	if (root == NULL) {
    		return true;
    	}
    	return compare(root->left, root->right);
    }
    

完全二叉树的节点个数

  • 思路:

    • 递归:分别计算左子树和右子树有多少个节点,再相加
    • 层序遍历:统计总共遍历了多少层
  • 注意:

    //这样的代码是错误的
    //忽略掉了一些情况
    int countRecursion(TreeNode* left, TreeNode* right) {
    	//判出条件
    	if (left == NULL && right != NULL) {
    		return 1 + countRecursion(right->left, right->right);
    	}
    	else if (left != NULL && right == NULL) {
    		return 1 + countRecursion(left->left, left->right);
    	}
    	else if (left == NULL && right == NULL) {
    		return 1;
    	}
    
    	//这个时候就是左右节点都非空结点
    	int num = countRecursion(left->left, right->right) + 1;
    	return num;
    }
    int countNodes(TreeNode* root) {
    	if (root == NULL) {
    		return 0;
    	}
    	return countRecursion(root->left, root->right);
    }
    
  • 代码:

    int countNodes(TreeNode* root) {
    	//判出条件
    	if (root == NULL) {
    		return 0;
    	}
    	int left = countNodes(root->left);
    	int right = countNodes(root->right);
    	int num = left + right + 1;
    	return num;
    }
    

平衡二叉树

  • 思路:

    • 平衡二叉树:左右两棵子树的高度之差小于1

    • 递归:一棵树是平衡二叉树,它的左右子树也是平衡二叉树

      如果直接返回true和false逻辑很复杂

      应该直接把函数分成两步,判断树是不是平衡二叉树,将左右两个树的判断结果进行与运算

      //存在逻辑错误的代码
      bool isBalanced(TreeNode* root) {
      	//递归出口
      	if (root == NULL) {
      		return true;
      	}
      	else {
      		int lefthigh = treeHigh(root->left);
      		int righthigh = treeHigh(root->right);
      		if (lefthigh >= righthigh) {
                  //在这一行会直接返回,永远不会达到right && left
      			return (lefthigh - righthigh) <= 1;
      		}
      		else {
      			return (righthigh - lefthigh) <= 1;
      		}
      	}
      	bool right = isBalanced(root->right);
      	bool left = isBalanced(root->left);
      	return right && left;
      }
      
    • 迭代:手动实现一个栈,用迭代的方法再写一遍

  • 注意:

  • 代码:

    int treeHigh(TreeNode* root) {
    	//用层次遍历求树的高度
    	queue<TreeNode*> que;
    	int num = 0;
    	if (root != NULL) {
    		que.push(root);
    	}
    	TreeNode* temp;
    	while (!que.empty()) {
    		int size = que.size();
    		for (int i = 0; i < size; i++) {
    			temp = que.front();
    			que.pop();
    			if (temp->left != NULL) {
    				que.push(temp->left);
    			}
    			if (temp->right != NULL) {
    				que.push(temp->right);
    			}
    		}
    		//执行一次for循环就证明遍历了一个层
    		num++;
    	}
    	return num;
    }
    bool isBalanced(TreeNode* root) {
    	//递归出口
    	if (root == NULL) {
    		return true;
    	}
    	else {
    		int lefthigh = treeHigh(root->left);
    		int righthigh = treeHigh(root->right);
    		if (lefthigh >= righthigh) {
    			if (lefthigh - righthigh > 1) {
    				return false;
    			}
    		}
    		else {
    			if (righthigh - lefthigh > 1) {
    				return false;
    			}
    		}
    	}
    	bool right = isBalanced(root->right);
    	bool left = isBalanced(root->left);
    	return right && left;
    }
    

二叉树的所有路径

  • 思路:

    回溯

    回溯和递归是一一对应的,有一个递归就要有一个回溯,递归和回溯要永远在一起

    这道题目要求从根节点到叶子的路径,用前序遍历

    递归:

    1.要传入根节点,记录每一条路径的path和存放结果集的string

    2.确定递归的终止条件

    本题是要找到叶子节点,不让cur指向NULL

    中止的时候,把vector 中的数据转化称string存入vector 数组中,函数进行回溯调用,继续寻找下一条路径。

    3.先存根节点

    如果根节点的左右节点为控,递归的时候就不进行下一层递归了

    否则将左右节点加入,进行下一层递归,当达成判出条件的时候,要进行回溯

    一个递归一个回溯,因此这里递归要加在花括号之前

    //错误写法
    //只有一条路径,最后pop_back一个数据,并没有起到回溯的作用
    if (cur->left) {
     traversal(cur->left, path, result);
    }
    if (cur->right) {
     traversal(cur->right, path, result);
    }
    path.pop_back();
    
