LeetCode hot100-70

https://leetcode.cn/problems/min-stack/description/?envType=study-plan-v2&envId=top-100-liked

155. 最小栈
已解答
中等
相关标签
相关企业
提示
设计一个支持 push ,pop ,top 操作,并能在常数时间内检索到最小元素的栈。

实现 MinStack:

MinStack() 初始化堆栈对象。
void push(int val) 将元素val推入堆栈。
void pop() 删除堆栈顶部的元素。
int top() 获取堆栈顶部的元素。
int getMin() 获取堆栈中的最小元素。

这题主要目的是实现一个O(1)就能得到最小元素的一个栈。普通的栈无法做到这点。官方解法是用的两个双端队列来实现的。

class MinStack {
    Deque<Integer> stack;
    Deque<Integer> minStack;

    public MinStack() {
        stack = new LinkedList<Integer>();
        minStack = new LinkedList<Integer>();
        minStack.push(Integer.MAX_VALUE);
    }
    
    public void push(int val) {
        stack.push(val);
        minStack.push(Math.min(val,minStack.peek()));
    }
    
    public void pop() {
        stack.pop();
        minStack.pop();
    }
    
    public int top() {
        return stack.peek();
    }
    
    public int getMin() {
        return minStack.peek();
    }
}

/**
 * Your MinStack object will be instantiated and called as such:
 * MinStack obj = new MinStack();
 * obj.push(val);
 * obj.pop();
 * int param_3 = obj.top();
 * int param_4 = obj.getMin();
 */
### 关于 LeetCode Hot100 的题目解析与代码实现 以下是针对部分经典 LeetCode Hot100 题目的详细解析和代码实现: --- #### **可被三整除的最大和** 此题的核心在于动态规划的应用。通过构建状态转移方程来解决子序列求和问题。 ```python from functools import lru_cache def maxSumDivThree(nums): @lru_cache(None) def dp(index, remainder): if index == len(nums): return 0 if remainder == 0 else float('-inf') take = nums[index] + dp(index + 1, (remainder + nums[index]) % 3) not_take = dp(index + 1, remainder) return max(take, not_take) return dp(0, 0) ``` 上述方法利用记忆化递归来优化时间复杂度,确保每种可能的状态仅计算一次[^1]。 --- #### **玩筹码** 该问题可以通过贪心算法高效解决。核心思路是统计奇偶位置上的筹码数量并选择代价较小的操作方式。 ```python def minCostToMoveChips(position): even_count = sum(p % 2 == 0 for p in position) odd_count = len(position) - even_count return min(even_count, odd_count) ``` 这里的时间复杂度为 O(n),其中 n 是 `position` 数组的长度。 --- #### **买卖股票的最佳时机** 这是一道经典的单次交易最大利润问题,可以采用线性扫描的方式完成。 ```python def maxProfit(prices): min_price = float('inf') max_profit = 0 for price in prices: if price < min_price: min_price = price elif price - min_price > max_profit: max_profit = price - min_price return max_profit ``` 这段代码的关键在于维护当前最低价格以及潜在的最大收益。 --- #### **跳跃游戏 I 和 II** 这两道题分别涉及布尔判断和最小步数计算。前者可通过记录可达范围快速判定,后者则需借助动态规划思想逐步推进最优路径。 ##### 跳跃游戏 I ```python def canJump(nums): farthest = 0 for i, jump in enumerate(nums): if i > farthest: return False farthest = max(farthest, i + jump) return True ``` ##### 跳跃游戏 II ```python def jump(nums): jumps = current_end = farthest = 0 for i in range(len(nums) - 1): farthest = max(farthest, i + nums[i]) if i == current_end and i != len(nums) - 1: jumps += 1 current_end = farthest return jumps ``` 两者的共同特点是基于局部最优解推导全局最佳策略。 --- #### **划分字母区间** 本题要求找到字符串中的不重叠分区数目,适合用双指针配合哈希表处理。 ```python def partitionLabels(s): last_occurrence = {c: i for i, c in enumerate(s)} partitions = [] start = end = 0 for i, char in enumerate(s): end = max(end, last_occurrence[char]) if i == end: partitions.append(end - start + 1) start = i + 1 return partitions ``` 这种方法能够在线性时间内解决问题,并且保持空间开销较低。 --- #### **移动零** 对于数组操作类问题,“头部”扩展技巧非常实用。具体做法如下所示: ```python def moveZeroes(nums): head = 0 for i in range(len(nums)): if nums[i] != 0: nums[head], nums[i] = nums[i], nums[head] head += 1 ``` 此处逻辑清晰明了,只需两次遍历即可达成目标[^2]。 --- ### 总结 以上展示了若干热门 LeetCode 题目及其解决方案。这些例子涵盖了多种常见算法模式,包括但不限于动态规划、贪心算法、滑动窗口等技术手段。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值