前言
大家好,我是bigsai。
最近不少小夥伴跟我交流刷題腫麼刷,想好好刷題衝位元組,我給的建議就是先劍指offer和力扣hot100,在這些題中還有些重要程度和出現頻率是非常非常高的,今天給大家分享當今出現頻率最高的10道演算法題,學到就是賺到。
0X01翻轉連結串列
力扣206和劍指offer24原題,題意為:
給你單鏈表的頭節點
head
,請你反轉連結串列,並返回反轉後的連結串列。
分析:
翻轉連結串列,本意是不建立新的連結串列節點然後在原連結串列上實現翻轉,但是這個圖有點會誤導人的思維,其實更好的理解你可以看下面這幅圖:
具體實現上兩個思路,非遞迴和遞迴的實現方式,非遞迴的實現方式比較簡單,利用一個pre節點記錄前驅節點,向下列舉的時候改變指標指向就可以,實現程式碼為:
class Solution { public ListNode reverseList(ListNode head) { if(head==null||head。next==null)//如果節點為NULL或者單個節點直接返回 return head; ListNode pre=head;//前驅節點 ListNode cur=head。next;//當前節點用來列舉 while (cur!=null) { ListNode next=cur。next; //改變指向 cur。next=pre; pre=cur; cur=next; } head。next=null;//將原先的head節點next置null防止最後成環 return pre; }}
而遞迴的方式比較巧妙,藉助遞迴歸來的過程巧妙改變指標指向和返回值傳遞,程式碼雖然精簡但是理解起來有一定難度的,這裡用一張圖幫助大家理解:
具體程式碼為:
class Solution { public ListNode reverseList(ListNode head) { if(head==null||head。next==null)//如果最後一個節點不操作 return head; ListNode node =reverseList(head。next);//先遞迴 到最底層 然後返回 head。next。next=head;//後面一個節點指向自己 head。next=null;//自己本來指向的next置為null return node;//返回最後一個節點(一直被遞迴傳遞) }}
0X02設計LRU
對應力扣146LRU快取機制,題目要求為:
運用你所掌握的資料結構,設計和實現一個 LRU 快取機制 。實現 LRUCache 類:
LRUCache(int capacity)
以正整數作為容量 capacity 初始化 LRU 快取
int get(int key)
如果關鍵字 key 存在於快取中,則返回關鍵字的值,否則返回 -1 。
void put(int key, int value)
如果關鍵字已經存在,則變更其資料值;如果關鍵字不存在,則插入該組「關鍵字-值」。當快取容量達到上限時,它應該在寫入新資料之前刪除最久未使用的資料值,從而為新的資料值留出空間。
進階
:在 O(1) 時間複雜度內完成這兩種操作
詳細分析
:一次倒在LRU上的經歷
LRU的核心就是藉助
雜湊+雙鏈表
,雜湊用於查詢,雙鏈表實現刪除只知道當前節點也能O(1)的複雜度刪除,不過雙鏈表需要考慮的頭尾指標特殊情況。
具體實現的程式碼為:
class LRUCache { class Node { int key; int value; Node pre; Node next; public Node() { } public Node( int key,int value) { this。key = key; this。value=value; } } class DoubleList{ private Node head;// 頭節點 private Node tail;// 尾節點 private int length; public DoubleList() { head = new Node(-1,-1); tail = head; length = 0; } void add(Node teamNode)// 預設尾節點插入 { tail。next = teamNode; teamNode。pre=tail; tail = teamNode; length++; } void deleteFirst(){ if(head。next==null) return; if(head。next==tail)//如果刪除的那個剛好是tail 注意啦 tail指標前面移動 tail=head; head。next=head。next。next; if(head。next!=null) head。next。pre=head; length——; } void deleteNode(Node team){ team。pre。next=team。next; if(team。next!=null) team。next。pre=team。pre; if(team==tail) tail=tail。pre; team。pre=null; team。next=null; length——; } } Map
