其他系列

这篇文章原本和【LeetCode刷题总结 - 剑指offer系列 - 持续更新】是一篇文章，但由于篇幅过大没法更新，所以就拆成了两篇。
若题中分析出现“上面有总结过…”等字样，且发现本篇文章没有总结，则可以到【LeetCode刷题总结 - 剑指offer系列 - 持续更新】中去寻找

【LeetCode刷题总结 - 剑指offer系列 - 持续更新】

数组 / 字符串

88. 合并两个有序数组

【88. 合并两个有序数组】

分析：

类似于归并排序的merge部分，可以看一下这篇文章【归并排序】

代码：

class Solution {
    public void merge(int[] nums1, int m, int[] nums2, int n) {
        // 辅助数组，复制nums1的前m个数据
        int[] copyFromNums1 = new int[m];
        for(int i=0; i<m; i++) {
            copyFromNums1[i] = nums1[i];
        }
        // 指针指向 copyFromNums1
        int i=0;
        // 指针指向 num2
        int j=0;
        // 指针指向 nums1
        int index = 0;
        // 比较 copyFromNums1 和 nums2，更小的放到nums1中
        while(i < m && j < n) {
            if(copyFromNums1[i] <= nums2[j]) {
                nums1[index++] = copyFromNums1[i++];
            } else {
                nums1[index++] = nums2[j++];
            }
        }
        // 执行到这里，要么 i==m 要么 j==n
        // 将剩余的放进nums1（可能已经空了）
        while(i < m) {
            nums1[index++] = copyFromNums1[i++];
        }
        // 将剩余的放进nums1（可能已经空了）
        while(j < n) {
            nums1[index++] = nums2[j++];
        }
    }
}

27. 移除元素

【27. 移除元素】

分析：

• 新增一个指针left，[0,left) 之间的元素就是!=val的
• 遍历数组，判断每个元素是否等于val，!= val 则添加到nums[left]，left++

参考动画：https://leetcode.cn/problems/remove-element/solution/xue-sheng-wu-de-nu-peng-you-du-neng-kan-nk7yy/

代码：

class Solution {
    public int removeElement(int[] nums, int val) {
        int left = 0;
        // 遍历数组，判断每个元素
        for(int right=0; right<nums.length; right++) {
            if(nums[right] != val) {
                nums[left] = nums[right];
                left++;
            }
        }
        return left;
    }
}

26. 删除有序数组中的重复项

【26. 删除有序数组中的重复项】

分析：

跟上一题思路一样，不同点在于比较的对象变成了“最后不重复的元素”

代码：

class Solution {
    public int removeDuplicates(int[] nums) {
        if(nums.length == 1) {
            return 1;
        }
        /**
         * left、right
         * left：指向最后不重复的元素
         * right：指向当前遍历的元素
         */
        int left = 0;
        for(int right=1; right<nums.length; right++) {
            if(nums[right] != nums[left]) {
                nums[left+1] = nums[right];
                left++;
            } 
        }
        return left+1;
    }
}

80. 删除有序数组中的重复项 II

【80. 删除有序数组中的重复项 II】

分析：

跟上一题思路一样，不同点在于比较的对象变成了“新数组中的倒数第k个元素”（此题中 k=2）
其实该题就是上一题的升华版，将上一题总结的更通用，上一题可理解为 k=1

代码：

class Solution {
    public int removeDuplicates(int[] nums) {
        if(nums.length == 1 || nums.length == 2) {
            return nums.length;
        }
        return removeK(nums, 2);
    }

    public int removeK(int[] nums, int k) {
        int left = k - 1;
        for(int right=k; right<nums.length; right++) {
            if(nums[right] != nums[left-k+1]) {
                nums[left+1] = nums[right];
                left++;
            }
        }
        return left+1;
    }
}

169. 多数元素

【169. 多数元素】

分析：

某个值在该数组中的个数超过一半，该值即叫做多数元素，这样的元素在这个数组中肯定只有一个
摩尔投票算法 可以使空间复杂度O(1)，时间复杂度为O(n).
B站上上视频讲解：https://www.bilibili.com/video/BV1Ey4y1n7hb

代码：

public class Solution {
    /* 摩尔投票 */
    public int MoreThanHalfNum_Solution(int [] arr) {
        // 票数
        int rating = 0;
        // m假设是个数超过一半的那个数
        int m = arr[0];
        for(int i=0; i<arr.length; i++) {
            // 当票数为0时， 将当前数当做m，并且票数设为1
            if(rating == 0){
                m = arr[i];
                rating = 1;
            } else {
                if(arr[i] == m)    // 若与m相同 票数就++
                    rating++;
                else    // 不同则--
                    rating--;
            }
        }
        
        return m;
    }
}

189. 轮转数组

【189. 轮转数组】

分析：

• 步骤一：整体翻转，[1,2,3,4,5,6,7] -> [7,6,5,4,3,2,1]
• 步骤二：数组截断，分成两段，若k=3，则[7,6,5,4,3,2,1] -> [7,6,5]、[4,3,2,1]
• 步骤三：分别对两段数组进行翻转，[7,6,5]、[4,3,2,1] -> [5,6,7]、[1,2,3,4]
• 步骤四：拼接两段，[5,6,7]、[1,2,3,4] -> [5,6,7,1,2,3,4]

代码：

class Solution {
    /**
     * 因为我们实际上并没有，分割数组（所有操作都是在原数组上），因此【步骤二】 和 【步骤四】是可以省略的
     */
    public void rotate(int[] nums, int k) {
        // 注意，该题的k有可能大于数组的长度，因此我们要提前取余
        k = k % nums.length;
        // 步骤一：整体翻转，[1,2,3,4,5,6,7] -> [7,6,5,4,3,2,1]
        reverse(nums, 0, nums.length-1);
        // 步骤二：数组截断，分成两段，若k=3，则[7,6,5,4,3,2,1] -> [7,6,5]、[4,3,2,1]
        // 步骤三：分别对两段数组进行翻转，[7,6,5]、[4,3,2,1] -> [5,6,7]、[1,2,3,4]
        reverse(nums, 0, k-1);
        reverse(nums, k, nums.length-1);
        // 步骤四：拼接两段，[5,6,7]、[1,2,3,4] -> [5,6,7,1,2,3,4]
    }

    /**
     * 翻转数组中元素 [a,b,c,d] -> [d,c,b,a]
     */
    public void reverse(int[] nums, int left, int right) {
        while(left < right) {
            swap(nums, left, right);
            left++;
            right--;
        }
    }

    /**
     * 交换数组中 index1 和index2 的位置
     */
    public void swap(int[] nums, int index1, int index2) {
        int temp = nums[index1];
        nums[index1] = nums[index2];
        nums[index2] = temp;
    }
}

121. 买卖股票的最佳时机

【121. 买卖股票的最佳时机】

分析：

• 需要两个全局变量，minLowVal：表示历史最低点； maxProfit：历史最大的模拟收益
• 遍历每天的股票，更新minLowVal，模拟 若当前价格大于历史最低点 则 卖掉股票，同时更新maxProfit

代码：

class Solution {
    public int maxProfit(int[] prices) {
        // 历史最低点
        int minLowVal = Integer.MAX_VALUE;
        // 历史最大的模拟收益
        int maxProfit = 0;

        for(int i=0; i<prices.length; i++) {
            int curPrice = prices[i];
            // 更新minLowVal
            minLowVal = Math.min(minLowVal, curPrice);
            // 若当天价格 高于 前面最低的价格，则模拟卖出股票
            if(curPrice > minLowVal) {
                int profit = curPrice - minLowVal;
                // 更新maxProfit
                maxProfit = Math.max(maxProfit, profit);
            }
        }
        return maxProfit;
    }
}

122. 买卖股票的最佳时机 II

【122. 买卖股票的最佳时机 II】

分析：

这题比上题还简单，(#^.^#)

不同点：

• 上题只能买卖一次，因此需要找到 前面的最低点 和 后面的最高点
• 这题可以无限买卖，只要 当天价格 > 昨天价格，我们就可以卖股票（就有收益）,然后收益累加

代码：

class Solution {
    public int maxProfit(int[] prices) {
        // 若只有一天的，则收益为0
        if(prices.length == 1) {
            return 0;
        }
        // 收益是累加的，初始值为0
        int maxProfit = 0;
        // 从第2天开始遍历
        for(int i=1; i<prices.length; i++) {
            // 若 当天价格 > 前一天价格，则模拟卖出股票，并且收益累加
            if(prices[i] > prices[i-1]) {
                int newProfit = prices[i] - prices[i-1];
                maxProfit += newProfit;
            }
        }

        return maxProfit;
    }
}

55. 跳跃游戏

【55. 跳跃游戏】

分析：

参考视频：【LeetCode_55_跳跃游戏】

代码：

class Solution {
    public boolean canJump(int[] nums) {
        /**
         * maxLen：表示历史情况下能够达到的最远下标的位置
         * 当到达0时，maxLen指 【0所能到达最远位置】
         * 当到达1时，maxLen指 【0所能到达最远位置】 和 【1所能到达最远位置】 的最大值
         * 当到达i时，maxLen指 【0所能到达最远位置】 和 【1所能到达最远位置】 ... 【i所能到达最远位置】 的最大值
         */
        int maxLen = 0;
        for(int i=0; i<nums.length; i++) {
            // 如果 maxLen 小于 i，则说明无论怎么跳都不能到达i的，直接返回false
            if(i > maxLen) {
                return false;
            }
            // 更新maxLen
            maxLen = Math.max(maxLen, i + nums[i]);
        }
        return true;
    }
}

274. H 指数

【274. H 指数】

分析：

• 先排序
• 引用值从大到小进行遍历
• 满足条件就count++，直到不满足为止

代码：

class Solution {
    public int hIndex(int[] citations) {
        // 先对数组进行排序，默认是递增
        Arrays.sort(citations);
        // 记录满足条件的文章数，初始值为0
        int count = 0;
        // 以 引用值从高到低 进行遍历
        for(int i = citations.length-1; i>=0; i--) {
            // 在比较的时候，要把当前文章也加上，因此这里是count+1
            if(citations[i] >= count+1) {
                count++;
            } else {
                break;
            }
        }
        return count;
    }
}

380. O(1) 时间插入、删除和获取随机元素

【380. O(1) 时间插入、删除和获取随机元素】

分析：

• 获取随机值，并且时间复杂度为O(1)，我们很容易想到使用数组来存储数据
• 而insert和remove的时间复杂度也为O(1)，我们又可以使用map，key存储对应的值，value存储该元素在数组中的下标

复杂的是remove函数，细细咀嚼吧

代码：

class RandomizedSet {
        // 用于存储添加的val
        List<Integer> list = new ArrayList();

        // key：具体插入的值  value：表示该值在list中的下标
        Map<Integer, Integer> map = new HashMap();

        // 随机数生成器对象
        Random random = new Random();

    public RandomizedSet() {     
    }
    
    public boolean insert(int val) {
        if(map.containsKey(val)) {
            return false;
        }
        list.add(val);
        map.put(val, list.size()-1);
        return true;
    }
    
    public boolean remove(int val) {
        if(!map.containsKey(val)) {
            return false;
        }
        // 1、获取待删除值的下标
        int idx = map.get(val);
        // 2、取list中最后一个值：last
        int last = list.get(list.size()-1);
        // 3、用last覆盖，要删除的值的位置
        list.set(idx, last);
        map.put(last, idx);
        // 4、删除最后一个位置，以及对应值
        map.remove(val);
        list.remove(list.size()-1);
        return true;
    }
    
    public int getRandom() {
        return list.get(random.nextInt(list.size()));
    }
}

238. 除自身以外数组的乘积

【238. 除自身以外数组的乘积】

分析：

解题思路：
B站上视频连接：https://www.bilibili.com/video/BV1xV411f773

• 利用类似于动态规划的思想，构建[0,i]的乘积数组，即i及i之前的所有数的乘积
• 利用类似于动态规划的思想，构建[i,n-1]的乘积数组，即i及i之后的所有数的乘积
• 最终根据题意 res[i] = cj1[i-1] * cj2[i+1]，求最终结果集

代码：

public class Solution {
    public int[] multiply(int[] A) {
        int n = A.length;
        // 用于存放 i及i之前的所有乘积（包含i：[0,i]）
        int[] cj1 = new int[n];
        // 用于存放 i及i之后的所有乘积（包含i：[i,n-1]）
        int[] cj2 = new int[n];
        // 用于存放那结果集
        int[] res = new int[n];
        
