当前位置: 首页 > article >正文

LeetCode hot 100 (12-16,自用2026.04.06)

LeetCode hot 100 (12-16,自用2026.04.06)53. 最大子数组和给你一个整数数组nums请你找出一个具有最大和的连续子数组子数组最少包含一个元素返回其最大和。子数组是数组中的一个连续部分。示例 1输入nums [-2,1,-3,4,-1,2,1,-5,4] 输出6 解释连续子数组 [4,-1,2,1] 的和最大为 6 。进阶如果你已经实现复杂度为O(n)的解法尝试使用更为精妙的分治法求解。思考第一反应是前缀和维护一个数组然后在看数组后一个减前一个的大于0贪心当前指针所指元素之前的和小于0丢弃当前元素之前的数列需要当前值之前和当前和最大和Kadane算法 动态规划算法最优子结构当前状态只取决于前一个位置的状态重叠子问题题解classSolution{publicintmaxSubArray(int[]nums){//初始化为 nums[0]而不是 0是为了避免全负数数组返回 0 的错误intpre0,maxAnsnums[0];for(intx:nums){//也就是每次都取《当前和》与《当前值》最大的那个做最优选择继续累加还是重新开始preMath.max(prex,x);//最大和取《当前和》和《原本最大值》中大的那个maxAnsMath.max(maxAns,pre);}returnmaxAns;}}56. 合并区间以数组intervals表示若干个区间的集合其中单个区间为intervals[i] [starti, endi]。请你合并所有重叠的区间并返回一个不重叠的区间数组该数组需恰好覆盖输入中的所有区间。示例 1输入intervals [[1,3],[2,6],[8,10],[15,18]] 输出[[1,6],[8,10],[15,18]] 解释区间 [1,3] 和 [2,6] 重叠, 将它们合并为 [1,6].思路排序合并按区间起点从小到大排序判断上一个结尾第二个开头说明有重叠合并比较两个结尾哪个大就选哪个不重叠直接加入结果集题解classSolution{publicint[][]merge(int[][]intervals){// 1. 先按区间左端点排序Arrays.sort(intervals,(a,b)-Integer.compare(a[0],b[0]));Listint[]resnewArrayList();// 2. 遍历每个区间for(int[]interval:intervals){// 如果结果集为空或者当前区间和结果集最后一个区间不重叠if(res.isEmpty()||res.get(res.size()-1)[1]interval[0]){res.add(interval);}else{// 有重叠合并更新最后一个区间的右端点res.get(res.size()-1)[1]Math.max(res.get(res.size()-1)[1],interval[1]);}}// 3. Listint[] 转成 int[][]returnres.toArray(newint[res.size()][]);}}189. 轮转数组给定一个整数数组nums将数组中的元素向右轮转k个位置其中k是非负数。示例 1:输入: nums [1,2,3,4,5,6,7], k 3 输出: [5,6,7,1,2,3,4] 解释: 向右轮转 1 步: [7,1,2,3,4,5,6] 向右轮转 2 步: [6,7,1,2,3,4,5] 向右轮转 3 步: [5,6,7,1,2,3,4]思路1.新建数组从后往前数k个开始复制到新数组然后再从头开始复制2.原地轮转题解classSolution{public void rotate(int[]nums,intk){intnnums.length;int[]tempnewint[n];for(inti0;in;i){temp[i]nums[(n-ki)%n];}for(inti0;in;i){nums[i]temp[i];}}}https://www.bilibili.com/video/BV12g411p7CC翻转三次数组classSolution{publicvoidrotate(int[]nums,intk){intnnums.length;kk%n;reverse(nums,0,n-1);reverse(nums,0,k-1);reverse(nums,k,n-1);}publicvoidreverse(int[]nums,intstart,intend){while(startend){inttempnums[start];nums[start]nums[end];nums[end]temp;start;end--;}}}238. 除了自身以外数组的乘积给你一个整数数组nums返回 数组answer其中answer[i]等于nums中除了nums[i]之外其余各元素的乘积 。题目数据保证数组nums之中任意元素的全部前缀元素和后缀的乘积都在32 位整数范围内。请 **不要使用除法**且在O(n)时间复杂度内完成此题。示例 1:输入: nums [1,2,3,4] 输出: [24,12,8,6]思路最简单的是双层循环但是这道题的要求是O(n)时间复杂度这个思路就不可行了那么除了自己元素的乘积可以是元素左边的乘积*右边的乘积再把这俩乘起来就行维护左乘积数组和右乘积数组还有结果数组循环三轮每轮都是O(n)的话满足时间复杂度要求的题解classSolution{publicint[]productExceptSelf(int[]nums){intlennums.length;int[]Lnewint[len];int[]Rnewint[len];int[]ansnewint[len];L[0]1;for(inti1;ilen;i){L[i]nums[i-1]*L[i-1];}R[len-1]1;for(intilen-2;i0;--i){R[i]nums[i1]*R[i1];}for(inti0;ilen;i){ans[i]L[i]*R[i];}returnans;}}41. 缺失的第一个正数给你一个未排序的整数数组nums请你找出其中没有出现的最小的正整数。请你实现时间复杂度为O(n)并且只使用常数级别额外空间的解决方案。示例 1输入nums [1,2,0] 输出3 解释范围 [1,2] 中的数字都在数组中。思路第一思路绝对是哈希表先把元素存进去然后再循环contains直到最小的正整数……第二是优化法第一轮把负数都变为n1第二轮把正数下标的内容变为负值第三轮得到负数的下标1或者n1就是结果题解classSolution{publicintfirstMissingPositive(int[]nums){SetIntegersetnewHashSet();intnnums.length;for(inti0;in;i){set.add(nums[i]);}intans1;for(ans1;ansn;ans){if(!set.contains(ans)){break;}}returnans;}}优化classSolution{publicintfirstMissingPositive(int[]nums){intnnums.length;for(inti0;in;i){if(nums[i]0){nums[i]n1;}}for(inti0;in;i){if(nums[i]n){intnumMath.abs(nums[i]);if(numn){nums[num-1]-Math.abs(nums[num-1]);}}}for(inti0;in;i){if(nums[i]0){returni1;}}returnn1;}}