0X03環形連結串列
對應力扣141和力扣142,力扣141環形連結串列要求為:
給定一個連結串列,判斷連結串列中是否有環,用O(1)記憶體解決。
詳細分析
:環形連結串列找入口,真的太妙了
這個問題利用快慢雙指標比較高效,快指標fast每次走2步,slow每次走1步,慢指標走n步到尾時候快指標走了2n步,而環的大小一定小於等於n所以一定會相遇,如果相遇那麼說明有環,如果不相遇fast先為null說明無環。
具體程式碼為:
public class Solution { public boolean hasCycle(ListNode head) { ListNode fast=head; ListNode slow=fast; while (fast!=null&&fast。next!=null) { slow=slow。next; fast=fast。next。next; if(fast==slow) return true; } return false; }}
力扣142是在力扣141拓展,如有有環,返回入環的那個節點,就想下圖環形連結串列返回節點2。
這個問題是需要數學轉換的,具體的分析可以看上面的詳細分析,這裡面提一下大題的步驟。
如果找到第一個交匯點,其中
一個停止,另一個繼續走
,下一次交匯時候剛好走一圈,可以算出
迴圈部分長度為y
。
所以我們知道的東西有:交匯時候fast走2x步,slow走x步,環長為y。並且快指標和慢指標交匯時候,
多走的步數剛好是換長y的整數倍
(它兩此刻在同一個位置,快指標剛好多繞整數倍圈數才能在同一個位置相聚),可以得到
2x=x+ny
(x=ny)。其中所以說慢指標走的x和快指標多走的x是圈長y的整數倍。
也就是說,
從開頭走到這個點共計x步,從這個點走x步也就是繞了幾圈也回到這個點
。如果說slow從起點出發,fast從這個點出發(每次走一步,相當於之前兩步抵消slow走的路程),那麼走x步還會到達這個點,但是
這兩個指標這次都是每次走一步,所以一旦slow到達迴圈圈內,兩個指標就開始匯合
了。
實現程式碼為:
public class Solution { public ListNode detectCycle(ListNode head) { boolean isloop=false; ListNode fast=new ListNode(0);//頭指標 ListNode slow=fast; fast。next=head; if(fast。next==null||fast。next。next==null) return null; while (fast!=null&&fast。next!=null) { fast=fast。next。next; slow=slow。next; if(fast==slow) { isloop=true; break; } } if(!isloop)//如果沒有環返回 return null; ListNode team=new ListNode(-1);//頭指標 下一個才是head team。next=head; while (team!=fast) {//slow 和fast 分別從起點和當前點出發 team=team。next; fast=fast。next; } return team; }}
0X04兩個棧實現佇列
對應劍指offer09,題意為:
用兩個棧實現一個佇列。佇列的宣告如下,請實現它的兩個函式 appendTail 和 deleteHead ,分別完成在佇列尾部插入整數和在佇列頭部刪除整數的功能。(若佇列中沒有元素,deleteHead 操作返回 -1 )
分析
:
解決這個問題,要知道棧是什麼,佇列是什麼,兩種常見資料結構格式很簡單,棧的特點就是:
後進先出
,佇列的特點就是:
先進先出
,棧可以想象成一堆書本,越在上面的取的越早,
上面來上面出(比喻一下)
;佇列就是想象成排隊買東西,只能
後面進前面出
,所以兩者資料結構還是有區別的,雖然都是單個入口進出,但是棧進出口相同,而佇列不同。
上面描述的是一個普通棧和佇列的資料結構,這裡面讓我們用兩個棧實現一個佇列的操作,這裡比較容易想的方案就是其中一個棧stack1用作資料儲存,插入尾時候直接插入stack1,而刪除頭的時候將資料先加入到另一個棧stack2中,返回並刪除棧頂元素,將stack2順序加入stack1中實現一個復原,但是這樣操作插入時間複雜度為O(1),刪除時間複雜度為O(n)比較高。
實現方式也給大家看下:
class CQueue { Stack
這樣的時間複雜度是不被喜歡的,因為刪除太雞兒耗時了,每次都要折騰一番,有沒有什麼好的方法能夠讓刪除也方便一點呢?
有啊,stack1可以順序保證順序插入,stack1資料放到stack2中可以保證順序刪除,所以
用stack1作插入,stack2作刪除
,因為題目也沒要求資料必須放到一個容器中,所以就這樣組合使用,完美perfect!