        // 类似于动态规划的求法，求cj1。[0,i]
        for(int i=0; i<n; i++) {
            // 若i为0，则区A[0] 边界条件
            if(i == 0)
                cj1[i] = A[0];
            else    // 动态规划
                cj1[i] = cj1[i-1] * A[i];
        }
        // 类似于动态规划的求法，求cj2。[i,n-1]。 同上
        for(int i=n-1; i>=0; i--) {
            if(i == n-1)
                cj2[i] = A[n-1];
            else
                cj2[i] = cj2[i+1] * A[i];
        }
        // 最后根据题意，求结果集
        for(int i=0; i<n; i++) {
            if(i == 0)
                res[i] = cj2[i+1];
            else if(i == n-1)
                res[i] = cj1[i-1];
            else
                res[i] = cj1[i-1] * cj2[i+1];
        }
        
        return res;
    }
}

739. 每日温度

【739. 每日温度】

分析：

单调栈 维护 还未找到后面更高温度的日期

参考视频：【单调栈，你该了解的，这里都讲了！LeetCode:739.每日温度】

代码：

class Solution {
    public int[] dailyTemperatures(int[] temperatures) {
        // 单调递增栈，存放还未找到最近最高温度的日期，存放的是下标
        Stack<Integer> stack = new Stack();
        // 存放待返回的结果
        int[] ret = new int[temperatures.length]; 
        stack.push(0);
        // 遍历温度表
        for(int i=1; i<temperatures.length; i++) {
            int cur = temperatures[i];
            // 若栈顶温度 小于 当天温度，则说明当天温度 相对于 栈顶元素来说，就是最近的更高温度
            while(!stack.isEmpty() && temperatures[stack.peek()] < cur) {
                // 已经为栈顶元素找到了 最近的最高温度，则没必要放到栈中了
                int popedIdx = stack.pop();
                // 记录天数差
                ret[popedIdx] = i - popedIdx;
            }
            stack.push(i);
        }
        // 最后stack不为空，则说明stack中的元素 后面找不到更高温度的日期
        while(!stack.isEmpty()) {
            int popedIdx = stack.pop();
            ret[popedIdx] = 0;
        }

        return ret;
    }
}

42. 接雨水

【42. 接雨水】

分析：

参考视频：【单调栈，经典来袭！LeetCode:42.接雨水】

建议先做上一题

• 找到较低点的前一个较大值 和 后一个较大值，则可以算较低点 相对于 前、后两个较大点所接的雨水（横向求解，水平求解）
• 维护一个单调栈（存储下标），若当前值大于栈顶元素，则栈顶元素就是 较低点，栈顶第二个元素就是较低点的前一个较大点，当前值就是较低点的下一个较大点

代码：

class Solution {
    public int trap(int[] height) {
        // stack维护一个单调栈（非递减），存储下标
        Stack<Integer> stack = new Stack();
        // 记录接雨水的总数
        int sum = 0;
        for(int i=0; i<height.length; i++) {
            int cur = height[i];
            // 若栈顶元素 小于 当前值则弹出（表示当前值是栈顶元素的后续第一个较大者）
            while(!stack.isEmpty() && height[stack.peek()] < cur) {
                // nextHeight：下个较大值(下标)
                int nextHeight = i;
                // mid：就是中间点(下标)
                int mid = stack.pop();
                if(stack.isEmpty()) {   // 若为空 则直接跳过，不处理
                    break;
                }
                // preHeight:前一个较大值(下标)
                int preHeight = stack.peek();
                // 高度差
                int diffY = Math.min(height[preHeight], height[nextHeight]) - height[mid];
                // 宽度差
                int diffX = nextHeight - preHeight - 1;
                // 面积累计
                sum += diffX * diffY;
            }
            stack.push(i);
        }
        return sum;
    }
}

双指针

125. 验证回文串

【125. 验证回文串】

分析：

• 双指针：左右指针同步往内移动，若字符（排除掉特殊字符）不同则为false
• Character.isLetterOrDigit()：判断是否是数字或者字母字符
• Character.toLowerCase()：字母转成小写

代码：

class Solution {
    public boolean isPalindrome(String s) {
        s = s.trim();
        if(s.length() == 0) {
            return true;
        }
        int left = 0;
        int right = s.length() - 1;

        while(left < right) {
            // 左侧：left指针，跳过非数字或者字母的字符
            while(left < right && !Character.isLetterOrDigit(s.charAt(left))) {
                left++;
            }
            // 右侧：right指针，跳过非数字或者字母的字符
            while(left < right && !Character.isLetterOrDigit(s.charAt(right))) {
                right--;
            }
            // 字符都归一化成小写
            char leftChar = Character.toLowerCase(s.charAt(left));
            char rightChar = Character.toLowerCase(s.charAt(right));
            // 若不同 返回false
            if(leftChar != rightChar) {
                return false;
            }
            // 同步向内移动
            left++;
            right--;
        }
        return true;
    }
}

392. 判断子序列

【392. 判断子序列】

分析：

• 双指针，p1指向字符串s，p2指向字符串t
• 字符遍历，一直遍历，直到s结束 或者 t结束
• p2指针每次后后移一步，p1指针只有 两个字符相同时 才会后移

代码：

class Solution {
    public boolean isSubsequence(String s, String t) {
        if(s.length() == 0) {
            return true;
        }
        if(t.length() == 0) {
            return false;
        }
        int p1 = 0;
        int p2 = 0;
        // 一直遍历，直到s结束 或者 t结束
        while(p1 < s.length() && p2 < t.length()) {
            if(s.charAt(p1) == t.charAt(p2)) {
                // 若相同，则s的指针-p1也会后移
                p1++;
            }
            // t的指针-p2总会后移一步
            p2++;
        }
        //  p1 == s.length() 时，表明s已经遍历完了
        return p1 == s.length();
    }
}

167. 两数之和 II - 输入有序数组

【167. 两数之和 II - 输入有序数组】

分析：

B站上视频讲解：https://www.bilibili.com/video/BV1J741157eS

1. 左右双指针。左指针-l初始为0位置，右指针-r初始为length-1。
2. while(l<r)循环。 若和大于sum则右指针左移；若和小于sum则左指针右移。

代码：

class Solution {
    public int[] twoSum(int[] numbers, int target) {
        int left = 0;
        int right = numbers.length - 1;
        while(left < right) {
            int sum = numbers[left] + numbers[right];
            if(sum == target) {
                int[] res = new int[2];
                res[0] = left+1;
                res[1] = right+1;
                return res;
            }
            if(sum < target) {
                left++;
            } else {
                right--;
            }
        }
        return new int[]{-1, -1};
    }
}

11. 盛最多水的容器

【11. 盛最多水的容器】

分析：

借鉴题解：https://leetcode.cn/problems/container-with-most-water/solution/container-with-most-water-shuang-zhi-zhen-fa-yi-do/

结论：左右指针，谁的高度越低，谁就往中间移动

• 若向内移动短板，水槽的短板min(h[i], h[j])可能变大，因此下个水槽面积可能增大
• 若向内移动长板，水槽的短板min(h[i], h[j])不变或变小，因此下个水槽面积一定变小

流程：

• 初始化：双指针left，right分列水槽的两端
• 循环收窄：直到双指针相遇则跳出
  • 更新面积最大值max
  • 选定两板高度中的短板，向中间收窄一格
• 返回值：返回面积最大值即可

代码：

class Solution {
    public int maxArea(int[] height) {
        int max = Integer.MIN_VALUE;
        int left = 0;
        int right = height.length-1;
        while(left < right) {
            int area = (right - left) * Math.min(height[left], height[right]);
            max = Math.max(max, area);
            // 谁低谁往中间移动
            if(height[left] < height[right]) {
                left++;
            } else {
                right--;
            }
        }
        return max;
    }
}

15. 三数之和（已总结）

【15. 三数之和】

分析：

• 先排序
• 通过枚举 i 确定第一个数，另外两个指针 left，right 分别从左边 i + 1 和右边 length - 1 往中间移动，找到满足 nums[left] + nums[right] == -nums[i] 的所有组合
• 去重：因为是有序序列，因此我们可以用如下方式去重（重点，看代码细细品味）

代码：

class Solution {
    public List<List<Integer>> threeSum(int[] nums) {
        List<List<Integer>> res = new ArrayList();
        // 先排序
        Arrays.sort(nums);
        int n = nums.length;
        // 遍历每个元素，当做三元组的首个元素
        for(int i=0; i<n; i++) {
            // 对第一个元素去重
            if(i != 0 && nums[i] == nums[i-1]) {
                continue;
            }
            int target = -nums[i];
            int left = i+1;
            int right = n-1;
            while(left < right) {
                int sum = nums[left] + nums[right];
                if(sum < target) {
                    left++;
                } else if (sum > target) {
                    right--;
                } else {
                    if(sum == target) {
                        res.add(Arrays.asList(nums[i], nums[left], nums[right]));
                        // 因为我们要找到所有 三元组，因此需要继续找
                        // 找下一个跟 当前tempL不同的值作为新的left（因为数组是有序的，因此这样可以保证去重）
                        int tempL = nums[left++];
                        while(left < right && nums[left] == tempL) {
                            left++;
                        }
                        // 找下一个跟 当前tempR不同的值作为新的right（同理）
                        int tempR = nums[right--];
                        while(left < right && nums[right] == tempR) {
                            right--;
                        }
                    }
                }
            }
        }
        return res;
    }
}

区间

228. 汇总区间

【228. 汇总区间】

分析：

• 双指针low、high，[low, high] 用于维护递增1的有序序列
• high每次累加1
• low每次更新到high

代码：

class Solution {
    public List<String> summaryRanges(int[] nums) {
        List<String> res = new ArrayList();
        if(nums.length == 0) {
            return new ArrayList();
        }
        int len = nums.length;
        int low = 0;
        // [low, high] 用于维护递增1的有序序列
        while(low < len) {
            int high = low + 1;
            // 若 nums[high-1] + 1 == nums[high] 则high后移，直到不满足条件为止
            while(high < len && nums[high-1] + 1 == nums[high]) {
                high++;
            }
            // 此时 nums[high-1] + 1 != nums[high], 则[low, high-1] 就是递增1的有序序列
            String s = "";
            if(nums[low] == nums[high-1]) {
                s = String.valueOf(nums[low]);
            } else {
                s = nums[low] + "->" + nums[high-1];
            }
            res.add(s);
            // low重置，指向high位置
            low = high;
        }
        return res;

    }
}

252. 会议室

分析：

参考文章：【秒懂力扣区间题目：重叠区间、合并区间、插入区间】

因为一个人在同一时刻只能参加一个会议，因此题目实质是判断是否存在重叠区间?，这个简单，将区间按照会议开始时间进行排序，然后遍历一遍判断即可。

代码：

class Solution {
    public boolean canAttendMeetings(int[][] intervals) {
        // 将区间按照会议开始实现升序排序
        Arrays.sort(intervals, (v1, v2) -> v1[0] - v2[0]);
        // 遍历会议，如果下一个会议在前一个会议结束之前就开始了，返回 false。
        for (int i = 1; i < intervals.length; i++) {
            if (intervals[i][0] < intervals[i - 1][1]) {
                return false;
            }
        }
        return true;
    }
}

56. 合并区间

【56. 合并区间】

分析：

参考文章：【秒懂力扣区间题目：重叠区间、合并区间、插入区间】

• 遍历intervals
• 若interval与res的最后一个元素区间重合，则合并最后一个区间
• 否则 则直接加入到res中

代码：

class Solution {
    public int[][] merge(int[][] intervals) {
        List<int[]> res = new ArrayList();
        // 升序排列
        Arrays.sort(intervals, (v1,v2) -> v1[0] - v2[0]);
        // 遍历intervals，更新res
        for(int[] interval: intervals) {
            if(!res.isEmpty() && interval[0] <= res.get(res.size()-1)[1]) { // 重叠了，则更新res的最后一个元素
                // 拿到 res的最后一个元素
                int[] last = res.get(res.size()-1);
                // 更新last[1]
                last[1] = Math.max(last[1], interval[1]);
            } else {    // 不重叠则直接更新
                res.add(interval);
            }
        }
        int[][] res1 = new int[res.size()][2];
        for(int i=0; i<res.size(); i++) {
            for(int j=0; j<2; j++) {
                res1[i][j] = res.get(i)[j];
            }
        }
        return res1;
    }
}

57. 插入区间

【57. 插入区间】

分析：

用指针去扫 intervals，最多可能有三个阶段：

1. 不重叠的前半部分
2. 重叠的部分
3. 不重叠的后半部分

参考解题思路：【「手画图解」57. 插入区间 | 分成 3 个阶段考察】

代码：

class Solution {
    public int[][] insert(int[][] intervals, int[] newInterval) {
        List<int[]> res = new ArrayList();
        int i=0;
        int len = intervals.length;
        // 处理第一部分：不重叠的前半部区间
        while(i < len && intervals[i][1] < newInterval[0]) {
            res.add(intervals[i]);
            i++;
        }

        // 处理第二部分：重叠的区间
        while(i < len && intervals[i][0] <= newInterval[1]) {
            // 左边界，则取最小值
            newInterval[0] = Math.min(intervals[i][0], newInterval[0]);
            // 右边界，则取最大值
            newInterval[1] = Math.max(intervals[i][1], newInterval[1]);
            i++;
        }
        res.add(newInterval);

        // 处理第三部分：不重叠的后半部区间
        while(i < len) {
            res.add(intervals[i]);
            i++;
        }

        int[][] res1 = new int[res.size()][2];
        for(i=0; i<res.size(); i++) {
            for(int j=0; j<2; j++) {
                res1[i][j] = res.get(i)[j];
            }
        }
        return res1;
    }
}

二叉树

104. 二叉树的最大深度

【104. 二叉树的最大深度】

分析：

计算公式：以root为根树的高度 = max(root左子树的高度, root右子树的高度) + 1
很明显想算出以root为根树的高度，就要先算出子树的高度，因此我们很容想到的就是后序遍历

后序遍历特点：先算出左、右子节点结果，再通过回溯的特点往上推，实际上就是自底向上的计算方式

代码：

class Solution {
    public int maxDepth(TreeNode root) {
        return depth(root);
    }

    public int depth(TreeNode root) {
        if(root == null) {
            return 0;
        }
        // 左子树高度
        int leftDepth = depth(root.left);
        // 右子树高度
        int rightDepth = depth(root.right);
        // 代入公式算出 以root为根的树的高度
        int depth = Math.max(leftDepth, rightDepth) + 1;
        return depth;
    }
}

