经典动态规划：高楼扔鸡蛋读完本文，你不仅学会了算法套路，还可以顺便解决如下题目： LeetCode 力扣 难度 887. Super Egg Dropopen in new window 887. 鸡蛋掉落open in new window 🔴 本文要聊一个很经典的算法问题，若干层楼，若干个鸡蛋，让你算出最少的尝试次数，找到鸡蛋恰好摔不碎的那层楼。国内大厂以及谷歌脸书面试都经常考察这道题，只不过他们觉得扔鸡蛋太浪费，改成扔杯子，扔破碗什么的。 具体的问题等会再说，但是这道题的解法技巧很多，光动态规划就好几种效率不同的思路，最后还有一种极其高效数学解法。秉承本书一贯的作风，拒绝过于诡异的技巧，因为这些技巧无法举一反三，学了也不划算。 下面就来用我们一直强调的动态规划通用思路来研究一下这道题。 #一、解析题目这是力扣第 887 题「鸡蛋掉落open in new window」，我描述一下题目： 你面前有一栋从 1 到 N 共 N 层的楼，然后给你 K 个鸡蛋（K 至少为 1）。现在确定这栋楼存在楼层 0 <= F <= N，在这层楼将鸡蛋扔下去，鸡蛋恰好没 ...

目标和：背包问题的变体读完本文，你不仅学会了算法套路，还可以顺便解决如下题目： LeetCode 力扣 难度 494. Target Sumopen in new window 494. 目标和open in new window 🟠 - 剑指 Offer II 102. 加减的目标值open in new window 🟠 我们前文经常说回溯算法和递归算法有点类似，有的问题如果实在想不出状态转移方程，尝试用回溯算法暴力解决也是一个聪明的策略，总比写不出来解法强。 那么，回溯算法和动态规划到底是啥关系？它俩都涉及递归，算法模板看起来还挺像的，都涉及做「选择」，真的酷似父与子。 那么，它俩具体有啥区别呢？回溯算法和动态规划之间，是否可能互相转化呢？ 今天就用力扣第 494 题「目标和open in new window」来详细对比一下回溯算法和动态规划，题目如下： 给你输入一个非负整数数组 nums 和一个目标值 target，现在你可以给每一个元素 nums[i] 添加正号 + 或负号 -，请你计算有几种符号的组合能够使得 nums 中元素的和为 target ...

剪视频剪出一个贪心算法读完本文，你不仅学会了算法套路，还可以顺便解决如下题目： LeetCode 力扣 难度 1024. Video Stitchingopen in new window 1024. 视频拼接open in new window 🟠 前面发过几个视频，也算是对视频剪辑入了个门。像我这种非专业剪辑玩家，不做什么宏大特效电影镜头，只是做个视频教程，其实也没啥难度，只需要把视频剪流畅，所以用到最多的功能就是切割功能，然后删除和拼接视频片接。 没有剪过视频的读者可能不知道，在常用的剪辑软件中视频被切割成若干片段之后，每个片段都可以还原成原始视频。 就比如一个 10 秒的视频，在中间切一刀剪成两个 5 秒的视频，这两个五秒的视频各自都可以还原成 10 秒的原视频。就好像蚯蚓，把自己切成 4 段就能搓麻，把自己切成 11 段就可以凑一个足球队。 剪视频时，每个视频片段都可以抽象成了一个个区间，时间就是区间的端点，这些区间有的相交，有的不相交…… 假设剪辑软件不支持将视频片段还原成原视频，那么如果给我若干视频片段，我怎么将它们还原成原视频呢？ 🌟 🌟 这是 ...

如何运用贪心思想玩跳跃游戏读完本文，你不仅学会了算法套路，还可以顺便解决如下题目： LeetCode 力扣 难度 45. Jump Game IIopen in new window 45. 跳跃游戏 IIopen in new window 🟠 55. Jump Gameopen in new window 55. 跳跃游戏open in new window 🟠 经常有读者在后台问，动态规划和贪心算法到底有啥关系。我们之前的文章 贪心算法之区间调度问题 就说过一个常见的时间区间调度的贪心算法问题。 说白了，贪心算法可以理解为一种特殊的动态规划问题，拥有一些更特殊的性质，可以进一步降低动态规划算法的时间复杂度。那么这篇文章，就讲 LeetCode 上两道经典的贪心算法：跳跃游戏 I 和跳跃游戏 II。 我们可以对这两道题分别使用动态规划算法和贪心算法进行求解，通过实践，你就能更深刻地理解贪心和动规的区别和联系了。 🌟 🌟 #Jump Game I这是力扣第 55 题「跳跃游戏open in new window」，难度是中等，但实际上比较简单，看题目： ...