具體實現的時候,插入直接插入到stack1中,如果需要刪除從stack2中棧頂刪除,如果stack2棧為空那麼將stack1中資料全部新增進來(這樣又能保證stack2中所有資料是可以順序刪除的了),下面列舉幾個刪除的例子
其實就是將資料分成兩個部分,一部分用來插入,一部分用來刪除,刪除的那個棧stack2空了新增所有stack1中的資料繼續操作。這個操作插入刪除的時間複雜度是O(1),具體實現的程式碼為:
class CQueue { Deque
0X05二叉樹層序(鋸齒)遍歷
二叉樹的遍歷,對應力扣102,107,103。
詳細分析
:一次面試,被二叉樹層序遍歷打爆了
如果普通二叉樹層序遍歷,也不是什麼困難的問題,但是它會有個分層返回結果的操作,就需要你詳細考慮了。
很多人會用兩個容器(佇列)進行分層的操作,這裡其實可以直接使用一個佇列,我們首先記錄列舉前佇列大小len,然後根據這個大小len去列舉遍歷就可以得到完整的該層資料了。
還有一個難點就是二叉樹的鋸齒層序(也叫之字形列印),第一趟是從左往右,第二趟是從右往左,只需要記錄一個奇偶層數進行對應的操作就可以了。
這裡就拿力扣103二叉樹的鋸齒形層序遍歷作為題板給大家分享一下程式碼:
public List 0X06 二叉樹中後序遍歷(非遞迴) 二叉樹的非遞迴遍歷也是考察的重點,對於中序後序遍歷遞迴實現很簡單,非遞迴實現起來還是要點技巧的哦。 詳細分析:二叉樹的各種遍歷(遞迴、非遞迴) 對於二叉樹的中序遍歷,其實就是正常情況第二次訪問該節點的時候才丟擲輸出(第一次數前序),這樣我們列舉每個節點第一次不能刪除,需要先將它存到棧中,當左子節點處理完成的時候在丟擲訪問該節點。 核心也就兩步,葉子節點左右都為null,也可滿足下列條件: 列舉當前節點(不儲存輸出)並用棧儲存,節點指向左節點,直到左孩子為null。 丟擲棧頂訪問。如果有右節點,訪問其右節點重複步驟1,如有沒右節點,繼續重複步驟2丟擲。 實現程式碼為: class Solution { public List 而後序遍歷按照遞迴的思路其實一般是第三次訪問該節點是從右子節點回來才丟擲輸出,這個實現起來確實有難度。但是具體的實現,我們使用一個pre節點記錄上一次被丟擲訪問的點,如果 當前被丟擲的右孩子是pre或者當前節點右為null ,那麼就將這個點丟擲,否則說明它的右側還未被訪問需要將它“回爐重造”,後面再用!如果不理解可以看前面的詳細介紹。 具體實現的程式碼為: class Solution { public List 當然,後序遍歷也有用前序( 根右左 )的前序遍歷結果最後翻轉一下的,但面試官更想考察的還是上面提到的方法。 0X07 跳臺階(斐波那契、爬樓梯) 爬樓梯、跳臺階是一個經典問題,對應劍指offer10和力扣70題,題目的要求為: 假設你正在爬樓梯。需要 n 階你才能到達樓頂。每次你可以爬 1 或 2 個臺階。你有多少種不同的方法可以爬到樓頂呢? 注意: 給定 n 是一個正整數。 分析: 這個問題入門級別dp,分析當前第k階的結果,每個人可以爬1個或者2個臺階,那麼說明它可能是由k-1或者k-2來的,所以就是兩個子情況的疊加(需要特殊考慮一下初始情況),這個思路有人會想到遞迴,沒錯用遞迴確實可以解決但是用遞迴效率較低(因為這個是個發散的遞迴一個拆成兩個),使用記憶化搜尋會稍微好一些。 但是dp是比較好的方法,核心狀態轉移方程為: dp[i]=dp[i-1]+dp[i-2] ,有些空間最佳化的那就更好了,因為只用到前兩個值,所以完全可以用三個值重複使用節省空間。 class Solution { public int climbStairs(int n) { if(n<3)return n; int dp[]=new int[n+1]; dp[1]=1; dp[2]=2; for(int i=3;i 當然,有的資料很大求餘的跳臺階,可以用矩陣快速冪解決,但是這裡就不介紹啦,有興趣可以詳細看看。 0X08 TOPK問題 TOPK問題真的非常經典,通常問的有最小的K個數,尋找第K大都是TOPK這種問題,這裡就用力扣215尋找陣列第K大元素作為板子。 詳細分析:一文拿捏TOPK TOPK的問題解決思路有很多,如果最佳化的冒泡或者簡單選擇排序,時間複雜度為O(nk),使用最佳化的堆排序為O(n+klogn),不過掌握快排的變形就可以應付大體上的所有問題了(面試官要是讓你手寫堆排序那真是有點難為你了)。 