100. 相同的树

【100. 相同的树】

分析：

• 深度优先，后序遍历
• 先判断边界条件
  • p == null && q == null：都为null，则说明遍历到叶子节点了
  • p == null || q == null：到这里，其实 p、q一个为null、另一个不为null，因此一定不相同
  • p.val != q.val：值不相同，一定不相同
• 判断左、右子树结果
• 汇总

代码：

class Solution {
    public boolean isSameTree(TreeNode p, TreeNode q) {
        return isSame(p, q);
    }

    public boolean isSame(TreeNode p, TreeNode q) {
        // 都为null，则说明遍历到叶子节点了
        if(p == null && q == null) {
            return true;
        }
        // 到这里，其实 p、q一个为null、另一个不为null，因此一定不相同
        if(p == null || q == null) {
            return false;
        }
        // 值不相同，一定不相同
        if(p.val != q.val) {
            return false;
        }
        boolean leftIsSame = isSame(p.left, q.left);
        boolean rightIsSame = isSame(p.right, q.right);
        // 只有左右子树都为相同，才相同
        return leftIsSame && rightIsSame;
    }
}

101. 对称二叉树

【101. 对称二叉树】

分析：

大体框架与上题一样：

• 这里是把根节点的左右子树当做两棵树
• 然后比较这两棵树是否对称

比较两棵树是否相同的主要代码：

boolean leftIsSame = isSame(root1.left, root2.left);
boolean rightIsSame = isSame(root1.right, root2.right);

比较两棵树是否对称的主要代码：

// 判断对称的外侧，即 左树的左孩子 与 右树的右孩子
boolean outFlag = symmetric(root1.left, root2.right);
// 判断对称的内侧，即 左树的右孩子 与 右树的左孩子
boolean inFlag = symmetric(root1.right, root2.left);

代码：

class Solution {
    public boolean isSymmetric(TreeNode root) {
        return symmetric(root.left, root.right);
    }

    public boolean symmetric(TreeNode root1, TreeNode root2) {
        if(root1 == null && root2 == null) {
            return true;
        }
        if(root1 == null || root2 == null) {
            return false;
        }
        if(root1.val != root2.val) {
            return false;
        }
        // 判断对称的外侧，即 左树的左孩子 与 右树的右孩子
        boolean outFlag = symmetric(root1.left, root2.right);
        // 判断对称的内侧，即 左树的右孩子 与 右树的左孩子
        boolean inFlag = symmetric(root1.right, root2.left);
        return outFlag && inFlag;
    }
}

根相同的两棵树root1，root2，判断root2是否是root1的子树？

该题前提：

• root1.val == root2.val
• 是否为子树？我们可理解为 “root1（大树）是否包含root2（小树）？”

分析：

大体框架和【100. 相同的树】类似，只是处理边界逻辑发生改变

// 如果匹配的树为null 则说明匹配到叶子节点了 已经匹配完了
if(subtree == null) {
    return true;
}
// 如果root为null 则说明大树匹配到叶子节点了 还没匹配完子树
if(root == null) {
    return false;
}

代码：

/**
 * 判断subTree是否为root的子树？
 */
public boolean judge(TreeNode root, TreeNode subtree ) {
    // 如果匹配的树为null 则说明匹配到叶子节点了 已经匹配完了
    if(subtree == null) {
        return true;
    }
    // 如果root为null 则说明大树匹配到叶子节点了 还没匹配完子树
    if(root == null) {
        return false;
    }
    // 节点值不同，则直接返回false
    if(root.val != subtree.val) {
        return false;
    }
    boolean leftJudge = judge(root.left, subtree.left);
    boolean rightJudge = judge(root.right, subtree.right);
    return leftJudge && rightJudge;
    
}

剑指 Offer 26. 树的子结构

【剑指 Offer 26. 树的子结构】

分析：

解题步骤：

1. 遍历大树
2. 若以任意节点为根的树 包含 目标子树，则返回true

注意点：在遍历大树时，别调错递归方法了，调的是isSubStructure，而不是judge

代码：

class Solution {
    public boolean isSubStructure(TreeNode root1,TreeNode root2) {
        if(root1==null || root2==null) return false;
        // 若以当前节点为根的树 包含目标子树，则直接返回true
        if(judge(root1, root2)) {
            return true;
        }
        // 下面调isSubStructure是起遍历的作用，别调错成judge了
        boolean leftFlag = isSubStructure(root1.left, root2);
        boolean rightFlag = isSubStructure(root1.right, root2);
        // 存在左右子树任意匹配即可
        return leftFlag || rightFlag;
    }

    /**
     * 判断subTree是否为root的子树？
     */
    public boolean judge(TreeNode root, TreeNode subtree ) {
        // 如果匹配的树为null 则说明匹配到叶子节点了 已经匹配完了
        if(subtree == null) {
            return true;
        }
        // 如果root为null 则说明大树匹配到叶子节点了 还没匹配完子树
        if(root == null) {
            return false;
        }
        // 节点值不同，则直接返回false
        if(root.val != subtree.val) {
            return false;
        }
        boolean leftJudge = judge(root.left, subtree.left);
        boolean rightJudge = judge(root.right, subtree.right);
        return leftJudge && rightJudge;  
    }  
}

226. 翻转二叉树

【226. 翻转二叉树】

分析：

• 遍历大树，并且交换左、右孩子

代码：

class Solution {
    public TreeNode invertTree(TreeNode root) {
        dfs(root);
        return root;
    }
    /**
     * 遍历大树，且交换左、右孩子
     */
    public void dfs(TreeNode root) {
        if(root == null) {
            return;
        }
        swap(root);
        dfs(root.left);
        dfs(root.right);
    }
    /**
     * 交换root 的 左子树 和 右子树
     */
    public void swap(TreeNode root) {
        if(root == null) {
            return;
        }
        TreeNode temp = root.left;
        root.left = root.right;
        root.right = temp;
    }
}

105. 从前序与中序遍历序列构造二叉树

【105. 从前序与中序遍历序列构造二叉树】

分析：

上面【分治算法-系列】的【剑指 Offer 07. 重建二叉树】

代码：

class Solution {
    int[] preorder;
    int[] inorder;
    // 存储中序遍历 对应值的下标
    private HashMap<Integer, Integer> inorderMap = new HashMap();
    public TreeNode buildTree(int[] preorder, int[] inorder) {
        this.preorder = preorder;
        this.inorder = inorder;
        for(int i=0; i<inorder.length; i++) {
            inorderMap.put(inorder[i], i);
        }
        return build(0, preorder.length-1, 0, inorder.length-1);
    }

    public TreeNode build(int left1, int right1, int left2, int right2) {
        if(left1>right1 || left2>right2) {
            return null;
        }
        int rootVal = preorder[left1];
        TreeNode root = new TreeNode(rootVal);
        int idx = inorderMap.get(rootVal);
        int leftTreeSize = idx - left2; // 左子树大小
        int rightTreeSize = right2 - idx;   // 右子树大小
        // 构建左孩子
        root.left = build(left1+1, left1+leftTreeSize, left2, left2+leftTreeSize-1);
        // 构建右孩子
        root.right = build(left1+leftTreeSize+1, right1, idx+1, right2);
        return root;
    }
}

106. 从中序与后序遍历序列构造二叉树

【106. 从中序与后序遍历序列构造二叉树】

分析：

和上题类思路一致

代码：

class Solution {
    int[] postorder;
    int[] inorder;
    // 存储中序遍历 对应值的下标
    private HashMap<Integer, Integer> inorderMap = new HashMap();
    public TreeNode buildTree(int[] inorder, int[] postorder) {
        this.postorder = postorder;
        this.inorder = inorder;
        for(int i=0; i<inorder.length; i++) {
            inorderMap.put(inorder[i], i);
        }
        return build(0, postorder.length-1, 0, inorder.length-1);
    }

    public TreeNode build(int left1, int right1, int left2, int right2) {
        if(left1>right1 || left2>right2) {
            return null;
        }
        int rootVal = postorder[right1];
        TreeNode root = new TreeNode(rootVal);
        int idx = inorderMap.get(rootVal);
        int leftTreeSize = idx - left2; // 左子树大小
        int rightTreeSize = right2 - idx;   // 右子树大小
        // 构建左孩子
        root.left = build(left1, left1+leftTreeSize-1, left2, left2+leftTreeSize-1);
        // 构建右孩子
        root.right = build(left1+leftTreeSize, right1-1, idx+1, right2);
        return root;
    }
}

117. 填充每个节点的下一个右侧节点指针 II

【117. 填充每个节点的下一个右侧节点指针 II】

分析：

使用宽度优先遍历

代码：

class Solution {
    public Node connect(Node root) {
        if(root == null) {
            return null;
        }
        Queue<Node> queue = new LinkedList();
        queue.offer(root);
        while(!queue.isEmpty()) {
            int len = queue.size();
            for(int i=0; i<len; i++) {
                Node node = queue.poll();
                if(node.left != null) {
                    queue.offer(node.left);
                }
                if(node.right != null) {
                    queue.offer(node.right);
                }
                // next指向下一个节点，但是要判断queue不为空
                if(!queue.isEmpty()) {
                    node.next = queue.peek();
                }
                // 最后一个要指向null
                if(i == len-1) {
                    node.next = null;
                }
            }
        }
        return root;
    }
}

114. 二叉树展开为链表

【114. 二叉树展开为链表】

分析：

该方法不是时间复杂度最低的

• 前序遍历将节点放入到list
• 遍历list，更新左、右子节点的指向关系

代码：

class Solution {
    List<TreeNode> list = new ArrayList();
    public void flatten(TreeNode root) {
        preorderDfs(root);
        for(int i=0; i<list.size(); i++) {
            TreeNode cur = list.get(i);
            cur.left = null;
            if(i == list.size()-1) {
                cur.right = null;
            } else {
                cur.right = list.get(i+1);
            }
        }
    }
    // 前序遍历
    public void preorderDfs(TreeNode root) {
        if(root == null) {
            return;
        }
        list.add(root);
        preorderDfs(root.left);
        preorderDfs(root.right);
    }
}

112. 路径总和

【112. 路径总和】

分析：

前面已经总结过了【JZ82 二叉树中和为某一值的路径(一)】

代码：

class Solution {
    public boolean hasPathSum(TreeNode root, int targetSum) {
        if(root == null) {
            return false;
        }
        return dfs(root, targetSum);
    }

    public boolean dfs(TreeNode root, int target) {
        if(root == null) {
            return false;
        }
        target -= root.val;
        // 叶子节点：root.left == null && root.right == null
        if(root.left == null && root.right == null && target == 0) {
            return true;
        }
        return dfs(root.left, target) || dfs(root.right, target);
    }
}

129. 求根节点到叶节点数字之和

【129. 求根节点到叶节点数字之和】

分析：

该题上面已总结过：【剑指 Offer II 049. 从根节点到叶节点的路径数字之和】

代码：

class Solution {
    int sum = 0;
    int pro = 0;
    public int sumNumbers(TreeNode root) {
        dfs(root);
        return sum;
    }

    public void dfs(TreeNode root) {
        if(root == null) {
            return;
        }
        int curVal = root.val;
        pro = pro * 10 + curVal;
        if(root.left == null && root.right == null) {
            sum += pro;
        }
        dfs(root.left);
        dfs(root.right);
        pro /= 10;
    }
}

222. 完全二叉树的节点个数

【222. 完全二叉树的节点个数】

分析：

参考视频：【leetcode-树篇 222题 完全二叉树的节点个数】

求完全二叉树深度：

/**
 * 完全二叉树深度
 */
public int getDepth(TreeNode root) {
    int level = 0;
    while(root != null) {
        level++;
        root = root.left;
    }
    return level;
}

代码：

其中 1 << leftDepth : 【当前节点数：1】 + 【左子树节点个数】 = 1 + 2^n -1 = 2^n

class Solution {
    public int countNodes(TreeNode root) {
        if(root == null) {
            return 0;
        }
        // 求左子树的高度
        int leftDepth = getDepth(root.left);
        // 求右子树的高度
        int rightDepth = getDepth(root.right);

        if(leftDepth == rightDepth) {   // 此时左子树肯定是完全二叉树
            // 1（根节点） + n^2-1（左完全二叉树节点数）+ 右子树节点数量
            return (1 << leftDepth) + countNodes(root.right);
        } else {    // 此时右子树肯定是完全二叉树
            // 1（根节点） + n^2-1（右完全二叉树节点数）+ 右子树节点数量
            return (1 << rightDepth) + countNodes(root.left);
        }
    }
    /**
     * 完全二叉树深度
     */
    public int getDepth(TreeNode root) {
        int level = 0;
        while(root != null) {
            level++;
            root = root.left;
        }
        return level;
    }
}

236. 二叉树的最近公共祖先

【236. 二叉树的最近公共祖先】

分析：

上面已经总结过该题：【剑指 Offer 68 - II. 二叉树的最近公共祖先】

代码：

class Solution {
    public TreeNode lowestCommonAncestor(TreeNode root, TreeNode p, TreeNode q) {
        if(root == null) {
            return null;
        }
        return dfs(root, p, q);
    }