扫描线技巧：安排会议室读完本文，你不仅学会了算法套路，还可以顺便解决如下题目： LeetCode 力扣 难度 253. Meeting Rooms IIopen in new window🔒 253. 会议室 IIopen in new window🔒 🟠 之前面试，被问到一道非常经典且非常实用的算法题目：会议室安排问题。 力扣上类似的问题是会员题目，你可能没办法做，但对于这种经典的算法题，掌握思路还是必要的。 先说下题目，力扣第 253 题「会议室 IIopen in new window」： 给你输入若干形如 [begin, end] 的区间，代表若干会议的开始时间和结束时间，请你计算至少需要申请多少间会议室。 函数签名如下： java 🟢cpp 🤖python 🤖go 🤖javascript 🤖 // 返回需要申请的会议室数量int minMeetingRooms(int[][] meetings); 比如给你输入 meetings = [[0,30],[5,10],[15,20]]，算法应该返回 2，因为后两个会议和第一个会议时间是冲突的，至少 ...

贪心算法之区间调度问题读完本文，你不仅学会了算法套路，还可以顺便解决如下题目： LeetCode 力扣 难度 435. Non-overlapping Intervalsopen in new window 435. 无重叠区间open in new window 🟠 452. Minimum Number of Arrows to Burst Balloonsopen in new window 452. 用最少数量的箭引爆气球open in new window 🟠 什么是贪心算法呢？贪心算法可以认为是动态规划算法的一个特例，相比动态规划，使用贪心算法需要满足更多的条件（贪心选择性质），但是效率比动态规划要高。 比如说一个算法问题使用暴力解法需要指数级时间，如果能使用动态规划消除重叠子问题，就可以降到多项式级别的时间，如果满足贪心选择性质，那么可以进一步降低时间复杂度，达到线性级别的。 什么是贪心选择性质呢，简单说就是：每一步都做出一个局部最优的选择，最终的结果就是全局最优。注意哦，这是一种特殊性质，其实只有一部分问题拥有这个性质。 比如你面前放着 100 ...

Git使用Git是目前世界上最先进的分布式版本控制系统。 工作原理 / 流程 Git下载与安装具体安装教程已有详细博客，不多说，上链接 [Git下载与安装_pingcode的博客-CSDN博客_git](https://blog.csdn.net/qq_41521682/article/details/122764915#:~:text=第一步 下载git (找到自己需要的版本) 第二步 下载 完点击 安装 包进入使用许可声明界面,这里我是选择装在D盘，大家如果嫌麻烦就默认 安装 在C盘 第四步 点击Next进入选择 安装 组件界面 上图红框内的选项是默认勾选的，建议不要动。) Git初始配置​ ​ 安装完成后，需要对软件进行配置，右键点Git Bash Here, 输入以下指令 git config --global user.name "你的用户名"git config --global user.email "你的邮箱" ​ 解释一下，用户名和邮箱起标识作用，git命令行和Linux指令很相似，--后面加完整名称的单词做 ...

加密安全Base64编码将二进制字节转化为文本格式 将任意二进制字节数据转化为只包含 AZ az 0~`9 + / =` 这64个字符 原理是将3个字节的二进制数据按照6bit一组, 用4个int整数表示, 然后将int整数用索引对应到字符, 得到编码后的字符串 3个byte数据分别是e4、b8、ad，按6bit分组得到39、0b、22和2d： ┌───────────────┬───────────────┬───────────────┐│ e4 │ b8 │ ad │└───────────────┴───────────────┴───────────────┘┌─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┐│1│1│1│0│0│1│0│0│1│0│1│1│1│0│0│0│1│0│1│0│1│1│0│1│└─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┘┌─────── ...

Java APIStream流流收集合//流转化为集合Stream<String> stream = Stream.of("A", "B", "C");stream.collect(Collectors.toList())stream.collect(Collectors.toSet())stream.collect(Collectors.toCollection(ArraysList::new))//流转化为数组stream.toArray()stream.toArray(int[]::new)//聚合计算stream.collect(Collectors.maxBy())stream.collect(Collectors.minBy())stream.collect(Collectors.counting())stream.collect(Collectors.summingInt())stream.collect(Collectors.averagingInt())//分组 分组函数 值收集器默认为Lis ...