30Day LeetCoding Callenge — Week3
![](https://assets.matters.news/embed/83e37e0e-052a-4717-a1a7-55f3f8d3171f.jpeg)
這週的難度有點高了,主要是在考資料結構的問題,這週我歸納出兩個技巧
- Dynamic Programming (動態規劃)
- 二元搜尋樹
Dynamic Programming
動態規劃的用法,就像是在走訪陣列時就在元素中累計運算,這個很難意會,所以我拿範例來舉例。
30Day LeetCoding Callenge — Week2 ,有用過recursion 做過階乘,但recursion 只能得到結果,而dynamic programming 則是列出1~6階的階乘,這特性的應用在本週有很大的應用,我們拿 1.Product of Array Except Self 做舉例。
![](https://assets.matters.news/embed/3675a8b6-a394-4c73-9b26-66f17c1f46bd.png)
題目說可以用O(n)的方式解決,題目的思維在於如何將該元素以外的元素相乘,即可以得出結果。而解題分析可得到如何將元素以外的元素相成,其實就是做出元素左邊跟元素右邊的所有值相乘。
![](https://assets.matters.news/embed/c405f401-cd86-489b-bb9a-1fbd032d6307.png)
用程式碼來看就是,分別將該元素的左邊跟右邊所有元素乘裡來,只要在兩邊在相乗就可以得到答案,而陣列中可以發現每個值剛好都是左邊或右邊乘起來的積,所以蒐集到特定索引值時,就是該元素得左邊/右邊的乘積。
let L = [1] //因為最右跟最左沒東西所以為1 for(let i = 0 ; i < nums.length-1; i++){ L[i+1] = (L[i+1-1] * nums[i]) } let numsR = nums.reverse() let R = [1] // R為了方便運算所以還需要反轉 for(let i = nums.length ; i nums.length-1 ; i++){ R[i+1] = R[i+1-1] * numsR[i] } R = R.reverse()
再來有一題也是很精彩的Dynamic Programming 的應用:
3.Minimum Path Sum
![](https://assets.matters.news/embed/97a9cbe6-9796-4a26-b755-898bb05587d8.png)
這題解法厲害的點在於,使用Dynamic Programming 將第一列跟第一行累加起來變成:
[1,4,5] [2,5,1] [6,2,1]
這時候路徑和第一行跟第一列已經有部分處理好了。剩下有可能會走過任一個第一行或第一列的中間的值運算,舉例來說,grid[1][1] 運算時就是加相鄰的最小路徑和也就是grid[0][1] 或grid[1][0],而這兩個元素又代表的走到這個元素的路徑和,所以繼續累加的話就可以得到終點grid[i][j]的最小路徑和,我認為這題是Week3裡面Dynamic Programming的經典應用。
for(let i = 1 ; i < row ; i++){ for(let j = 1 ; j < col ; j++){ grid[i][j] += Math.min(grid[i-1][j],grid[i][j-1]) } }
二元搜尋樹
其實這週二元搜尋樹的應用只有一題,但這是經典的資料結構運算,所以還是要了解二元搜尋樹的醍醐味,下面是一顆二元搜尋樹:
![](https://assets.matters.news/embed/5a5fcbe3-8605-4044-a719-de9f1d89f161.png)
二元搜尋樹的特點:
- 每個節點的左節點會小於節點
- 每個節點的右節點會大於節點
二元搜尋樹的遍歷,也就是走訪的順序:
- Preorder Traversal 前序遍歷,中 -> 左 -> 右
- Inorder Traversal 中序遍歷,左 -> 中 -> 右
- Postorder Traversal 後序遍歷 左-> 右 ->中
![](https://assets.matters.news/embed/372bfd2d-6cde-4115-b967-0513105bfc47.png)
上面簡單介紹,二元搜尋樹的定義及遍歷方式。
題目中我們常看到的二元搜尋樹的陣列為二元堆積,先了解在js中怎麼處理二元堆積。通常leetcode會將需要用的function提供出來,以下是二元樹的Tree Node,其實跟LinkedList的List Node 很像。
function TreeNode(val) { this.val = val; this.left = this.right = null; }
這週題目剛好就是將陣列轉成二元堆積,所以我們直接看 6.Construct Binary Search Tree from Preorder Traversal ,這題就是將陣列轉成二元搜尋數的前序遍歷的二元堆積。
![](https://assets.matters.news/embed/3437e357-236a-4fb4-86a6-9e263bbfd132.png)
首先我們先想一下從二元搜尋數的最上層節點開始做,如果要放進Tree Node 的話就要想第一個節點及他的左跟右節點是什麼。
從8開始所以第一個比8小的就是5,5就是8的左子樹,第一個比8大的是10所以10是8的右子樹,所以程式碼就有一個判斷可以參考了:
slice是切掉第一個元素後過濾出後面小於preorder[0]的陣列。 left = preorder.slice(1).filter(ele => ele < preorder[0]) right = preorder.slice(1).filter(ele => ele > preorder[0])
所以第一個根節點8後就可以切出小於8的左子樹陣列跟大於8的右子樹陣列,之後就是再用遞迴重新指向新的根節點,然後再切出左子樹陣列跟右子樹陣列,直到null。
function TreeNode(val) { this.val = val; this.left = this.right = null; } var bstFromPreorder = function(preorder) { if(preorder.length === 0) return null if(preorder.length === 1) return new TreeNode(preorder[0]) let root = new TreeNode(preorder[0]) let left = bstFromPreorder(preorder.slice(1).filter(ele => ele < preorder[0])) let right = bstFromPreorder(preorder.slice(1).filter(ele => ele > preorder[0])) if(root) root.left = left if(root) root.right = right return root };
喜欢我的作品吗?别忘了给予支持与赞赏,让我知道在创作的路上有你陪伴,一起延续这份热忱!
![](https://imagedelivery.net/kDRCweMmqLnTPNlbum-pYA/prod/avatar/94dd98d7-6245-4295-8aa1-5e22b2d5f289.png/public)
- 来自作者
- 相关推荐