    // 【后续遍历】的特点：可以把最终返回的节点 通过递归一直往上推
    public TreeNode dfs(TreeNode root, TreeNode p, TreeNode q) {
        // 当前节点为null，则肯定找不到，直接返回null
        if(root == null) {
            return null;
        }
        // 找到了p 或者 q，则向上返回
        if(root == p || root == q) {
            return root;
        }
        // 【左】
        TreeNode left = dfs(root.left, p, q);
        // 【右】
        TreeNode right = dfs(root.right, p, q);
        
        // 【中】
        if(left != null && right != null) {
            // 若左、右子树都找到了，则当前节点就是最近公共节点
            return root;
        } else if (left != null && right == null) {
            // 左树找到了，但右树没找到，则返回left结果
            return left;
        } else if(right != null && left == null) {
            // 右树找到了，但左树没找到，则返回right结果
            return right;
        } else {
            // 都没找到，则向上返回null
            return null;
        }
    }
}

二叉树层次遍历

199. 二叉树的右视图

【199. 二叉树的右视图】

分析：

上面已经总结过了

代码：

class Solution {
    public List<Integer> rightSideView(TreeNode root) {
        if(root == null) {
            return new ArrayList();
        }
        Queue<TreeNode> queue = new LinkedList();
        queue.offer(root);
        List<Integer> res = new ArrayList();

        while(!queue.isEmpty()) {
            int length = queue.size();
            for(int i=0; i<length; i++) {
                TreeNode node = queue.poll();
                if(node.left != null) {
                    queue.offer(node.left);
                }
                if(node.right != null) {
                    queue.offer(node.right);
                }
                if(i == length-1) {
                    res.add(node.val);
                }
            }
        }

        return res;
    }
}

637. 二叉树的层平均值

【637. 二叉树的层平均值】

分析：

• 分层遍历（广度优先）
• 每层计算平均值

代码：

class Solution {
    public List<Double> averageOfLevels(TreeNode root) {
        List<Double> res = new ArrayList();
        if(root == null) {
            return new ArrayList();
        } 
        Queue<TreeNode> queue = new LinkedList();
        queue.offer(root);
        while(!queue.isEmpty()) {
            int len = queue.size();
            double sum = 0;
            for(int i=0; i<len; i++) {
                TreeNode node = queue.poll();
                if(node.left != null) {
                    queue.offer(node.left);
                }
                if(node.right != null) {
                    queue.offer(node.right); 
                }
                sum += node.val;
            }
            res.add(sum/len);
        }
        return res;
    }
}

102. 二叉树的层序遍历

【102. 二叉树的层序遍历】

分析：

一样的模板套路

代码：

class Solution {
    public List<List<Integer>> levelOrder(TreeNode root) {
        if(root == null) {
            return new ArrayList();
        }
        List<List<Integer>> res = new ArrayList();
        Queue<TreeNode> queue = new LinkedList();
        queue.offer(root);
        while(!queue.isEmpty()) {
            int len = queue.size();
            List<Integer> list = new ArrayList();
            for(int i=0; i<len; i++) {
                TreeNode node = queue.poll();
                list.add(node.val);
                if(node.left != null) {
                    queue.offer(node.left);
                }
                if(node.right != null) {
                    queue.offer(node.right);
                }
            }
            res.add(list);
        }
        return res;
    }
}

103. 二叉树的锯齿形层序遍历

【103. 二叉树的锯齿形层序遍历】

分析：

• 和上面一样的套路，不同点是插入list的方式。该题 尾插 和 头插 每一行交替操作
• list的头插法：list.add(0, node.val)

代码：

class Solution {
    public List<List<Integer>> zigzagLevelOrder(TreeNode root) {
        if(root == null) {
            return new ArrayList();
        }
        List<List<Integer>> res = new ArrayList();
        Queue<TreeNode> queue = new LinkedList();
        queue.offer(root);
        boolean flag = true;
        while(!queue.isEmpty()) {
            int len = queue.size();
            List<Integer> list = new ArrayList();
            for(int i=0; i<len; i++) {
                TreeNode node = queue.poll();
                if(flag) {
                    list.add(node.val);
                } else {
                    list.add(0, node.val);
                }
                if(node.left != null) {
                    queue.offer(node.left);
                }
                if(node.right != null) {
                    queue.offer(node.right);
                }
            }
            res.add(list);
            flag = !flag;
        }
        return res;
    }
}

数学

9. 回文数

分析：

1. 数字转成字符串
2. 判断字符串是否是回文串
3. 双指针法

代码：

class Solution {
    public boolean isPalindrome(int x) {
        String s = String.valueOf(x);
        if(s.length() == 0 || s.length() == 1) {
            return true;
        }
        char[] chars = s.toCharArray();
        int left = 0;
        int right = chars.length - 1;

        while(left <= right) {
            if(chars[left] != chars[right]) {
                return false;
            }
            left++;
            right--;
        }

        return true;
    }
}

66. 加一

【66. 加一】

分析：

• 从尾到头遍历，模拟+1
• 遍历carry来记录上一轮是否进位，因为该题需要+1，因此carry默认值为true
• 直到+1后当前元素 < 10，这可直接返回当前数组
• 若远数组为[9,9,9,9,9]这种情况，则最终会是[0,0,0,0,0]，需要新创建一个数组，新增一位，第一位设置1即可，最终是[1,0,0,0,0,0]

代码：

class Solution {
    public int[] plusOne(int[] digits) {
        // carry标记上一轮计算是否进位？因为该题需要我们+1，所以这里默认值我们设为true
        boolean carry = true;
        for(int i=digits.length-1; i>=0; i--) {
            int curVal = digits[i];
            if(carry) {
                curVal++;
            }
            if(curVal < 10) {   // 不存在进位，则直接返回结果
                digits[i] = curVal;
                return digits;
            } else {    // 因为是加一，所有进位之后肯定是10，因此当前位为0
                carry = true;
                digits[i] = 0;
            }
        }
        if(digits[0] == 0) {    // 这种情况肯定是 原数组都是9，例如：99999，加一后100000，但数组中只存储00000
            int[] newDigits = new int[digits.length+1];
            newDigits[0] = 1;   // 此时newDigits -> 100000
            return newDigits;
        }
        return digits;
    }
}

172. 阶乘后的零

【172. 阶乘后的零】

分析：

参考视频：【【LeetCode 每日一题】172. 阶乘后的零 | 手写图解版思路 + 代码讲解】

该题其实就是求 [1-n]个数，一共存在多少“因子5”？

• 每5^1出现1个5，每5^2出现2个5，每5^3出现3个5，以此类推
• 则count = n/5 + n/5^2 + n/5^3 + ....

代码：

class Solution {
    public int trailingZeroes(int n) {
         int count = 0;
         while(n > 0) {
            count += n/5;
            n /= 5;
         }
         return count;
    }
}

其中n /= 5：分子除以5，等价于分母乘以5

69. x 的平方根

【69. x 的平方根 】

分析：

首先 x^0.5 <= x （肯定的）
所以该题可以看做 从[0,1,2,3...x] 中，找到 n*n <= x 的最大值
[0,1,2,3...x]是个有序序列，因此我们可以使用二分法求解

在判断mid*mid 是否是 小于 x 的最大值时，我们可以这样写：

if(mid < x/mid) {   // 等价于 mid*mid < x
    // 【关键判断】：若 mid+1 > x/(mid+1)，则mid*mid 肯定是小于 x 的最大值
    if(mid+1 > x/(mid+1)) { // 等价于 (mid+1)*(mid+1) > x  
        return mid;
    }
    left = mid + 1;
} 

---

注意点：
x的范围 0 <= x <= 2^31 - 1
错误写法：n*n <= x (肯定会超出int或者long的范围)
正确写法：n <= x/n (分子、分母同时除以n，n*n <= x 等价于 n <= x/n)

代码：

class Solution {
    public int mySqrt(int x) {
        if(x == 0) {
            return 0;
        }
        if(x == 1) {
            return 1;
        }
        return binarySearch(x);
    }

    /**
     * 目标： n*n <= x 的 最大值
     */
    public int binarySearch(int x) {
        // 可以看做从[0,1,2,3...x] 这些元素中查找目标元素
        int left = 0;
        int right = x;
        while(left <= right) {
            int mid = (left + right) / 2;
            if(mid == x/mid) { // 等价于 mid*mid == x
                return mid;
            }
            if(mid < x/mid) {   // 等价于 mid*mid < x
                // 【关键判断】：若 mid+1 > x/(mid+1)，则mid*mid 肯定是小于 x 的最大值
                if(mid+1 > x/(mid+1)) { // 等价于 (mid+1)*(mid+1) > x  
                    return mid;
                }
                left = mid + 1;
            } else {
                right = mid - 1;
            }
        }
        return -1;
    }
}

50. Pow(x, n)

【50. Pow(x, n)】

分析：

上面已经总结过了 【剑指 Offer 16. 数值的整数次方】
错误写法：(这种会超时)

if(n % 2 == 0) {
    return myPow(x, n/2) * myPow(x, n/2);
} else {
    return myPow(x, n-1) * x;
}

正确写法：（不会超时，但和上面写法是一个思路）

if(n % 2 == 0) {
    return myPow(x * x, n/2);
} else {
    return myPow(x, n-1) * x;
}

代码：

class Solution {
    public double myPow(double x, int n) {
        if(n == 0) {
            return 1;
        }
        if(n == 1) {
            return x;
        }
        if(n == -1) {
            return 1 / x;
        }
        if(n % 2 == 0) {
            return myPow(x * x, n/2);
        } else {
            return myPow(x, n-1) * x;
        }
    }
}

二分查找

总结注意点

【注意点一】：若[left,right] 对应 [0,length-1]，当代码中需要mid与相邻元素比较时，要和nums[mid+1]比较，如果和num[mid-1]比较，则nums[mid-1]可能会下标越界

• 若数组只有一个元素，其实 nums[mid+1]也会越界。因此只有一个元素时要单独当做边界条件处理
• 若数组只有两个元素，则mid = (0+1)/2 = 0，那么nums[mid-1]就会越界，nums[mid+1]则不会越界

35. 搜索插入位置

【35. 搜索插入位置】

分析：

该题是个模板题

/**
 * 二分查找
 */
public int binarySearch(int[] nums, int target) {
    int left = 0;
    int right = nums.length - 1;
    while(left <= right) {
        int mid = (left + right) >> 1; // 等价于 (left + right) / 2
        if(nums[mid] == target) {
            return mid;
        }
        if(nums[mid] < target) {
            left = mid + 1;
        } else {
            right = mid - 1;
        }

    }
    return left;
}

代码：

class Solution {
    public int searchInsert(int[] nums, int target) {
        return binarySearch(nums, target);
    }

    /**
     * 二分查找
     */
    public int binarySearch(int[] nums, int target) {
        int left = 0;
        int right = nums.length - 1;
        while(left <= right) {
            int mid = (left + right) >> 1; // 等价于 (left + right) / 2
            if(nums[mid] == target) {
                return mid;
            }
            if(nums[mid] < target) {
                left = mid + 1;
            } else {
                right = mid - 1;
            }

        }
        return left;
    }
}

69. x 的平方根

【69. x 的平方根 】

分析：

首先 x^0.5 <= x （肯定的）
所以该题可以看做 从[0,1,2,3...x] 中，找到 n*n <= x 的最大值
[0,1,2,3...x]是个有序序列，因此我们可以使用二分法求解

在判断mid*mid 是否是 小于 x 的最大值时，我们可以这样写：

if(mid < x/mid) {   // 等价于 mid*mid < x
    // 【关键判断】：若 mid+1 > x/(mid+1)，则mid*mid 肯定是小于 x 的最大值
    if(mid+1 > x/(mid+1)) { // 等价于 (mid+1)*(mid+1) > x  
        return mid;
    }
    left = mid + 1;
} 

---

注意点：
x的范围 0 <= x <= 2^31 - 1
错误写法：n*n <= x (肯定会超出int或者long的范围)
正确写法：n <= x/n (分子、分母同时除以n，n*n <= x 等价于 n <= x/n)

代码：

class Solution {
    public int mySqrt(int x) {
        if(x == 0) {
            return 0;
        }
        if(x == 1) {
            return 1;
        }
        return binarySearch(x);
    }

    /**
     * 目标： n*n <= x 的 最大值
     */
    public int binarySearch(int x) {
        // 可以看做从[0,1,2,3...x] 这些元素中查找目标元素
        int left = 0;
        int right = x;
        while(left <= right) {
            int mid = (left + right) / 2;
            if(mid == x/mid) { // 等价于 mid*mid == x
                return mid;
            }
            if(mid < x/mid) {   // 等价于 mid*mid < x
                // 【关键判断】：若 mid+1 > x/(mid+1)，则mid*mid 肯定是小于 x 的最大值
                if(mid+1 > x/(mid+1)) { // 等价于 (mid+1)*(mid+1) > x  
                    return mid;
                }
                left = mid + 1;
            } else {
                right = mid - 1;
            }
        }
        return -1;
    }
}

74. 搜索二维矩阵

【74. 搜索二维矩阵】

分析：

首先题中说明：
每一行都按照从左到右递增的顺序排序
每一列都按照从上到下递增的顺序排序。
那么一看数据是有序的， 那么我们肯定第一时间想到二分查找法。但在着整个二维数组中好像没法直接使用二分查找，但是我们可以使用二分查找的思想。