相关文章:

LeetCode hot 100 (12-16,自用2026.04.06)

LeetCode hot 100 (12-16,自用2026.04.06) 53. 最大子数组和 给你一个整数数组 nums ,请你找出一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。 子数组是数组中的一个连续部分。 示例 1: 输入…...

Qwen3.5-9B-AWQ-4bit图文理解参数详解:temperature=0.7时的稳定性与丰富度平衡

Qwen3.5-9B-AWQ-4bit图文理解参数详解:temperature0.7时的稳定性与丰富度平衡 1. 模型概述 Qwen3.5-9B-AWQ-4bit是一个支持图像理解的多模态模型,能够结合上传图片与文字提示词,输出中文分析结果。这个量化版本特别适合处理以下任务&#x…...

YOLO12工业场景迁移指南:从COCO预训练到产线缺陷检测的微调路径

YOLO12工业场景迁移指南:从COCO预训练到产线缺陷检测的微调路径 1. 引言:当通用模型遇上工业难题 想象一下,你拿到一个在通用场景下表现优异的“全能选手”——YOLO12,它能轻松识别照片里的人、车、猫、狗。现在,你需…...

01-秒杀系统设计详解

秒杀系统设计详解 一、知识概述 秒杀系统是电商领域最具挑战性的高并发场景之一,典型特征是瞬时高并发、库存有限、时间敏感。一个成功的秒杀系统需要在极短时间内处理海量请求,同时保证数据一致性和用户体验。 核心挑战: 流量突增:平时QPS可能只有几十,秒杀开始瞬间可…...

MiniCPM-V-2_6部署不求人:Ollama三步走,小白也能轻松玩转

MiniCPM-V-2_6部署不求人:Ollama三步走,小白也能轻松玩转 1. 为什么选择MiniCPM-V-2_6? MiniCPM-V-2_6是目前视觉多模态领域的一颗新星,它虽然体积小巧(仅8B参数),但性能却能与GPT-4V、Gemini…...

AudioSeal Pixel Studio快速上手:移动端Safari/Chrome对Streamlit音频组件兼容性

AudioSeal Pixel Studio快速上手:移动端Safari/Chrome对Streamlit音频组件兼容性 1. 工具简介与核心价值 AudioSeal Pixel Studio是一款基于Meta开源的AudioSeal算法构建的专业音频水印工具。它能够在保持原始音质几乎不变的情况下,为音频文件嵌入隐形…...

Python 多线程爬虫性能调优方案

Python多线程爬虫性能调优方案 在当今大数据时代,网络爬虫已成为数据采集的重要工具。面对海量数据和高频请求,单线程爬虫往往效率低下,难以满足需求。Python多线程爬虫因其并发特性,能够显著提升爬取效率,但若未合理…...