    //正确写法
    //回溯的时候,先往右走,然后右节点如果存在,再递归加入右节点的路径
    if (cur->left) {
     traversal(cur->left, path, result);
     path.pop_back(); // 回溯
    }
    if (cur->right) {
     traversal(cur->right, path, result);
     path.pop_back(); // 回溯
    }
    
  • 注意:

    精简代码,二刷时候看一下

  • 代码:

    	void traversal(TreeNode* cur, vector<int>& path, vector<string>& result) {
    		//将cur压入栈中
    		path.push_back(cur->val);
    		//判出条件
    		if (cur->left == NULL && cur->right == NULL) {
    			string spath;
    			for (int i = 0; i < path.size() - 1; ++i) {
    				spath += to_string(path[i]);
    				spath += "->";
    			}
    			spath += to_string(path[path.size() - 1]);
    			result.push_back(spath);
    		}
    		//递归体
    		//左
    		if (cur->left != NULL) {
    			traversal(cur->left, path, result);
    			path.pop_back();
    		}
    		//右
    		if (cur->right != NULL) {
    			traversal(cur->right, path, result);
    			path.pop_back();
    		}
    	}
    	vector<string> binaryTreePaths(TreeNode* root) {
    		vector<int> path;
    		vector<string> result;
    		if (root == NULL) {
    			return result;
    		}
    		traversal(root, path, result);
    		return result;
    	}
    

左叶子之和

  • 思路:

    首先判断什么是左叶子,左叶子首先是左孩子,其次左右节点为空

    因此判断是不是左叶子要看它的父节点

  • 注意:

  • 代码:

    	int sumOfLeftLeaves(TreeNode* root) {
    		//判出条件
    		if (root == NULL) {
    			return 0;
    		}
    		if (root->left == NULL && root->right == NULL) {
    			return 0;
    		}
    		//递归体
    		int leftValue = sumOfLeftLeaves(root->left);
    		//当左子树是左叶子的时候,修改左子树的值
    		if (root->left != NULL && root->left->left == NULL && root->left->right == NULL) {
    			leftValue = root->left->val;
    		}
    		int rightValue = sumOfLeftLeaves(root->right);
    		return leftValue + rightValue;
    	}
    

找树左下角的值(二刷用递归写)

  • 思路:

    层序遍历:最后一层中的第一个节点

    递归:

    递归到最左边要判断是不是最后一行

    1.确定递归函数的参数和返回值

    2.确定终止条件

    3.确定单层递归的逻辑

  • 注意:

  • 代码:

    层序遍历

    int findBottomLeftValue(TreeNode* root) {
            queue<TreeNode*> que;
            int result;
            que.push(root);
            while (!que.empty()) {
                int size = que.size();
                TreeNode* left = que.front();
                result = left->val;
                for (int i = 0; i < size; i++) {
                    TreeNode* temp = que.front();
                    que.pop();
                    if (temp->left != NULL) {
                        que.push(temp->left);
                    }
                    if (temp->right != NULL) {
                        que.push(temp->right);
                    }
                }
            }
            return result;
        }
    

    递归

路径总和

  • 思路:

    递归+回溯

    如果父节点不拎出来判断,root = NULL并不是返回的条件,叶子节点才是返回的条件

    栈模拟:有空写一下

  • 注意:

  • 代码:

    bool travel(TreeNode* root, int count) {
    	//递归出口
    	if (root->left == NULL && root->right == NULL) {
    		return count == 0;
    	}
    	//左节点
    	if (root->left != NULL) {
    		count -= root->left->val;
    		if (travel(root->left, count)) {
    			return true;
    		}
    		//如果到这一步证明该节点下不存在路径,回溯
    		count += root->left->val;
    	}
    	//右节点
    	if (root->right != NULL) {
    		count -= root->right->val;
    		if (travel(root->right, count)) {
    			return true;
    		}
    		count += root->right->val;
    	}
    	//遍历到这证明左右子树都没有路径
    	return false;
    }
    bool hasPathSum(TreeNode* root, int targetSum) {
    	if (root == NULL) {
    		return false;
    	}
    	//这个时候已经把根节点加入路径了
    	return travel(root, targetSum - root->val);
    }
    

