题目描述1
笔者分析1.1
直到现在我还是会对这种类似于多决策问题产生畏惧，我总是会认为它很复杂，因为它有多种多样的走法，和判定条件。但每次看到题解，就又会惊叹于如此少量的代码就可以实现。因为单从代码来看，你是看不出来它是在写这题的，一个很大众很简洁的处理方式。不过看到这种类似多决策问题的题，递归就完事了。
class Solution {
public int swimInWater(int[][] grid) {
int N=grid.length;
int ans=Math.max(grid[0][0],grid[N-1][N-1]);
while(true){
//从(0,0)开始挖地雷，数字变成ans+1，防止重复
change(0, 0, N, grid, ans + 1);
if (grid[N - 1][N - 1] == ans + 1) {
return ans;
}
ans++;
}
}
public static void change(int x,int y,int N,int[][] grid,int key) {
if(grid[x][y]>=key){
return ;
}
grid[x][y] = key;
if (x > 0) {
change(x - 1, y, N, grid, key);
}
if (y > 0) {
change(x, y - 1, N, grid, key);
}
if (x < N - 1) {
change(x + 1, y, N, grid, key);
}
if (y < N - 1) {
change(x, y + 1, N, grid, key);
}
}
}
题目描述2
笔者分析2
这个题目的意思已经算是很简单明了了的，但要想在线性复杂度求解出来，我还没想到，有想过用大顶堆，但卡在了一个问题上。就是当窗口右移的时候，如何弹出大顶堆内的元素。看了下题解，也有用大顶堆的，但弹出元素很巧妙，理解了好久。
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
if(nums==null||nums.length<2) return nums;
// 双向队列 保存当前窗口最大值的数组位置 保证队列中数组位置的数按从大到小排序
LinkedList<Integer> list = new LinkedList();
// 结果数组
int[] result = new int[nums.length-k+1];
for(int i=0;i<nums.length;i++){
// 保证从大到小 如果前面数小 弹出
while(!list.isEmpty()&&nums[list.peekLast()]<=nums[i]){
list.pollLast();
}
// 添加当前值对应的数组下标
list.addLast(i);
// 初始化窗口 等到窗口长度为k时 下次移动在删除过期数值
if(list.peek()<=i-k){
//这一步就是用来弹出元素的
list.poll();
}
// 窗口长度为k时 再保存当前窗口中最大值
if(i-k+1>=0){
result[i-k+1] = nums[list.peek()];
}
}
return result;
}
}
总结
今天白天有个部门面试，困难的堆题是写不完了，写了几题简单的排序补补数量，每日十题打卡第八天，以下图为证