Phi-4-mini-reasoning多场景落地:教育科技公司AI助教产品核心推理模块

Phi-4-mini-reasoning多场景落地:教育科技公司AI助教产品核心推理模块 1. 模型介绍与定位 Phi-4-mini-reasoning是一款专注于推理任务的文本生成模型,特别适合数学题解答、逻辑推理、多步分析和简洁结论输出等场景。与通用聊天模型不同,它被…...

从人工到智能:Ostrakon-VL-8B助力中小餐饮企业巡检效率提升80%

从人工到智能:Ostrakon-VL-8B助力中小餐饮企业巡检效率提升80% 1. 引言:餐饮老板的日常烦恼与AI解法 开过餐馆的朋友都懂,每天一睁眼就是各种操心。后厨的卫生达标了吗?食材新鲜度够不够?员工操作规范吗?…...

层次化文本分类:利用文档结构与类别树提升分类性能

点击 “AladdinEdu,你的AI学习实践工作坊”,注册即送-H卡级别算力,沉浸式云原生集成开发环境,80G大显存多卡并行,按量弹性计费,教育用户更享超低价。 1. 引言:当分类问题有了“上下级” 传统的…...

MiniCPM-o-4.5-nvidia-FlagOS本地化部署:Ollama模式与星图GPU方案对比

MiniCPM-o-4.5-nvidia-FlagOS本地化部署:Ollama模式与星图GPU方案对比 最近在折腾MiniCPM-o-4.5-nvidia-FlagOS这个模型,发现不少朋友在部署时有点纠结。有人想在自己笔记本上快速跑起来试试,也有人希望找个稳定、性能好的地方长期用。我花时…...

Python的__enter__方法返回非自身对象与资源管理代理模式的设计

Python的上下文管理器通过__enter__和__exit__方法实现了资源的自动管理,但鲜为人知的是,__enter__方法可以返回非自身对象,这一特性为资源管理代理模式的设计提供了更多可能性。这种设计模式不仅简化了代码结构,还增强了灵活性和…...

Redis 菜鸟学习

目录 第1章 Redis入门——五个核心的数据结构 Redis 简介 1. Redis 是什么? 2. Redis 的典型应用场景(它用来干嘛?) 3. 开启命令面板、退出、中文显示 4. 侦探三件套 字符串(String)—— 最基础的存…...

**RISC-V生态下的轻量级RTOS移植实战:从零开始构建嵌入式系统核心**在当前国产化

RISC-V生态下的轻量级RTOS移植实战:从零开始构建嵌入式系统核心 在当前国产化替代浪潮中,RISC-V架构凭借其开源、灵活、可定制等优势迅速崛起,成为嵌入式开发领域的热点方向。本文将深入探讨如何在RISC-V平台上移植一个轻量级实时操作系统&am…...

别再死记硬背ESP32 BLE API了!用这个“事件驱动”思维导图,5分钟理清GAP/GATT回调逻辑

用事件驱动思维重构ESP32 BLE开发:从API记忆到逻辑推演的艺术 在物联网设备开发中,BLE(低功耗蓝牙)技术因其低功耗特性成为连接智能设备的首选方案。ESP32作为集成BLE功能的明星芯片,其开发门槛却让不少工程师望而生畏…...

Rust的匹配中的使用规范

Rust的匹配机制是其语言设计中极具特色的一部分,它不仅提供了强大的模式匹配能力,还能在编译时确保代码的完备性和安全性。匹配(match)是Rust中处理多分支逻辑的核心工具,广泛应用于枚举解构、错误处理、条件分支等场景…...

ACE-Step音乐模型部署体验:一键生成高质量音频,创作效率大提升

ACE-Step音乐模型部署体验:一键生成高质量音频,创作效率大提升 1. 音乐创作的新时代 你是否曾经遇到过这样的困境:脑海中有一段美妙的旋律,却苦于不会乐器或不懂乐理,无法将它变成现实?或者作为一名内容创…...

SDPose-Wholebody在Linux系统下的高效部署方案

SDPose-Wholebody在Linux系统下的高效部署方案 1. 引言 想试试那个能精准识别人体133个关键点的SDPose-Wholebody模型吗?作为基于Stable Diffusion的新一代姿态估计方案,它在处理复杂场景和跨域数据时表现相当出色。不过很多朋友在Linux系统上部署时遇…...

Vue实战:打造智能视频播放器——倍速控制、音量调节、进度拖拽与AI字幕生成

1. 从零开始构建Vue智能视频播放器 最近在做一个在线教育项目时,我发现现有的视频播放器功能太过基础,无法满足用户对学习效率的需求。于是决定用Vue自己开发一个带倍速控制、音量调节、进度拖拽和AI字幕的智能播放器。经过两周的实战,我把踩…...