快排每次確定一個數pivot位置,將數分成兩部分:左面的都比這個數pivot小,右面的都比這個數pivot大,這樣就可以根據這個k去判斷剛好在pivot位置,還是左側還是右側?可以壓縮空間迭代去呼叫遞迴最終求出結果。 很多人為了更快過測試樣例將這個pivot不選第一個隨機選擇(為了和刁鑽的測試樣例作鬥爭),不過這裡我就選第一個作為pivot了,程式碼可以參考: class Solution { public int findKthLargest(int[] nums, int k) { quickSort(nums,0,nums。length-1,k); return nums[nums。length-k]; } private void quickSort(int[] nums,int start,int end,int k) { if(start>end) return; int left=start; int right=end; int number=nums[start]; while (left 0X09 無重複的最長子串(陣列) 這個問題可能是個字串也可能是陣列,但是道理一致, 無重複字元的最長子串 和 最長無重複子陣列 本質一致。 題目要求為:給定一個字串,請你找出其中不含有重複字元的 最長子串 的長度。 分析 : 此題就是給一個字串讓你找出最長沒有重複的一個子串。 要搞清 子串和子序列 的區別: 子串 :是連續的,可以看成原串的一部分擷取。 子序列 :不一定是連續的,但是要保證各個元素之間相對位置不變。 那麼我們如何處理呢? 暴力查詢,暴力查詢當然是可以的,但是複雜度過高這裡就不進行講解了。這裡選擇的思路是滑動視窗,滑動視窗,就是用一個區間從左往右, 右側先進行試探 ,找到區間無重複最大值,當有重複時左側再往右側移動一直到沒重複,然後重複進行到最後。在整個過程中找到最大子串即可。 具體實現時候可以用陣列替代雜湊表會快很多: class Solution { public int lengthOfLongestSubstring(String s) { int a[]=new int[128]; int max=0;//記錄最大 int l=0;//left 用i 當成right,當有重複左就往右 for(int i=0;i 0X10 排序 不會真的有人以為用個Arrays。sort()就完事了吧,手寫排序還是很高頻的,像冒泡、插入這些簡單的大家相比都會,像堆排序、希爾、基數排序等考察也不多,比較 高頻的就是快排 了,這裡額外獎勵一個也很高頻的歸併排序,兩個都是典型分治演算法,也可以將快排和前面的TOPK問題比較一番。 排序詳細的十大排序都有詳細講過,大家可以自行參考:程式設計師必知必會十大排序 快排: 具體實現: public void quicksort(int [] a,int left,int right){ int low=left; int high=right; //下面兩句的順序一定不能混,否則會產生陣列越界!!!very important!!! if(low>high)//作為判斷是否截止條件 return; int k=a[low];//額外空間k,取最左側的一個作為衡量,最後要求左側都比它小,右側都比它大。 while(low 歸併排序: 實現程式碼為: private static void mergesort(int[] array, int left, int right) { int mid=(left+right)/2; if(left 結語 好了,今天給大家分享的10個問題,是真的在面試中非常非常高頻,我敢說平均每兩次面試就得遇到這裡面的其中一個題(毫不誇張)! 雖說題海很深學不完,但是學過快取的都知道要把熱點資料放快取,考過試的都知道要把必考點掌握……這十個問題已經送到嘴邊。 當然,這只是非常非常高頻的問題,要想拿捏筆試,肯定還要不斷積累、刷題,我也整理了 原創資料結構與演算法pdf。(三連後私我pdf即可獲取) 個人公眾號: bigsai 頭條號: 程式設計師bigsai 轉載請附上本文連結。 原創不易,還請 點贊、關注、轉發 支援一下!> levelOrder(TreeNode root) { List
> value=new ArrayList<>();//儲存到的最終結果 if(root==null) return value; int index=0;//判斷 Queue
1) { a[s。charAt(l++)]——; } if(i-l+1>max) max=i-l+1; } return max; }}