力扣.84柱状图中最大矩形 力扣.134加油站牛客.abb（hard 动态规划+哈希表)牛客.哈夫曼编码

目录

力扣.84柱状图中最大矩形

力扣.134加油站

[牛客.abb（hard 动态规划+哈希表)](#牛客.abb（hard 动态规划+哈希表))

牛客.哈夫曼编码

---

力扣.84柱状图中最大矩形

1.暴力解法如同那个中心拓展算法一样，把每一个点作为中心向外扩展最大面积，超时

class Solution {
      public int largestRectangleArea(int[] heights) {
        int n=heights.length;
        //中心拓展方法
        int sum=0;
        Stack<Integer>s=new Stack<>();
        for(int i=0;i<n;i++){
           int count=1;
           int left=i-1;
           int right=i+1;
            while(left>=0&&s.peek()=heights[i]){
                left--;
                count++;
            }
            while(right<n&&s.peek()>=heights[i]){
                right++;
                count++;
            }
            sum=Math.max(sum,heights[i]*count);
        }
        return sum;
    }
}

下面的优化，我说实话我都要有点没看懂，就是他的有时候思维并非像是人类一样，能直接往后看看到多少多少，而是她更像是怎么说，像是一个机器的思维，就是当前状态结果这个不是正确的，就比如2，5，6，6，6，2，1 ，我们人是从第一个6开始，就想着到最后面的6，他的机器是可能第二个6，第3个6才出来正确结果，因此，这是我说的机器和人思维不同的一些地方。

class Solution {
    public int largestRectangleArea(int[] heights) {
        int n = heights.length;
        Deque<Integer> st = new ArrayDeque<>();
        st.push(-1); // 在栈中只有一个数的时候，栈顶的「下面那个数」是 -1，对应 left[i] = -1 的情况,表示他的右边界-左边界值
        int ans = 0;
        for (int right = 0; right <= n; right++) {
            int h = right < n ? heights[right] : -1;
            while (st.size() > 1 && h <= heights[st.peek()]) {
                int i = st.pop(); // 矩形的高（的下标）
                int left = st.peek(); // 栈顶下面那个数就是 left
                ans = Math.max(ans, heights[i] * (right - left - 1));
            }
            st.push(right);
        }
        return ans;
}
}

力扣.134加油站

他的难点，第一个就是暴力时候，这么表示环，使用 [(i+step)%n]就好，然后肯定是要走xxx步

然后贪心的第二个点，假如出现负数，也就是小于0的情况

假如从0为起点开始，从0 走到4是负数了，那么1，2，3也没必要走，当然，是在0为负数的情况

当然，假如你想要从0走到1，那么0一定大于0.。依次类推。

public int canCompleteCircuit(int[] gas, int[] cost) {
        int n=gas.length;       
        //仅考虑从加油站的净收益即可 
        int[]dif=new int[n];
        int sum=0;
        for(int i=0;i<n;i++){
          dif[i]=gas[i]-cost[i];
        }
            //从不同起点出发
          for(int i=0;i<n;i++){
              int count=0;
              //假如使用一个变量step表示当前走了多少步
             int step=0;
           for( ;step<n;step++){
            //每次的差值
           count+=dif[(i+step)%n];
           //假如道路中间变成负数，就无法到达
           if(count<0){i=i+step;break;}
           }
           if(count>=0)return i;
        }
                
      return -1;
    }

牛客.abb（hard 动态规划+哈希表)

像是动态规划，a,b点-结合一个子序列

以i为结尾的所有的子序列

 public static void main(String[] args) {
        Scanner in = new Scanner(System.in);
        int n=in.nextInt();
        String aa=in.next();
        char[]a=aa.toCharArray();
        int []f=new int[26];
        int []g=new int[26];
        int []dp=new int[26];
        long sum=0;
        for(int i=0;i<n;i++){
            int x=a[i]-'a';
            dp[x]=f[x];
            sum+=dp[x];
            f[x]=f[x]+i-g[x];
            g[x]=g[x]+1;
        }
     System.out.print(sum);
    }

牛客.哈夫曼编码

什么是哈夫曼编码

压缩存储

abbcccdd 二进制。使用二进制来存储，先对出现的字符进行编码

比如

a:0

b:01

c:001

d:11

那么长长的字符串由字符串表示的话，就可以非常省空间，但是会出现问题，就像是滑动窗口的漏包 比如001 : ab 或者c，这样就有歧义了，说明这种编码是不合理的，即错误的

压缩的目的是省空间，当前这个c出现三次，那么c的字符应该短一些，这样他就省空间

哈夫曼编码是最优的压缩存储方式

怎么用？

1.统计每个字符的频次

2.根据频次构建最优二叉树

3.根据最优二叉树编码

a:1

b:2

c:3

d:2

此时有一个大圆圈 频次为1的，为2的两个，为3的一个，每次从集合中取出权值最小的两个，由两个最小的，再去一个一个构建。

总结就是每次取两个小的，然后相加，再去插入以此类推。

  public static void main(String[] args) {
        Scanner in = new Scanner(System.in);
        int n=in.nextInt();
        PriorityQueue<Long>q=new PriorityQueue<>();
        for(int i=0;i<n;i++){
        q.add(in.nextLong());
        }
        long sum=0;
        while(q.size()>1){
            long x=q.poll();
            long y=q.poll();
            q.add(x+y);
            sum+=x+y;
        }
        System.out.print(sum);
    }