二分查找思想： 每一轮比较首先获取一个特殊值，然后让目标值与该值进行比较，每次比较都能排除一些数据进而缩小搜索的范围。

解决该题我们用的方法和二叉查找法类似，也是每次都取一个特殊值与目标值比较，每轮都排除一部分数据进而缩小数据的查找范围

B站上讲解视频：
https://www.bilibili.com/video/BV12J411i7A6

https://www.bilibili.com/video/BV1Tt411F7YD?spm_id_from=333.999.0.0

代码：

class Solution {
    public boolean searchMatrix(int[][] array, int target) {
        // 套路模板 先判空
        if(array.length == 0) return false;
        // row表示有几行,col表示有几列。
        int row = array.length;
        int col = array[0].length;
        // 我们取右上角的值
        int x = 0; int y = col - 1;
        // 不断排除一列或者一行，不断缩小范围
        while(x <= row-1 && y >= 0) {
            if(target > array[x][y]) {
                // 排除头一行的数据
                x++;
            }else if (target < array[x][y]) {
                // 排除后一列的数据
                y--;
            }else {
                return true;
            }
        }
        // 若判处完所有数据仍没有找目标值 该值不存在
        return false;
    }
}

162. 寻找峰值

【162. 寻找峰值】

分析：

参考视频：【【LeetCode 每日一题】162. 寻找峰值 | 手写图解版思路 + 代码讲解】

• 较大的值则有可能是峰值，因此保留，并缩小区间
• 较小的值则不可能为峰值，因此舍弃，并缩小区间

代码：

class Solution {
    public int findPeakElement(int[] nums) {
        if(nums.length == 1) {
            return 0;
        }
        int left = 0;
        int right = nums.length - 1;
        while(left < right) {
            int mid = (left + right) >> 1;
            if(nums[mid] > nums[mid+1]) {
                right = mid;
            } else {
                left = mid + 1;
            }
        }
        return left;
    }
}

JZ11 旋转数组的最小数字（存在重复值）

【JZ11 旋转数组的最小数字】

分析：

参考视频：【剑指Offer.6.旋转数组的最小数字】
序列可被分为两部分递增序列， 第一部分的最小值 >= 第二部分的最最大值

我们每次都取中间下标的值与左右侧的值进行比较

若 min下标的值 > 最右侧的值 ，则说明 min下标处于第一部分，而最小值在第二部分的范围内，因此我们就可以排除 min及左侧的所有数据了，最小值在 [min+1,right] 的范围内

若 min下标的值 < 最右侧的值， 则说明min下标所处第二部分，那么最小值在 [left,min]的范围内

若min下标的值 == 最右侧的值，而对于这种情况，又一种特殊情况，如下图：

直接说结论，若 min下标的值 == 最右侧的值， 则直接 right-- 即可，右指针后移

while循环的条件是 left < right，当left == right时，其实就只有一个数据了，该数据就是最小，最终直接返回array[left] 或者 array[right]

代码：

import java.util.ArrayList;
public class Solution {
    public int minNumberInRotateArray(int [] array) {
        // 套路模板，先判空
        if(array.length == 0) return -1;
        
        return erfen(array, 0, array.length-1);
    }
    
    public int erfen(int[] array, int left, int right) {
        int min = 0;
        
        while(left < right) {    // 因为当left==right时，其实就是我们要找的目标值，因此这里条件是left<right
            min = (left + right) >> 1; // 等同于(left+right)/2
            // 因为没有目标值，因此每次都是 中间下标值 与 最右侧的值进行比较
            if(array[min] > array[right]) {    // 此情况说明min处于 第一部分的范围
                left = min + 1;
            }else if(array[min] < array[right]) {    // 此情况说明min处于 第二部分范围 因为可能是最小值 因此right不再是min+1
                right = min;
            }else {    // 若min 等于 最右侧的值， 直接right往左移一步即可，right--
                right--;
            }
        }
        // 最后 left=right 就是我们要找的最小值
        return array[left];
    }
}

153. 寻找旋转排序数组中的最小值（不包含重复值）

【153. 寻找旋转排序数组中的最小值】

分析：

与上题不同，该题数组元素是不重复的，因此判断逻辑中不需要判断 nums[mid] == nums[right]这种情况

代码：

class Solution {
    public int findMin(int[] nums) {
        int left = 0;
        int right = nums.length - 1;
        while(left < right) {
            int mid = (left + right) >> 1;
            if(nums[mid] > nums[right]) {
                left = mid + 1;
            } else {
                right = mid;
            }
        }
        return nums[left];
    }
}

33. 搜索旋转排序数组

【33. 搜索旋转排序数组】

分析：

* 假设turningPointIdx为转折点下标：此时我们知道这两段递增序列范围（若数组本身就没有翻转，则还是一个段[0, nums.length-1]），分别是：
* 第一段：[0,turningPointIdx-1]
* 第二段：[turningPointIdx, nums.length-1]
* "第一段元素" > "第二段元素"

一共分三步：

1. 找到转折点下标
2. 判断target所在的标有序区间
   • turningPointIdx == 0，说明nums本身就是有序的，并没有翻转。则target还在[0, nums.length-1]内
   • target >= nums[0]，说明target在[0,turningPointIdx-1]
   • target < nums[0]，说明target在[turningPointIdx, nums.length-1]
3. 在有序区间内进行二分查找

代码：

class Solution {
    /**
    * 假设turningPointIdx为转折点下标：此时我们知道这两段递增序列范围（若数组本身就没有翻转，则还是一个段[0, nums.length-1]），分别是：
    * 第一段：[0,turningPointIdx-1]
    * 第二段：[turningPointIdx, nums.length-1]
    * "第一段元素" > "第二段元素"
    */
    public int search(int[] nums, int target) {
        // 【一、找到转折点下标】
        int turningPointIdx = getTurningPoint(nums);

        // 【二、target与nums[0]比较，判断target在 第一段 还是 第二段？】
        // turningPointIdx == 0，说明nums本身就是有序的，并没有翻转
        int left, right;
        if(turningPointIdx == 0) {  
            left = 0;
            right = nums.length - 1;
        } else if (target >= nums[0]) {
            // target在第一段
            left = 0;
            right = turningPointIdx - 1;
        } else {
            // target在第二段
            left = turningPointIdx;
            right = nums.length - 1;
        }
        
        // 【三、在有序范围内进行二分查找】
        return binarySearch(nums, left, right, target);
    }

    /**
     * 寻找旋转点的下标（就是找到转折数组的最小值）
     * 若没有旋转（本身是有序的），则最终返回的下标肯定是0
     */
     public int getTurningPoint(int[] nums) {
        int left = 0;
        int right = nums.length - 1;
        while(left < right) {
            int mid = (left + right) >> 1;
            if(nums[mid] > nums[right]) {
                left = mid + 1;
            } else {
                right = mid;
            }
        }
        return left;
     }

     /**
      * 在有序数组中进行二分查找
      */
      public int binarySearch(int[] nums, int left, int right, int target) {
        while(left <= right) {
            int mid = (left + right) >> 1;
            if(nums[mid] == target) {
                return mid;
            }
            if(nums[mid] > target) {
                right = mid - 1;
            } else {
                left = mid + 1;
            }
        }
        return -1;
      }
}

一维动态规划

70. 爬楼梯

【70. 爬楼梯】

分析：

想要跳到第n阶台阶，只有两种情况：（因为每次你只能爬 1 或 2 个台阶）

• 从第n-1阶跳
• 从第n-2阶跳

因此 跳到第n阶方法 = 跳到n-1阶方法 + 跳到n-2阶方法

代码：

class Solution {
    public int climbStairs(int n) {
        if(n == 1) {
            return 1;
        }
        if(n == 2) {
            return 2;
        }
        int[] dp = new int[n];
        dp[0] = 1;
        dp[1] = 2;
        for(int i=2; i<n; i++) {
            dp[i] = dp[i-1] + dp[i-2];
        }
        return dp[n-1];
    }
}

198. 打家劫舍

【198. 打家劫舍】

分析：

参考视频：【动态规划，偷不偷这个房间呢？| LeetCode：198.打家劫舍】

dp[n]定义为：考虑第n间房，所能偷的最大值 【但不一定要偷第n间，只是考虑到第n间】（n从0开始）

• 对于第i间来说，有两种选择：1.偷第i间、2.不偷第i间
  • 1、偷第i间房：则不能偷第i-1间房屋，也就不能考虑第n-1间房。则此时 value = nums[i] + dp[i-2]
  • 2、不偷第i间房：则可以考虑偷第i-1间。则此时 value = dp[i-1]
• 最终取两种情况的最大值，因此 dp[i] = Math.max(nums[i] + dp[i-2], dp[i-1])

初始化dp：
若只有一间房子肯定要偷第一间，因此dp[0] = nums[0]
有两个房间，不能两个都偷，因此偷最大值，因此 dp[1] = Math.max(nums[0], nums[1])

代码：

class Solution {
    public int rob(int[] nums) {
        int len = nums.length;
        // 只有一个，则肯定偷这一个
        if(len == 1) {
            return nums[0];
        }
        // 有两个，则偷最大值
        if(len == 2) {
            return Math.max(nums[0], nums[1]);
        }
        // dp[n]定义为：考虑第n间房，所能偷的最大值 【但不一定要偷第n间，只是考虑到第n间】（n从0开始）
        int[] dp = new int[len];
        dp[0] = nums[0];
        dp[1] = Math.max(nums[0], nums[1]);
        for(int i=2; i<len; i++) {
            /**
             * 有两种选择：1.偷第i间、2.不偷第i间
             * 1、偷第i间房：则不能偷第i-1间房屋，也就不能考虑第n-1间房。则此时 value = nums[i] + dp[i-2]
             * 2、不偷第i间房：则可以考虑偷第i-1间。则此时 value = dp[i-1]
             * 最终取两种情况的最大值，因此 dp[i] = Math.max(nums[i] + dp[i-2], dp[i-1])
             */
             dp[i] = Math.max(nums[i]+dp[i-2], dp[i-1]);
        }
        return dp[len-1];
    }
}

139. 单词拆分

【139. 单词拆分】

分析：

参考视频：【动态规划之完全背包，你的背包如何装满？| LeetCode：139.单词拆分】

代码：

class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        int len = s.length();
        // dp[n]定义为：前n个字符组成的字符串是否能被wordDict拼接成功（从1开始）
        boolean[] dp = new boolean[len + 1];
        // dp[0]初始为true（没什么特殊含义）
        dp[0] = true;
        for(int i=1; i<=len; i++) {
            for(int j=0; j<i; j++) {
                // 这个wordDict.contains(s.substring(j, i)) 恰好是第j个字符到i组成的字符串
                if(dp[j] && wordDict.contains(s.substring(j, i))) {
                    dp[i] = true;
                }
            }
        }
        return dp[len];
    }
}

322. 零钱兑换

【322. 零钱兑换】

分析：

参考视频：【腾讯二面笔试题~零钱兑换】

若【爬楼梯】的题改成：
每次可爬coins[0]、coins[1] … coins[length-1]个台阶，问最少跳多少次能跳到amount？
其实就和这题一样了

若这题改成:
求兑换零钱的方法总数
其实就变成了【爬楼梯】的进阶版了

定义dp[n]为：兑换n元钱，最少需要的硬币数
dp[n]的状态 来源于 dp[n-coins[i]]，因此

dp[n] =  min {
	dp[n] = dp[n - coins[0]] + 1
	dp[n] = dp[n - coins[1]] + 1
	dp[n] = dp[n - coins[2]] + 1
	...
	dp[n] = dp[n - coins[length-1]] + 1
}

有点类似于【剑指 Offer 60. n个骰子的点数】这题

代码：

class Solution {
    public int coinChange(int[] coins, int amount) {
        if(amount == 0) {
            return 0;
        }
        /**
         * 零钱最小值是1，因此amount最多换amount个硬币。
         * 为了考虑换不到零钱的情况，我们这里初始值设置为amount+1。最后dp[n] 和 amount+1比较，若仍等于amount+1，则说明n换不到零钱，最终返回-1
         */ 
        // dp[n]定义：兑换amount最少的兑换次数
        int[] dp = new int[amount + 1];
        Arrays.fill(dp, amount + 1);
        // 当amount为0时，则兑换方法为0
        dp[0] = 0;
        for(int i=1; i<=amount; i++) {
            for(int j=0; j<coins.length; j++) {
                if(coins[j] == i) {
                    dp[i] = Math.min(1, dp[i]);
                }
                // 若零钱 大于 总钱数， 否则不能兑换。例如总钱数是1，而只有2元、5元的零钱，那么肯定没法兑换
                if(coins[j] > i) {
                    continue;
                }
                int remainingVal = i - coins[j];
                dp[i] = Math.min(dp[remainingVal] + 1, dp[i]);
            }
        }
        return dp[amount] == amount + 1 ? -1 : dp[amount];
    }
}

300. 最长递增子序列

【300. 最长递增子序列】

分析：

参考视频：https://www.bilibili.com/video/BV19b4y1R7K3?spm_id_from=333.1007.top_right_bar_window_custom_collection.content.click

