部分常用算法笔记

一、简单易考
1、冒泡排序
https://www.nowcoder.com/practice/2baf799ea0594abd974d37139de27896
for i:=0;i<length;i++ {
for j:=0;j<length-i-1;j++ {
if array[j] > array[j+1] {
array[j+1],array[j] = array[j],array[j+1]
}
}
}

2、求数组最大最小值。
1）O(N)
max := arr[0]
for i := 1; i < len(arr); i++ {
if arr[i] > max {
max = arr[i]
}
}
2) 最小栈
https://leetcode.cn/problems/min-stack/

3、实现getElementById
var elements = document.getElementsByTagName(“*”);
for (var i = 0; i < elements.length; i++) {
if (elements[i].id === id) {
return elements[i];
}
}
4、二分法
https://www.nowcoder.com/practice/d3df40bd23594118b57554129cadf47b

二、题
1、反射
value := reflect.ValueOf(&animal)
f := value.MethodByName(“Eat”)
//f.Call([]reflect.Value{})
reflect.DeepEqual()

2、哈夫曼树(huffman)
在这里插入图片描述

带权路径长度WPL为：23+33+62+82+9*2=(2+3)*3+(6+8+9)*2=61.

3、排序
Q: 稳定排序算法?
稳定不稳定就看相同的关键字在排序前后的次序是否发生变化.
稳定的有：冒泡排序、插入排序、归并排序；不稳定的有选择排序、快速排序、堆排序和希尔排序。

冒泡排序：重复地走访过要排序的元素列，依次比较两个相邻的元素，如果他们的顺序错误就把他们交换过来。
归并排序：将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为二路归并。
插入排序：将待排序序列分成两个序列，前面的序列保持有序，依次选取后面的序列的元素，在前面的序列中进行插入。初始时，有序序列的长度为1。

快速排序：快速排序是指通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序。
堆排序：堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。
希尔排序：希尔排序是把记录按下标的一定增量分组，对每组使用直接插入排序算法排序；随着增量逐渐减少，每组包含的关键词越来越多，当增量减至1时，整个文件恰被分成一组，算法便终止。在小规模数据或者基本有序的数据上使用时十分高效。

4、二叉树
深度为n，最大节点数：(2^{n)-1个节点。第n层，每层最大节点数：2}(n-1)。
n个节点，最大深度为[logN]+1
完全二叉树：最后一层没有满，那么最后一层的节点都得在左边。满二叉树是特殊的完全二叉树。对于满二叉树，除最后一层无任何子节点外，每一层上的所有结点都有两个子结点二叉树。

二叉树递归
1、sum
在这里插入图片描述

2、找公共祖先
在这里插入图片描述

3、输出右视图
在这里插入图片描述

4、序列化二叉树
前序遍历
在这里插入图片描述

5、红黑树(RBTree)

红黑树是一种特定类型的二叉树。

性质：
根节点是黑色的
每个红色结点的两个子结点都是黑色
对于每个节点，从该节点到其后代叶节点的简单路径上，均包含相同数目的黑色节点
每个叶子节点都是NIL，颜色为黑色

通俗理解：算法实现时，每次假定插入的新节点是红色的，因为红色的不会影响路径上黑色节点的数量。爸爸是黑色的，皆大欢喜。爸爸和叔叔是红色的，只用改成黑色。爸爸是红色的，叔叔是黑色的，需要进行旋转。以上，就是把树标成红色和黑色的意义，只用简单的判断颜色，就能确定应该怎么调整。

6、反转链表

在这里插入图片描述

for pre.Next!=nil{
    nxt:=pre.Next
    pre.Next=cur
    cur=pre
    pre=nxt
}
pre.Next=cur

7、回溯
三部曲：
1、回溯函数模板返回值以及参数
2、回溯函数终止条件
3、回溯搜索的遍历过程
for横向遍历，递归纵向遍历

子集问题：解集不能包含重复的子集。for就要从startIndex开始，而不是从0开始！
排列问题：排列问题需要一个used数组。[1,2] 和 [2,1] 是两个集合
去重：
1、
s := []byte(str)
sort.Slice(s,func(i,j int)bool{
return s[i]<s[j]
})
2、
if used[i] || (i>0 && s[i]==s[i-1]&& !used[i-1]){
continue
}

8、动态规划
修改字符串/编辑距离
step 1：初始条件：假设第二个字符串为空，那很明显第一个字符串子串每增加一个字符，编辑距离就加1，这步操作是删除；同理，假设第一个字符串为空，那第二个字符串每增加一个字符，编剧距离就加1，这步操作是添加。
step 2：状态转移：状态转移肯定是将dp矩阵填满，那就遍历第一个字符串的每个长度，对应第二个字符串的每个长度。如果遍历到str1[i]和 str2[j]的位置，这两个字符相同，这多出来的字符就不用操作，操作次数与两个子串的前一个相同，因此有dp[i][j]=dp[i−1][j−1]dp[i][j] = dp[i - 1][j - 1]dp[i][j]=dp[i−1][j−1]；如果这两个字符不相同，那么这两个字符需要编辑，但是此时的最短的距离不一定是修改这最后一位，也有可能是删除某个字符或者增加某个字符，因此我们选取这三种情况的最小值增加一个编辑距离，即

dp[i][j]=min(dp[i−1][j−1],
min(dp[i−1][j],dp[i][j−1]))+1dp[i][j] = min(dp[i - 1][j - 1], 
min(dp[i - 1][j],
 dp[i][j - 1])) + 1dp[i][j]=min(dp[i−1][j−1],min(dp[i−1][j],dp[i][j−1]))+1

正则表达式匹配
定义状态，并初始化
遍历每个str和pattern中的字符
1、当比较的位pattern[j-1]==‘.’, 或者字符相等匹配,则状态取决于上一次状态
2、对于包含 * 的匹配
当之前位为 ‘.’, 或者字符相等,则匹配
否则只能不匹配
返回状态转移最后的结果

最长的括号子串

在这里插入图片描述

9、缓存算法
LRU
Least Recently Used的缩写,即最近最少使用
在这里插入图片描述

LFU
Least Frequently Used，最不经常使用策略
结构
两个hashmap
DataMap 用来key来做元素的查找
AtLastMap 用来做哨兵节点的保存
双向链表用来做数据的移动删除和更新

哨兵节点的定义：该访问次数的最后一个节点。k：存储的值， v：访问次数。
双向链表越靠后表示使用频度越高，头节点是访问次数最少的。

GET():

先找到key的节点，获取节点值value，取出当前的访问次数access_count
查找access_count,判断当前节点是否为哨兵节点。如果是，则删除哨兵节点，令当前节点的前一个节点为哨兵节点，如果没有前一个节点，则删除该键值对。
3、查找access_count+1的哨兵节点，如果找不到，则找access_count的哨兵节点。在双向链表里将本节点插入该节点后
4、设置access_count+1的哨兵节点为自己
PUT():
先验证数据是否存在，存在即更新，不存在则插入。更新参考get()方法。
判断容量cap,如果容量为0，需要先删除双链表头结点，然后cap++
插入节点放在链表头,并设置key=1的哨兵节点

10、回文字符串(KMP)
前缀表: 记录下标i之前（包括i）的字符串中，有多大长度的相同前缀后缀。
func getNext(nums []int, s string) {
j:=0
for i := 1; i < len(s); i++ {
for j > 0 && s[i] != s[j] {
j=nums[j-1]
}
if s[i]==s[j]{
j++
}
nums[i]=j
}
}

三、方法论
在这里插入图片描述