JavaScript跨平台OCR引擎:Tesseract.js实现浏览器与Node.js图像文字识别

JavaScript跨平台OCR引擎:Tesseract.js实现浏览器与Node.js图像文字识别 【免费下载链接】tesseract.js Pure Javascript OCR for more than 100 Languages 📖🎉🖥 项目地址: https://gitcode.com/gh_mirrors/te/tesseract.js …...

5步搞定!BAAI/bge-m3+ChromaDB搭建语义搜索服务

5步搞定!BAAI/bge-m3ChromaDB搭建语义搜索服务 1. 项目概述与核心价值 BAAI/bge-m3是当前开源领域最强大的多语言语义嵌入模型之一,在MTEB榜单上表现优异。结合ChromaDB这一轻量级向量数据库,我们可以快速搭建一个高性能的本地语义搜索服务…...

Wan2.2-I2V-A14B私有化部署完整指南:系统盘50G+数据盘40G配置解析

Wan2.2-I2V-A14B私有化部署完整指南:系统盘50G数据盘40G配置解析 1. 镜像概述与核心特性 Wan2.2-I2V-A14B是一款专为文生视频任务优化的私有部署镜像,针对RTX 4090D 24GB显存显卡进行了深度优化。本镜像开箱即用,内置完整运行环境和模型权重…...

Graphormer模型持续集成与持续部署(CI/CD)流水线搭建

Graphormer模型持续集成与持续部署(CI/CD)流水线搭建 1. 为什么Graphormer需要CI/CD 在机器学习项目中,特别是像Graphormer这样的图神经网络模型,代码和模型的迭代频率往往很高。每次修改代码后手动运行测试、训练模型和部署新版…...

NaViT实战:如何用Patch n‘ Pack技术处理任意分辨率图像(附代码示例)

NaViT实战:突破固定分辨率限制的视觉Transformer进阶指南 当计算机视觉工程师面对现实世界中的图像数据时,总会遇到一个棘手问题:如何高效处理千差万别的图像分辨率?传统Vision Transformer(ViT)要求将所有…...

SpringBoot微服务集成Phi-4-mini-reasoning指南:构建智能业务逻辑层

SpringBoot微服务集成Phi-4-mini-reasoning指南:构建智能业务逻辑层 1. 引言 作为一名Java开发者,你是否遇到过这样的场景:业务逻辑越来越复杂,传统的规则引擎已经难以应对多变的业务需求?或者需要为系统添加智能决策…...

奇瑞在线上开卖人形机器人,奇瑞机器人玩法该咋看?

奇瑞旗下墨甲机器人的人形机器人产品正式在线上开售。4月13日,界面新闻查询发现,墨甲机器人的墨茵M1全尺寸通用具身智能机器人,已经在“AiMOGA智能机器人京东自营旗舰店”上线,该店铺具体开店时间为2026年4月2日。首先&#xff0c…...

告别枯燥文本!用像素语言·维度裂变器一键生成10种创意文案

告别枯燥文本!用像素语言维度裂变器一键生成10种创意文案 1. 创意文案生成新体验 在内容创作领域,我们常常面临创意枯竭的困境。传统AI文本生成工具虽然能提供基础内容,但往往缺乏创意和个性,生成的文本千篇一律。像素语言维度裂…...

MogFace人脸检测镜像异构计算:CPU+GPU混合推理负载均衡配置

MogFace人脸检测镜像异构计算:CPUGPU混合推理负载均衡配置 1. 引言:当人脸检测遇上异构计算 想象一下,你正在开发一个智能安防系统,需要实时分析监控视频流中的人脸。视频帧不断涌入,每一帧都可能包含多张人脸&#…...

Lingbot-Depth-Pretrain-ViTL-14性能调优:针对不同操作系统的部署策略

Lingbot-Depth-Pretrain-ViTL-14性能调优:针对不同操作系统的部署策略 最近在折腾Lingbot-Depth-Pretrain-ViTL-14这个深度估计模型,发现一个挺有意思的现象:同一个模型,在Windows上跑和在Linux上跑,感觉像是两个不同…...

SEER‘S EYE预言家之眼网络通信优化:解决高延迟环境下的实时推理挑战

SEERS EYE预言家之眼网络通信优化:解决高延迟环境下的实时推理挑战 想象一下,你正在一场紧张的游戏对局中,将关键画面截图发送给AI助手“预言家之眼”,希望它能瞬间给出敌方英雄的技能冷却时间或下一步行动预测。但屏幕上的加载图…...