代码：

class Solution {
    public int lengthOfLIS(int[] nums) {
        if(nums == null || nums.length == 0) return 0;
        // 用于记录返回值
        int res = 1;
        // dp数组的含义： 以nums[i]结尾的最长递增子序列的长度（必须包含nums[i]）
        int[] dp = new int[nums.length];
        // 为dp数组填充1
        Arrays.fill(dp, 1);

        for(int i=0; i<nums.length; i++) {  // 外层循环填dp[i]的值

            for(int j=0; j<i; j++) {    // 内层循环 遍历nums[i]前面的元素
                // 如果前面的值小于当前值 才能满足升序
                if(nums[j] < nums[i]) {
                    dp[i] = Math.max(dp[i], dp[j]+1);
                }
            }
            // 去dp中的最大值最为res结果
            res = Math.max(dp[i], res);
        }

        return res;
    }
}

多维动态规划

JZ47 礼物的最大价值

【JZ47 礼物的最大价值】

代码：

import java.util.*;


public class Solution {
    /**
     * 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可
     *
     *
     * @param grid int整型二维数组
     * @return int整型
     */
    public int maxValue (int[][] grid) {
        int m = grid.length;
        int n = grid[0].length;
        int[][] dp = new int[m][n];
        // 初始化dp[0][0] 为 grid[0][0]
        dp[0][0] = grid[0][0];
        // 初始化第一行
        for (int i = 1; i < n; i++) {
            dp[0][i] = dp[0][i-1] + grid[0][i];
        }
        // 初始化第一列
        for (int i = 1; i < m; i++) {
            dp[i][0] = dp[i-1][0] + grid[i][0];
        }

        for(int i=1; i<m; i++) {
            for(int j=1; j<n; j++) {
                dp[i][j] = Math.max(dp[i][j-1], dp[i-1][j]) + grid[i][j];
            }
        }

        return dp[m-1][n-1];
    }
}

120. 三角形最小路径和

【120. 三角形最小路径和】

分析：

这种题需要找一个终点，一般都是将终点当最终的结果。因为是三角形状，我们最好想的就是，自底向上把顶点当做终点

与 【剑指 Offer 47. 礼物的最大价值】非常类似，只不过这里求得是最小值，而且走的方式不太一样

代码：

class Solution {
    public int minimumTotal(List<List<Integer>> triangle) {
        int row = triangle.size();
        // 该图形是三角形，不是方形，因此这里高度别初始化错了，错误写法：col = triangle.get(0).size() 正确写法：col = row
        int col = row;
        int[][] dp = new int[row][col];
        // 初始化最底部
        for(int i=0; i<col; i++) {
            dp[row-1][i] = triangle.get(row-1).get(i);
        }
        // 自顶向上，终点是triangle[0][0]
        for(int i=row-2; i>=0; i--) {
            for(int j=0; j<=i; j++) {
                dp[i][j] = Math.min(dp[i+1][j], dp[i+1][j+1]) + triangle.get(i).get(j);
            }
        }
        return dp[0][0];
    }
}

64. 最小路径和

【64. 最小路径和】

分析：

和上一题一模一样，只不过这题要求的是最小值

代码：

class Solution {
    public int minPathSum(int[][] grid) {
        int m = grid.length;
        int n = grid[0].length;
        int[][] dp = new int[m][n];
        // 起点初始化为 grid[0][0]
        dp[0][0] = grid[0][0];
        // 初始化第一行
        for(int i=1; i<n; i++) {
            dp[0][i] = dp[0][i-1] + grid[0][i];
        }
        // 初始化第一列
        for(int i=1; i<m; i++) {
            dp[i][0] = dp[i-1][0] + grid[i][0];
        }

        for(int i=1; i<m; i++) {
            for(int j=1; j<n; j++) {
                dp[i][j] = Math.min(dp[i][j-1], dp[i-1][j]) + grid[i][j];
            }
        }
        return dp[m-1][n-1];
    }
}

63. 不同路径 II

【63. 不同路径 II】

分析：

有点像【爬台阶】，到达某点的路径 = 到达上面的路径 + 到达左边的路径
不同点：

• 该题是二维的
• 存在障碍物，若某点是障碍物则到达该点的路径为0
• 初始化边界时要注意，若中间遇到障碍物，则后序的点不可能再被到达，因此dp为0

代码：

class Solution {
    public int uniquePathsWithObstacles(int[][] obstacleGrid) {
        int m = obstacleGrid.length;
        int n = obstacleGrid[0].length;
        int[][] dp = new int[m][n];
        /**
         * 初始化第一行。
         * 只能 → 从左到右，因此如果中遇见障碍物，后面就走不到了，因此obstacleGrid[0][i]==0写在for循环的条件中，若不满足则终止for循环
         * 那么后面的则不能被设置为1，最终就是0，表示到达该点的路径为0
         */
        for(int i=0; i<n && obstacleGrid[0][i]==0; i++) {
            // 等于0，则说明不是障碍物，可以走
            dp[0][i] = 1;
        }
        // 初始化第一列。只能↓ 从上到下，同上
        for(int i=0; i<m && obstacleGrid[i][0]==0; i++) {
            // 等于0，则说明不是障碍物，可以走
            dp[i][0] = 1;
        }
        for(int i=1; i<m; i++) {
            for(int j=1; j<n; j++) {
                // 只有不是障碍物才能到达该点
                if(obstacleGrid[i][j] == 0) {
                    dp[i][j] = dp[i][j-1] + dp[i-1][j];
                }
                
            }
        }
        return dp[m-1][n-1];
    }
}

初始化边界时的错误写法：

// 初始化第一行
for(int i=0; i<n; i++) {
    // 等于0，则说明不是障碍物，可以走
    if(obstacleGrid[0][i] == 0) {
        dp[0][i] = 1;
    }
}
// 初始化第一列
for(int i=0; i<n; i++) {
    // 等于0，则说明不是障碍物，可以走
    if(obstacleGrid[i][0] == 0) {
        dp[i][0] = 1;
    }
}

5. 最长回文子串

【最长回文子串】

解法一：暴力 - 遍历所有字串

建议先做第9题【9. 回文数】

代码：

class Solution {
    public String longestPalindrome(String s) {
        String longestPalindrome = "";
        // 遍历所有的子串，若长度比longestPalindrome长 且 是回文串，则更新longestPalindrome
        for(int i=0; i<s.length(); i++) {
            for(int j=i; j<s.length(); j++) {
                if(j - i + 1 > longestPalindrome.length()) {
                    if(isPalindrome(s.substring(i, j+1))) {
                        longestPalindrome = s.substring(i, j+1);
                    }
                }
            }
        }

        return longestPalindrome;
    }

    // 判断是否是回文字符串
    public Boolean isPalindrome(String s) {
        // 双指针
        int left = 0;
        int right = s.length() - 1;

        while (left <= right) {
            if(s.charAt(left) != s.charAt(right)) {
                return false;
            }
            left ++;
            right --;
        }

        return true;
    }
}

总结注意点：

• 第一步：先写出 判断是否回文 的方法 isPalindrome 。 （利用双指针的思想）
• 第二步：暴力遍历每个子字符串，判断是否回文，更长的则更新

时间复杂度： n^3

解法二：中心扩展法

参考讲解视频：https://www.bilibili.com/video/BV1dN4y1g7p9/?spm_id_from=333.337.search-card.all.click&vd_source=bf2066b8675548fac384ffe3bc83793e

代码：

class Solution {
    // 维护最长回文字符串
    public String res;

    public String longestPalindrome(String s) {
        // 判空处理
        if(null == s && s.length() == 0) {
            return "";
        }
        // 初始化res 
        res = s.substring(0,1);
        // 遍历s字符串 
        for(int i=0; i<s.length(); i++) {
            // 考虑 bab 的格式
            extendFromCenter(s, i, i);
            // 考虑 baab 的格式
            extendFromCenter(s, i, i+1);
        }
        return res;
    }

    // 中心扩散
    public void extendFromCenter(String s, int left, int right) {
        // 当 left、right 在区间返回内，且 s[left] == s[right] 才会向外扩散
        while(left>=0 && right<s.length() && s.charAt(left)==s.charAt(right)) {
            // 向外扩散
            left--;
            right++;
        }
        // 若当前回文串 比 res长 则更新res
        if(right - left - 1 > res.length()) {
            // 因为最后一次循环 left-- right++了，因此实际上回文字符串是[left+1, right-1]，由于substring是左闭右开[)，因此 res = s.substring(left+1, right)
            res = s.substring(left+1, right);
        }
    }
}

总结注意点：

• 解法一：判断字串是否是回文串，思想是自外向内的，left ++; right --;
• 解法二：寻找属于回文串的字串，且思想是自内向外扩散的，left--; right++;
• 要考虑 bab、baab 两种回文串的格式， 因此在遍历到某个字符时，extendFromCenter(s, i, i);extendFromCenter(s, i, i+1); 要调两次extendFromCenter

时间复杂度：n^2

买卖股票系列

参考【代码随想录】系列课程：
【动态规划之 LeetCode：121.买卖股票的最佳时机1】
【动态规划，股票问题第二弹 | LeetCode：122.买卖股票的最佳时机II】
【动态规划，股票至多买卖两次，怎么求？ | LeetCode：123.买卖股票最佳时机III】
【动态规划来决定最佳时机，至多可以买卖K次！| LeetCode：188.买卖股票最佳时】

参考题解：【一套模板，几行代码，闭着眼睛轻松默写所有彩票题】

121. 买卖股票的最佳时机

【121. 买卖股票的最佳时机】

分析：

前面总结过这题，之前的做法是用两个变量，分别维护 股票最低点 以及 最大价值

今天我们用动态规划的方法来解这道题：

定义dp方程：
dp的值表示，当前口袋里有多少钱，默认是没钱的，为0
dp[i][0]：第i天，持有一个股票
dp[i][1] = 第i天，不持有股票

dp[i][0] 可以从下面两个状态转移过来：

• 可能是前一天就持有，因此是dp[i-1][0]
• 前天不持有，然后今天才买的，因此是 0 - prices[i]
• 二者求最大值，因此dp[i][0] = Math.max(dp[i-1][0], 0 - prices[i])

dp[i][1]可以从下面两个状态转移过来：

• 可能是前一天就不持有，因此是dp[i-1][1]
• 也有可能前天持有，然后今天才太卖了，因此是dp[i][0] + prices[i]
• 二者求最大值，因此dp[i][1] = Math.max(dp[i-1][1], dp[i][0] + prices[i])

初始化：

• dp[0][0] = -prices[0] ：（第一天就持有，说明第一天就买了，因此是 0 -prices[0] = -prices[0]）
• dp[0][1] = 0 ：（第一天不持有，说明第一天没买，因此兜里钱还是0）

代码：

class Solution {
    public int maxProfit(int[] prices) {
        /**
         * dp 的值表示，收益多少钱？（原始是0）
         * dp[i][0] = 持有一个股票
         *    1.1、 可能是前一天就持有
         *    1.2、 前天不持有，然后今天才买的
         * dp[i][1] = 不持有股票
         *    2.2、可能是前一天就不持有
         *    2.2、也有可能前天持有，然后今天才太卖了）
         */
         int len = prices.length;
         int[][] dp = new int[len][2];
         // 初始化dp
         dp[0][0] = -prices[0];     // 因为要买股票，所以要花钱，0 - prices[0] = -prices[0]
         dp[0][1] = 0;     // 不持有说明今天没买，因此没花钱

         for(int i=1; i<prices.length; i++) {
             // 1.1. 从 “前一天就持有” 的状态推过来的
             // 1.2. 从当天才买股票推出来的，因为只能买一次，这次买口袋肯定是0元，因此是0-prices[i]（因为是花钱所以是 -prices[i]）
             dp[i][0] = Math.max(dp[i-1][0], 0 - prices[i]);  
             // 2.1. 从 “前一天就不持有” 的状态推出来的
             // 2.2. 从 “前天持有，今天才卖了” 的状态推出来的
             dp[i][1] = Math.max(dp[i-1][1], dp[i][0] + prices[i]);
         }
         // 最后一天股票肯定是不持有状态（已经被卖过了），这样才会有收益，否则就亏钱了
         return dp[len-1][1];
    }
}

122. 买卖股票的最佳时机 II

【122. 买卖股票的最佳时机 II】

分析：

与上一题唯一的不同在于 dp[i][0]的状态转移：

上一题：dp[i][0] = Math.max(dp[i-1][0], 0 - prices[i])
这一题：dp[i][0] = Math.max(dp[i-1][0], dp[i-1][1] - prices[i])

上一题：因为只能买一次，所以dp[i-1][1] - prices[i] -> 其中的dp[i-1][1]（不持有状态）肯定为0，因此就是0 - prices[i]
这一题：因为可以买卖多次，所以dp[i-1][1] - prices[i] -> 其中的dp[i-1][1]可能之前就已经有收益了，因此就是dp[i-1][1] - prices[i]

代码：

class Solution {
    public int maxProfit(int[] prices) {
        int len = prices.length;
        int[][] dp = new int[len][2];
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        for(int i=1; i<len; i++) {
            dp[i][0] = Math.max(dp[i-1][0], dp[i-1][1] - prices[i]);
            dp[i][1] = Math.max(dp[i-1][1], dp[i-1][0] + prices[i]);
        }
        return dp[len-1][1];
    }
}

123. 买卖股票的最佳时机 III

【123. 买卖股票的最佳时机 III】

分析：

这次定义四个状态：

• dp[i][0]：第i天，持有第1只股票
• dp[i][1]：第i天，不持有第1只股票
• dp[i][2]: 第i天，持有第2只股票
• dp[i][3]: 第i天，不持有第2只股票