路经总和II

  • 思路:

    同路径总和不同的是,这个需要找出所有的路径,递归不要返回值

  • 注意:

    注意根节点的处理,先把根节点放入path中,如果path递归到最后count不为0,这个path不会放到result中。

  • 代码:

    class Solution {
    private:
    	vector<vector<int>> result;
    	vector<int> path;
        void travel(TreeNode* root, int count) {
    	//当遇到叶子节点的时候
    	if (!root->left && !root->right && count == 0) {
    		//路径结束,且是正确路径
    		result.push_back(path);
    	}
    	//左节点
    	if (root->left) {
    		//先将左节点入栈
    		path.push_back(root->left->val);
    		count -= root->left->val;
    		travel(root->left, count);
    		count += root->left->val;
    		path.pop_back();
    	}
    	//右节点
    	if (root->right) {
    		path.push_back(root->right->val);
    		count -= root->right->val;
    		travel(root->right, count);
    		count += root->right->val;
    		path.pop_back();
    	}
    	return;
    }
    public:
    vector<vector<int>> pathSum(TreeNode* root, int targetSum) {
    	if (root == NULL) {
    		return result;
    	}
        path.push_back(root->val);
    	travel(root, targetSum - root->val);
    	return result;
    }
    };
    

从中序与后序遍历序列构造二叉树

  • 思路:

    • 后序的最后一个元素确定根
    • 中序根据根进行切分,然后将后序分成两个部分
    • 递归,分成的左右两个部分分别重复1,2步骤直到后序剩最后一个元素
  • 注意:

    • 切割数组的时候要遵循一个原则,不然会漏掉元素,和二分法的准则一样。
    • 中序数组和后序数组的大小相等。
  • 代码:

    • 代码遵循左闭右开 的原则。
class Solution
{
private:
    // traversal函数的目的是找到当前队列的根节点,并且返回的是左右指针已经链接好的根节点
    TreeNode *traversal(vector<int> &inorder, int inorderBegin, int inorderEnd, vector<int> &postorder, int postorderBegin, int postorderEnd)
    {
        // 判出条件
        if (postorderEnd - postorderBegin == 0)
        {
            return NULL;
        }

        // 取出后序遍历的最后一个节点
        int rootValue = postorder[postorderEnd-1];
        TreeNode *root = new TreeNode(rootValue); // 构造函数初始化就是左右指针指向空

        // 当后序遍历只剩下这一个节点的时候证明是叶子节点,入队
        if (postorderEnd - postorderBegin == 1)
        {
            return root;
        }

        // 找到中序遍历的切割点下标
        int inorderIndex;
        for (inorderIndex = 0; inorderIndex < inorder.size(); ++inorderIndex)
        {
            if (inorder[inorderIndex] == rootValue)
                break;
        }

        // 切割中序数组,得到中序左数组和中序右数组
        // 左中序区间
        int leftInorderBegin = inorderBegin;
        int leftInorderEnd = inorderIndex;
        // 右中序区间
        int rightInorderBegin = inorderIndex + 1;
        int rightInorderEnd = inorderEnd;

        // 切割后序数组,得到后序左数组和后序右数组
        // 后序左数组
        int leftPostorderBegin = postorderBegin;
        int leftPostorderEnd = postorderBegin + leftInorderEnd - leftInorderBegin; // 起始位置加上中序遍历的元素个数
        // 后序右数组
        int rightPostorderBegin = postorderBegin + leftInorderEnd - leftInorderBegin ;
        int rightPostorderEnd = postorderEnd - 1;

        // 遍历得到左右子树
        root->left = traversal(inorder, leftInorderBegin, leftInorderEnd, postorder, leftPostorderBegin, leftPostorderEnd);
        root->right = traversal(inorder, rightInorderBegin, rightInorderEnd, postorder, rightPostorderBegin, rightPostorderEnd);

        return root;
    }

public:
    //buildTree返回的就是要入队的根节点
    TreeNode *buildTree(vector<int> &inorder, vector<int> &postorder)
    {
        if(inorder.size() == 0||postorder.size() == 0){
            return NULL;
        }
        return traversal(inorder,0,inorder.size(),postorder,0,postorder.size());
    }
};

补充:105.从前序与中序遍历序列构造二叉树

回溯

回溯算法理论基础

贪心算法

动态规划

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。