小记：Date：10\11 ,FRI , 重阳节。 晚上喝蛋白粉三勺喝不耐受了（头一次喝到腹泻呕吐的，呕吐那一下胃绞的是真疼），加上晚上也吃多了，再不敢这么喝了。又是发烧又是脱水md，下次记得常备海之盐及时补盐！主食记得吃小米粥、香蕉！ 10.8并查集理论基础 并查集常用来解决连通性问题。 大白话就是当我们需要判断两个元素是否在同一个集合里的时候，我们就要想到用并查集。 并查集主要有两个功能

9/24深搜框架：123456789101112void dfs(参数) { if (终止条件) { 存放结果; return; } for (选择：本节点所连接的其他节点) { 处理节点; dfs(图，选择的节点); // 递归 回溯，撤销处理结果 }} 深搜三部曲： 确认递归函数，参数 1void

动态规划：完全背包理论基础本题力扣上没有原题，大家可以去卡码网第52题 (opens new window)去练习，题意是一样的。 完全背包问题题意描述： [!NOTE] 有 𝑁 种物品和一个容量是 𝑉 的背包，每种物品都有无限件可用。 第 𝑖 种物品的体积是 𝑣𝑖，价值是 𝑤𝑖。 求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。输出最大价值。 输入格

739. 每日温度题意描述： [!WARNING] 给定一个整数数组 temperatures ，表示每天的温度，返回一个数组 answer ，其中 answer[i] 是指对于第 i 天，下一个更高温度出现在几天后。如果气温在这之后都不会升高，请在该位置用 0 来代替。 示例 1: 12输入: temperatures = [73,74,75,71,69,72,76,73]输出: [1,1

动态规划：01背包理论基础思路对于面试的话，其实掌握01背包，和完全背包，就够用了，最多可以再来一个多重背包。 如果这几种背包，分不清，我这里画了一个图，如下： 至于背包九讲其他背包，面试几乎不会问，都是竞赛级别的了，leetcode上连多重背包的题目都没有，所以题库也告诉我们，01背包和完全背包就够用了。 而完全背包又是也是01背包稍作变化而来，即：完全背包的物品数量是无限的。 所以背包问题

动态规划理论基础 什么是动态规划动态规划，英文：Dynamic Programming，简称DP，如果某一问题有很多重叠子问题，使用动态规划是最有效的。 所以动态规划中每一个状态一定是由上一个状态推导出来的，这一点就区分于贪心，贪心没有状态推导，而是从局部直接选最优的 在关于贪心算法，你该了解这些！ (opens new window)中我举了一个背包问题的例子。 例如：有N件物品和一个最多能背重

435. 无重叠区间题意描述： [!WARNING] 给定一个区间的集合 intervals ，其中 intervals[i] = [starti, endi] 。返回 需要移除区间的最小数量，使剩余区间互不重叠 。 示例 1: 123输入: intervals = [[1,2],[2,3],[3,4],[1,3]]输出: 1解释: 移除 [1,3] 后，剩下的区间没有重叠。 示例 2: 1

1005.K次取反后最大化的数组和题意描述： [!NOTE] 给你一个整数数组 nums 和一个整数 k ，按以下方法修改该数组： 选择某个下标 i 并将 nums[i] 替换为 -nums[i] 。 重复这个过程恰好 k 次。可以多次选择同一个下标 i 。 以这种方式修改数组后，返回数组 可能的最大和 。 示例 1： 123输入：nums = [4,2,3], k = 1输出：5解释：

题目分类大纲如下： 算法公开课《代码随想录》算法视频公开课 (opens new window)：贪心算法理论基础！ (opens new window),相信结合视频再看本篇题解，更有助于大家对本题的理解。 什么是贪心 贪心的本质是选择每一阶段的局部最优，从而达到全局最优。 这么说有点抽象，来举一个例子： 例如，有一堆钞票，你可以拿走十张，如果想达到最大的金额，你要怎么拿？ 指定每次拿最大的，最

理论基础什么是回溯法 回溯法也可以叫做回溯搜索法，它是一种搜索的方式。 在二叉树系列中，我们已经不止一次，提到了回溯，例如二叉树：以为使用了递归，其实还隐藏着回溯 (opens new window)。 回溯是递归的副产品，只要有递归就会有回溯。 所以以下讲解中，回溯函数也就是递归函数，指的都是一个函数。 回溯法的效率 回溯法的性能如何呢，这里要和大家说清楚了，虽然回溯法很难，很不好理解，但是