2021年LeetCode算法实践总结：从队列到动态规划的全记录

资源摘要信息:"LeetCode题库实践总结" 知识点一：数据结构基础 - 队列和堆栈：队列遵循先进先出原则，常用于广度优先搜索；堆栈遵循后进先出原则，常用于深度优先搜索。 - 广度优先搜索（BFS）：遍历图结构时，逐层扩展节点，通常用队列实现。 - 深度优先搜索（DFS）：遍历图结构时，尽可能深地搜索每个分支，一般使用递归实现。 知识点二：排序算法 - 归并排序：一种分而治之的排序算法，时间复杂度为O(n*log(n))，将数组分成两半，递归排序，然后合并。 - 动态规划：解决复杂问题时，通过将问题分解为重叠的子问题，并存储子问题解以避免重复计算的策略。 知识点三：动态规划实战 - 最长递增子序列：利用动态规划找出数组中的最长递增子序列，结合二进制搜索可以优化到O(n*log(n))时间复杂度。 - 最大子数组和：动态规划可以用来解决寻找给定整数数组中的最大子数组和问题（如Kadane算法）。 知识点四：二分查找技巧 - 二分查找：在有序数组中查找特定元素的高效算法，时间复杂度为O(log(n))。 - 在旋转排序数组中搜索：是对标准二分查找算法的扩展，需要处理数组旋转带来的特殊排序问题。 - 搜索二维矩阵：将二维矩阵拉伸为一维有序数组后，使用二分查找解决问题。 知识点五：编程技巧 - 删除所有相邻的重复项：通过使用栈的数据结构可以有效地删除字符串中相邻的重复字符。 - 有效字谜：利用哈希表记录字符串中每个字符出现的次数，然后比较两个字符串中字符出现次数的分布。 知识点六：数学问题处理 - 将两个整数相除：涉及整数除法和余数的计算。 - 细绳问题：可能涉及数学分析和求解方法，但具体问题未给出。 知识点七：二叉树操作 - 二叉树的最大深度：通过递归遍历二叉树，分别计算左右子树的最大深度，取最大值加一。 - 对称树：检查一棵二叉树是否是镜像对称的。 - 转置矩阵：通常指的是将矩阵的行列互换，得到转置矩阵。 知识点八：数组变换 - 排序数组的平方：先对数组进行排序，再对平方后的数组进行排序，或者一次性计算平方并排序。 - 两个指针和二分搜索：结合两个指针遍历数组和二分搜索，可以解决特定条件下的数组问题。 - 最小尺寸子阵列总和：利用滑动窗口方法和前缀和技巧，找出给定数组中连续子数组和的最小值。 知识点九：矩阵操作 - 设置矩阵零：遍历矩阵，利用额外的存储结构记录每行每列是否需要置零。 - 三和问题：通常指的是找出数组中所有三个元素之和等于特定值的组合。 - 最近通话次数：与数学问题结合，可能涉及到组合数学的计算。 知识点十：算法策略 - 贪婪算法：在每一步选择中都采取在当前状态下最好或最优的选择，以希望导致结果是全局最好或最优的算法。 - 加油站：可能指的是贪心策略在选择加油站以最大化行驶距离的应用问题。 在"LeetCode_2021-main"压缩包子文件中，我们可以预期包含以上知识点相关的编程题目和解题代码，通过这些题目和解题过程的实践，可以在数据结构、算法设计和问题解决能力上有显著的提高。这些知识点是算法和编程中非常重要的基础，能够帮助开发者在解决实际问题时选择合适的策略和方法。