1. dp[i][0] 可有 dp[i-1][0] 和 0 - prices[i] 推出来，最后求最大值Math.max(dp[i-1][0], 0 - prices[i])
2. dp[i][1] 可有 dp[i-1][1] 和 dp[i-1][0] + prices[i] 推出来，最后求最大值Math.max(dp[i-1][1], dp[i-1][0] + prices[i])
3. dp[i][2] 可有 dp[i-1][2] 和 dp[i-1][1] - prices[i] 推出来，最后求最大值Math.max(dp[i-1][2], dp[i-1][1] - prices[i])
4. dp[i][3] 可有 dp[i-1][3] 和 dp[i-1][2] + prices[i] 推出来，最后求最大值Math.max(dp[i-1][3], dp[i-1][2] + prices[i])

状态转移方程的推导其实和前两题的推导都是一个方法，细细品味吧(#^.^#)

代码：

class Solution {
    public int maxProfit(int[] prices) {
        int len = prices.length;
        int[][] dp = new int[len][4];
        /**
         * dp[i][0]：第i天，持有第1只股票
         * dp[i][1]：第i天，不持有第1只股票
         * dp[i][2]: 第i天，持有第2只股票
         * dp[i][3]: 第i天，不持有第2只股票
         */
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        dp[0][2] = -prices[0];
        dp[0][3] = 0;

        for(int i=1; i<len; i++) {
            dp[i][0] = Math.max(dp[i-1][0], 0 - prices[i]);
            dp[i][1] = Math.max(dp[i-1][1], dp[i-1][0] + prices[i]);
            dp[i][2] = Math.max(dp[i-1][2], dp[i-1][1] - prices[i]);
            dp[i][3] = Math.max(dp[i-1][3], dp[i-1][2] + prices[i]);
        }
        return dp[len-1][3];
    }
}

188. 买卖股票的最佳时机 IV

【188. 买卖股票的最佳时机 IV】

分析：

其实这题是对上一题的一个通用性的总结（升华版）
看代码你就就知道了

代码：

class Solution {
    public int maxProfit(int k, int[] prices) {
        int len = prices.length;
        int[][] dp = new int[len][2*k];
        // 初始化dp
        for(int i=0; i<2*k; i++) {
            dp[0][i] = (i % 2 == 0 ? -prices[0] : 0);
        }
        for(int i=1; i<len; i++) {
            for(int j=0; j<k; j++) {
                dp[i][j*2] = Math.max(dp[i-1][j*2], (j == 0 ? 0 : dp[i-1][j*2-1]) - prices[i]);
                dp[i][j*2+1] = Math.max(dp[i-1][j*2+1], dp[i-1][j*2] + prices[i]);
            }
        }
        return dp[len-1][2*k-1];
    }
}

回溯

回溯模板

void backtracking(参数) {
    if (终止条件) {
        存放结果;
        return;
    }
    for (选择：本层集合中元素（树中节点孩子的数量就是集合的大小）) {
        处理节点;
        backtracking(路径，选择列表); // 递归
        回溯，撤销处理结果
    }
}

常规回溯题 与 二叉树回溯题的差别

二叉树的回溯整体上确实是回溯的思想，大体思路也差不多。但在处理细节上还是有些不同的，例如【剑指 Offer 34. 二叉树中和为某一值的路径】与【39. 组合总和】相比：

• 二叉树要从根节点处理（每次递归中处理的是当前节点）；而常规回溯题一般不处理根节点（每次递归中处理的都是孩子节点，而且是多孩子）；因此在处理细节上是有差异的
• 二叉树递归代码：

public void backtracking(TreeNode root, int target, List<Integer> path) {
    if(root == null) {
        return;
    }
    // 处理当前节点
    target -= root.val;
    path.add(root.val);
    if(target == 0 && root.left == null && root.right == null) {
        res.add(new ArrayList(path));
    }
    // 处理左右孩子节点
    backtracking(root.left, target, path);
    backtracking(root.right, target, path);
    // 状态重置
    target += root.val;
    path.remove(path.size() - 1);
}

• 常规回溯递归代码：

public void backtracking(List<Integer> path, int startIndex, int[] candidates, int target) {
    // 终止条件
    if(target == 0) {
        res.add(new ArrayList(path));
        return;
    }
    // for循环处理孩子节点
    for(int i=startIndex; i<candidates.length; i++) {
        // 剪枝：因为我们事先已经为数组排好序了，越往后数字越大，如果当前数字都已经减到负数了，那后面的就没必要在判断了
        if(target - candidates[i] < 0) {
            break;
        }
        target -= candidates[i];
        path.add(candidates[i]);
        backtracking(path, i, candidates, target);
        // 状态重置
        target += candidates[i];
        path.remove(path.size() - 1); 
    }
}

17. 电话号码的字母组合

【17. 电话号码的字母组合】

分析：

套用上面的模板即可，不细讲了

// 删除最后一个字符
sb.deleteCharAt(sb.length() - 1)

代码：

class Solution {
    private List<String> res = new ArrayList();
	private String[] letters = {" ","*","abc","def","ghi","jkl","mno","pqrs","tuv","wxyz"};
    public List<String> letterCombinations(String digits) {
        if (digits.length() == 0) {
            return new ArrayList();
        }
        StringBuilder path = new StringBuilder();
        backtracking(path, 0, digits);
        return res;
    }

    public void backtracking(StringBuilder path, int level, String digits) {
        // 不合法（终止条件）
        if(path.length() == digits.length()) {  // 此处也可以写成 level == digits.length() 来做为终止条件
            res.add(path.toString()); // 添加到结果集
            return;
        }
        int index = digits.charAt(level) - '0';
        char[] chars = letters[index].toCharArray();
        // 因为每层的可选集都是独立的，因此for循环都可以从0开始（不会重复）
        for(int i=0; i<chars.length; i++) {
            path.append(chars[i]);
            backtracking(path, level + 1, digits);
            path.deleteCharAt(path.length() - 1);   // 状态重置
        }
    }
}

77. 组合

【77. 组合】

分析：

参考视频：【带你学透回溯算法-组合问题（对应力扣题目：77.组合）| 回溯法精讲！】

可以将这题与上题对比来看
相同点：

• 都是组合问题，路径组合不能重复（例如：234 和 324就是重复的）

不同点：

• 上一题，每层的可选集都不一样。例如，输入“23”，第一层的可选集是“a、b、c”，第二层的可选集是“d、e、f”，因此我们在遍历每层的可选集时，都可以从下标0开始遍历（因为是独立的数据集，所以不会重复）
• 而该题，每层的可选集都是一样（都是[1,n]），但是我们要保证路径元素不能重复，所以在处理for循环时就要注意。下面是模拟回溯的多叉树状态，从左往右、从上到下 可选集的返回都会缩小1。这时我们使用startIndex来记录下一层搜索的起始位置（for循环的初始下标）

核心代码如下：
for(int i=startIndex; i<=n; i++)：从startIndex开始遍历，保证路径组合不会重复
backtracking(temp, i + 1, n, k)：使用i+1，保证组合中的元素不会重复

// 从左往右看 因为i本身会自增，且递归函数为backtracking(temp, i + 1, n, k)，参数2就是startIndex，因此越往右可选范围越小
// 越往下也是一样，调用backtracking(temp, i + 1, n, k)，越往下可选集范围越小
for(int i=startIndex; i<=n; i++) {
    temp.add(i);
    backtracking(temp, i + 1, n, k);	// 核心
    temp.remove(temp.size() - 1);
}

回溯的过程的多叉树：

代码：

class Solution {
    // 结果集
    private List<List<Integer>> res = new ArrayList();

    public List<List<Integer>> combine(int n, int k) {
        List<Integer> path = new ArrayList();
        backtracking(path, 1, n, k);
        return res;
    }

    public void backtracking(List<Integer> temp, int startIndex, int n, int k) {
        // 终止条件
        if(temp.size() == k) {
            res.add(new ArrayList(temp));
            return;
        }
        // 遍历 [startIndex, n]
        for(int i=startIndex; i<=n; i++) {
            temp.add(i);    // 操作当前节点
            backtracking(temp, i + 1, n, k);    // 这里是i+1，不要错写成startIndex+1了
            temp.remove(temp.size() - 1);   // 状态重置
        }

    }
}

39. 组合总和

【39. 组合总和】

分析：

组合问题，因此我们也需要一个 startIndex 变量作为遍历的起始位置。这样做是为了避免出现重复的组合（例如：234 和 324就是重复的）

但与上题不同在于，该题可以允许组合中的元素重复，因此在调用递归方法时，startIndex就没必要+1了

剪枝：为了提高效率，我们事先对数组进行排序，越往后数字越大，如果加到某个节点已经超过了目标值，那后面的就没必要在判断了，因为加起来和会更大

代码：

class Solution {
    private List<List<Integer>> res = new ArrayList();
    public List<List<Integer>> combinationSum(int[] candidates, int target) {
        // 排序 后后序剪枝做准备
        Arrays.sort(candidates);
        List<Integer> path = new ArrayList();
        backtracking(path, 0, candidates, target);
        return res;
    }

    public void backtracking(List<Integer> path, int startIndex, int[] candidates, int target) {
        // 终止条件
        if(target == 0) {
            res.add(new ArrayList(path));
            return;
        }
        for(int i=startIndex; i<candidates.length; i++) {
            // 剪枝：因为我们事先已经为数组排好序了，越往后数字越大，如果当前数字都已经减到负数了，那后面的就没必要在判断了
            if(target - candidates[i] < 0) {
                break;
            }
            target -= candidates[i];
            path.add(candidates[i]);
            backtracking(path, i, candidates, target);
            // 状态重置
            target += candidates[i];
            path.remove(path.size() - 1); 
        }
    }
}

剑指 Offer 34. 二叉树中和为某一值的路径

【剑指 Offer 34. 二叉树中和为某一值的路径】

分析：

二叉树的回溯整体上确实是回溯的思想，大体思路也差不多。但在处理细节上还是有些不同的，例如和前面组合问题相比：

• 二叉树要从根节点处理（每次递归中处理的是当前节点）；而常规回溯题一般不处理根节点（每次递归中处理的都是孩子节点，而且是多孩子）；因此在处理细节上是有差异的
• 二叉树代码 ：

public void backtracking(TreeNode root, int target, List<Integer> path) {
    if(root == null) {
        return;
    }
    // 处理当前节点
    target -= root.val;
    path.add(root.val);
    if(target == 0 && root.left == null && root.right == null) {
        res.add(new ArrayList(path));
    }
    // 处理左右孩子节点
    backtracking(root.left, target, path);
    backtracking(root.right, target, path);
    // 状态重置
    target += root.val;
    path.remove(path.size() - 1);
}

• 常规回溯代码：

public void backtracking(List<Integer> path, int startIndex, int[] candidates, int target) {
    // 终止条件
    if(target == 0) {
        res.add(new ArrayList(path));
        return;
    }
    // for循环处理孩子节点
    for(int i=startIndex; i<candidates.length; i++) {
        // 剪枝：因为我们事先已经为数组排好序了，越往后数字越大，如果当前数字都已经减到负数了，那后面的就没必要在判断了
        if(target - candidates[i] < 0) {
            break;
        }
        target -= candidates[i];
        path.add(candidates[i]);
        backtracking(path, i, candidates, target);
        // 状态重置
        target += candidates[i];
        path.remove(path.size() - 1); 
    }
}

代码：

class Solution {
    private List<List<Integer>> res = new ArrayList();
    public List<List<Integer>> pathSum(TreeNode root, int target) {
        List<Integer> path = new ArrayList();
        backtracking(root, target, path);
        return res;
    }

    public void backtracking(TreeNode root, int target, List<Integer> path) {
        if(root == null) {
            return;
        }
        // 处理当前节点
        target -= root.val;
        path.add(root.val);
        if(target == 0 && root.left == null && root.right == null) {
            res.add(new ArrayList(path));
        }
        // 递归调用左右子节点
        backtracking(root.left, target, path);
        backtracking(root.right, target, path);
        // 状态重置
        target += root.val;
        path.remove(path.size() - 1);
    }
}

46. 全排列

【46. 全排列】

分析：

因为不是组合问题，所以我们每层遍历时都不用缩小可选的范围，只需要判断当前路径中是否存在该元素即可

代码：

class Solution {
    private List<List<Integer>> res = new ArrayList();
    public List<List<Integer>> permute(int[] nums) {
        List<Integer> path = new ArrayList();
        backtracking(path, nums);
        return res;
    }

    public void backtracking(List<Integer> path, int[] nums) {
        if(path.size() == nums.length) {
            res.add(new ArrayList(path));
            return;
        }
        for(int i=0; i<nums.length; i++) {
            // 若存在重复元素则不添加
            if(path.contains(nums[i])) {
                continue;
            }
            path.add(nums[i]);
            backtracking(path, nums);
            path.remove(path.size() -1);
        }
    }
}

51. N 皇后

【51. N 皇后】

分析：

参考视频：【这就是传说中的N皇后？ 回溯算法安排！| LeetCode：51.N皇后】
参考题解：51. N-Queens:【回溯法经典问题】详解

• 用一个二维数组chessBoard来记录棋盘的状态
• 每往下深入一行，然后遍历各个列，判断 当前点chessBoard[row][col]是否有效？
• 是否有效判断逻辑：判断当前点 左上方、正上方、右上方 是否有皇后，若存在则说明不符合规则 是无效的，就返回false

