12人加入学习
(0人评价)
算法面试必备数据结构和算法
价格 $9,999美元
该课程属于 2023.7.9 CS课程 请加入后再学习
  • binary search 

在一个已经排好序的数组上,O(logn )复杂度

先找mid=start+end。 array[mid]=val1,然后判断target,val1<target,就向右找,小于则向左找。重复上述过程, mid2=(end+mid)/2只取整数。

 

写一些函数的时候,先判断input是不是null或length==0?

某些情况下比如while(start+1<end)的话要单独判断end和start是不是target

为什么不是start<end退出,比如下面的例子,找最后一个出现的位置。【2,2】

while(start<end){

   mid=(0+1)/2=0;

if (mid==target){  start =mid;}

}

应该用相邻或相等退出,即start+1<end;

求最后出现的位置: if找到了就向右找,

而且也要先判断end==target

第一个出现的位置,if找到了就向左找。

而且要先判断start==target。

 

而且mid= start+(end-start)/2 更不容易overflow,算是一个小的优化

 

模板:

while (start+1< end){

          mid=start+(end-start)/2;

         if(num[mid]==target)  {return mid}

         else if(  >){  end=mid}

         else{   start=mid }

        if start==target 

       if end==target.

}

 

 

推荐写一些子 函数维持宏观框架

 

 

例题: find K closet elements

思路: 可以先bSearch找到target,然后双指针两边走

先看输出类型,新建好。

然后先写出思路, 然后把子程序的接口写出来,定义出来,input和output,然后写出来子函数的作用:output是什么

 

 

  • Heap

大顶堆和小顶堆,min-heap和max-heap。

每一个node满足:father>=childs (max)

                           father<=childs(min)

左右没有关系

 

binary heap representation:

  现在node为A【i】,

Arr[(i-1)/2] is the parent node.

Arr[2i+1] is the left child

Arr[2i+2] is the right child

 

复杂度:getMini() :对于Min-heap是一个O(1)

extractMin(): remove the root ,O(logn)

insert(): O(logn)

delete(): O(logn)

 

 

  • 重点!!!!!
  • top K的题右3solution
  1. sort O(nlogn) 不是很好
  2. quick select. (on avarge O(n)),有时候快有时候慢。要求是要进行该方法,必须已经拿到全部的数据,万一新来的data,只能重新来一遍
  3. Heap O(nlogk),只需要size 为k的heap, insert 每一次都是logk,然后比n次,现实生活中k远小于n。更适合Stream data,可以适用于新来的data,新来一个数是O(logk

例题:Kth largest element要用min-heap,因为和root比较,小的就不用insert,大的菜肴insert进去,因为,heap里面村的是k个最大的,

步骤:先建立一个k size的heap,直接加进去,然后对比,如果大于,则pop root之后push(元素 )

[展开全文]
shaning · 2023-10-28 · Session 4 0

授课教师

Yuhan老师

课程特色

视频(9)

学员动态

Shuhao 加入学习
Bianyw 加入学习
shjm 加入学习
YanHuang 加入学习
duoduo99 加入学习