代码：

class Solution {
    List<List<String>> res = new ArrayList();
    public List<List<String>> solveNQueens(int n) {
        char[][] chessBoard = new char[n][n];
        // 初始化棋盘，默认都是'.'
        for(char[] chars: chessBoard) {
            Arrays.fill(chars, '.');
        }
        backtracking(chessBoard, n, 0);
        return res;
    }

    public void backtracking(char[][] chessBoard, int n, int row) {
        if(row == n) {
            res.add(arrayToList(chessBoard));
            return;
        }
        
        for(int col=0; col<n; col++) {
            if(isValid(chessBoard, n, row, col)) {
                chessBoard[row][col] = 'Q';
                backtracking(chessBoard, n, row + 1);
                chessBoard[row][col] = '.';
            }
        }
    }
    /**
     * 检查 chessBoard[row][col] 的 “正上方”、“左上方”、“右上方” 是否有皇后？
     * 存在皇后，说明chessBoard[row][col]是无效的返回false，不存在说明chessBoard[row][col]是有效的，返回true
     */
    public boolean isValid(char[][] chessBoard, int n, int row, int col) {
        // 检查上方 是否有皇后
        for(int i=0; i<row; i++) {
            if(chessBoard[i][col] == 'Q') {
                return false;
            }
        }
        // 检查左上方 是否有皇后
        for(int i=row-1, j=col-1; i>=0 && j>=0; i--, j--) { // 往左上角移动
            if(chessBoard[i][j] == 'Q') {
                return false;
            }
        }
        // 检查右上方 是否有皇后
        for(int i=row-1, j=col+1; i>=0 && j<n; i--, j++) { // 往右上角移动
            if(chessBoard[i][j] == 'Q') {
                return false;
            }
        }
        return true;
    }

    /**
     * 二维字符数组 -> 字符串集合
     */
    public List arrayToList(char[][] chessBoard) {
        List<String> list = new ArrayList();
        for(char[] chars: chessBoard) {
            list.add(new String(chars));
        }
        return list;
    }
}

22. 括号生成

【22. 括号生成】

分析：

参考题解：【虽然不是最秀的，但至少能让你看得懂！】

还是常规的回溯法，一样的配方

• 该题 可以看做 从 数组 [ '(' , ')' ] 中进行2*n次排列（该数组仅有 左括号 和 有括号 2个元素）

在此树的基础上我们要删除掉不符合的路径，进行剪枝

• 需要满足一定条件才能拼接到path路径中（剪枝）
  • 充要条件：左括号数量 <= n 并且 右括号数量 <= 左括号数量
  • 代码：left <= n && right <= left

模拟回溯状态的多叉树：

代码：

class Solution {
    List<String> res = new ArrayList();
    public List<String> generateParenthesis(int n) {
        StringBuilder sb = new StringBuilder();
        backtracking(sb, 0, 0, n);
        return res;
    }

    /**
     * left、right 分别指左右括号的数量
     */
    public void backtracking(StringBuilder path, int left, int right, int n) {
        // 终止条件
        if(path.length() == n * 2) {
            res.add(path.toString());
            return;
        }
        // 递归处理子孩子（因为只有左、右两种括号，因此就只有两个孩子）
        if(isValid(left+1, right, n)) { // 追加一个“左括号”
            path.append('(');
            backtracking(path, left + 1, right, n);
            path.deleteCharAt(path.length() - 1);
        }
        if(isValid(left, right+1, n)) { // 追加一个“右括号”
            path.append(')');
            backtracking(path, left, right + 1, n);
            path.deleteCharAt(path.length() - 1);
        }

    }
    /**
     * 判断括号有效的条件
     * 若left > n 或者 right > left  那就是无效的
     */
    public boolean isValid(int left, int right, int n) {
        if(left <= n && right <= left) {
            return true;
        }
        return false;
    }
}

正序

1. 两数之和（难度：简单）

【两数之和】

代码：

class Solution {
    public int[] twoSum(int[] nums, int target) {
        // 初始化map： 【值:下标】
        HashMap<Integer, Integer> tempMap = new HashMap();
        int[] res = new int[2];
        for(int i=0; i<nums.length; i++) {
            Integer another = target - nums[i];
            // 如果目标值 存在tempMap中，则说明找到了结果
            if(tempMap.containsKey(another)) {
                res[0] = i;
                res[1] = tempMap.get(another);
                return res;
            }
            // 将【值:下标】 存储在map中 (常规套路，在写代码时进入for后 就可以先写这一步)
            tempMap.put(nums[i], i);
        }
        return res;
    }
}

总结注意点：

• 空间换时间的思想，将当前值 以及对应下标信息 存储在map中

核心代码：

// 初始化：存储 某个值 以及 在nums中的位置信息
HashMap<Integer, Integer> tempMap = new HashMap();

// 如果目标值 存在tempMap中，则说明找到了结果
if(tempMap.containsKey(another)) {
    res[0] = i;
    res[1] = tempMap.get(another);
    return res;
}

// 主流程：把当前值 及 对应位置信息存入到map中
tempMap.put(nums[i], i);

2. 两数相加（难度：中等）

【两数相加】

代码：

/**
 * Definition for singly-linked list.
 * public class ListNode {
 *     int val;
 *     ListNode next;
 *     ListNode() {}
 *     ListNode(int val) { this.val = val; }
 *     ListNode(int val, ListNode next) { this.val = val; this.next = next; }
 * }
 */
class Solution {
    public ListNode addTwoNumbers(ListNode l1, ListNode l2) {
        ListNode head1 = l1;    // 移动指针1，指向链表1
        ListNode head2 = l2;    // 移动指针2，指向链表2
        // 构建结果链表
        ListNode resHead = new ListNode();
        ListNode temp = resHead;// 移动指针3，指向链表3
        // 进位值， 默认是0  （作用域一定要是外面）
        int carry = 0;

        while(null != head1 || null != head2) {
            // 为空取0， 否则取val（核心思想）
            int num1 = null==head1 ? 0 : head1.val;
            int num2 = null==head2 ? 0 : head2.val;

            int sum = num1 + num2 + carry;
            // 求模取余 获取当前节点值
            int curVal = sum % 10;
            // 整除获取进位值
            carry = sum / 10;

            // 构建当前节点
            ListNode curNode = new ListNode(curVal);
            // 尾插法
            temp.next = curNode; temp = curNode;

            // 节点后移，只需要考虑不为null的链表即可，因为为null的话我们默认取0, 不会有影响
            if(null != head1) 
                head1 = head1.next;
            if(null != head2) 
                head2 = head2.next;

        }

        // 最后节点遍历完后，判断最后一步运算是否进位了，进位则补1，否则不处理
        if(carry == 1) {
            ListNode lastNode = new ListNode(1);
            temp.next = lastNode;
        }

        return resHead.next;
    }
}

总结注意点：

• 常规链表的移动指针，三个移动指针对应三个链表
• while(null != head1 || null != head2) 循环条件是 || 不是&&（任意一个链表没走完就执行的逻辑）
• int num1 = null==head1 ? 0 : head1.val 当前节点 为null取0，否则取val
• 构建进位变量 carry，作用域一定要放到外面；放里面就没法用了
• 考虑最后一步：最后节点遍历完后，判断最后一步运算是否进位了，进位则补1，否则不处理

3. 无重复字符的最长子串（难度：中等）

【无重复字符的最长子串】

代码：

class Solution {
    public int lengthOfLongestSubstring(String s) {
        // 判空处理
        if(null == s || s.length() == 0) {
            return 0;
        }
        // 初始化map： 【值:下标】
        HashMap<Character, Integer> map = new HashMap();
        // 定义滑动窗口最左侧指针
        int l = 0;
        // 最大长度
        int maxLength = 0;

        // r可以理解为 滑动窗口最右侧指针
        for(int r = 0; r < s.length(); r++) {
            char curChar = s.charAt(r);
            // 若map中之前存过这个值的下标，则让left指针右移 
            if(map.containsKey(curChar)) {
                // 目的：更新l 为 l、map(curChar)最右侧的下标
                // Math.max的好处：我们不需要考虑这个值是否在滑动窗口内
                l = Math.max(l, map.get(curChar) + 1);
            }
            // 更新最大长度
            maxLength = Math.max(maxLength, r - l + 1);

            // 将【值:下标】 存储在map中 (常规套路，在写代码时进入for后 就可以先写这一步)
            map.put(curChar, r);
        }

        return maxLength;
    }
}

解题思路：
该题是一道滑动窗口的问题。
滑动窗口的一般套路：左区间手动改变，有区间for循环累加

B站上视频链接：
https://www.bilibili.com/video/BV1BV411i77g
https://www.bilibili.com/video/BV1w5411E7EP

总结注意点：

• 和第一道题【1. 两数之和】类似点在于，都可以使用 一个map 来记录【值:下标】
• 使用双指针 构建滑动窗口的 经典问题。（套路：左边界手动改变 右边界自动累加）
• l和r滑动窗口的区间[l,r]表示的就是当前所维护的不重复的字串
• l = Math.max(l, map.get(curChar) + 1),这里取得是map.get(curChar) + 1，别忘了+1了。如果不+1的话，那么字串可能是abca这种，即第一个字符与后面那个字符重复

4. 寻找两个正序数组的中位数（难度：困难）- 先不做

5. 最长回文子串（难度：中等）

【最长回文子串】

解法一：暴力 - 遍历所有字串

建议先做第9题【9. 回文数】

代码：

class Solution {
    public String longestPalindrome(String s) {
        String longestPalindrome = "";
        // 遍历所有的子串，若长度比longestPalindrome长 且 是回文串，则更新longestPalindrome
        for(int i=0; i<s.length(); i++) {
            for(int j=i; j<s.length(); j++) {
                if(j - i + 1 > longestPalindrome.length()) {
                    if(isPalindrome(s.substring(i, j+1))) {
                        longestPalindrome = s.substring(i, j+1);
                    }
                }
            }
        }

        return longestPalindrome;
    }

    // 判断是否是回文字符串
    public Boolean isPalindrome(String s) {
        // 双指针
        int left = 0;
        int right = s.length() - 1;

        while (left <= right) {
            if(s.charAt(left) != s.charAt(right)) {
                return false;
            }
            left ++;
            right --;
        }

        return true;
    }
}

总结注意点：

• 第一步：先写出 判断是否回文 的方法 isPalindrome 。 （利用双指针的思想）
• 第二步：暴力遍历每个子字符串，判断是否回文，更长的则更新

时间复杂度： n^3

解法二：中心扩展法

参考讲解视频：https://www.bilibili.com/video/BV1dN4y1g7p9/?spm_id_from=333.337.search-card.all.click&vd_source=bf2066b8675548fac384ffe3bc83793e

代码：

class Solution {
    // 维护最长回文字符串
    public String res;

    public String longestPalindrome(String s) {
        // 判空处理
        if(null == s && s.length() == 0) {
            return "";
        }
        // 初始化res 
        res = s.substring(0,1);
        // 遍历s字符串 
        for(int i=0; i<s.length(); i++) {
            // 考虑 bab 的格式
            extendFromCenter(s, i, i);
            // 考虑 baab 的格式
            extendFromCenter(s, i, i+1);
        }
        return res;
    }

    // 中心扩散
    public void extendFromCenter(String s, int left, int right) {
        // 当 left、right 在区间返回内，且 s[left] == s[right] 才会向外扩散
        while(left>=0 && right<s.length() && s.charAt(left)==s.charAt(right)) {
            // 向外扩散
            left--;
            right++;
        }
        // 若当前回文串 比 res长 则更新res
        if(right - left - 1 > res.length()) {
            // 因为最后一次循环 left-- right++了，因此实际上回文字符串是[left+1, right-1]，由于substring是左闭右开[)，因此 res = s.substring(left+1, right)
            res = s.substring(left+1, right);
        }
    }
}

总结注意点：

• 解法一：判断字串是否是回文串，思想是自外向内的，left ++; right --;
• 解法二：寻找属于回文串的字串，且思想是自内向外扩散的，left--; right++;
• 要考虑 bab、baab 两种回文串的格式， 因此在遍历到某个字符时，extendFromCenter(s, i, i);extendFromCenter(s, i, i+1); 要调两次extendFromCenter

时间复杂度：n^2

7. 整数反转（难度：中等-简单）

【整数反转】

代码：

class Solution {
    public int reverse(int x) {
        // 注意： Math.abs(-2147483648) -> -2147483648   Math.abs(-2147483648L) -> 2147483648
        // 因此这里我先把x 转出一个Long  再调用Math.abs
        long longNum = Long.parseLong(String.valueOf(x));
        Long abs = Math.abs(longNum);
        // 取巧调用StringBuilder的reverse方法
        StringBuilder reverse = new StringBuilder(Long.toString(abs)).reverse();
        Long num = Long.parseLong(reverse.toString());
        
        // 负数 最小是 -2147483648
        if (x < 0 && num > 2147483648L) {
            return 0;
        }
        // 正数 最大是 2147483647
        if (x > 0 && num > 2147483647L) {
            return 0;
        }
        
        String strNum = x < 0 ? "-"+num : ""+num;
        return Integer.parseInt(strNum);
    }
}

总结注意点：

• int类型的范围 -2147483648 <= n <= 2147483647
• Math.abs(-2147483648) 的结果为： -2147483648
• Math.abs(-2147483648L) 的结果为： 2147483648

9. 回文数（难度：简单）

【回文数】

判断字符串是否为回文字符串？

代码：

class Solution {
    public boolean isPalindrome(int x) {
        String s = x + "";
        int left = 0;
        int right = s.length() - 1;

        while(left < right) {
            if(s.charAt(left) != s.charAt(right)) {
                return false;
            }
            left++;
            right--;
        }

        return true;
    }
}

• 先转成字符串，再判断是否为回文字符串