本文主要是介绍TikTok真题第6天 | 146.LRU缓存、333.最大的二分搜索树、621.任务调度器，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
146.LRU缓存
题目链接：146.lru-cache
解法：
这个题代码量大，光看题解就1个小时多了，看完写下来花了两小时多...
使用哈希表+双向链表来实现LRU缓存的特性，即哈希表可以实现get为O(1)复杂度，双向链表可以实现put、remove都是O(1)的复杂度。
代码实现时，这里双向链表，靠近头部的键值对是最久未使用的，而靠近尾部的键值对是最近使用的。也有的实现，头部放最近使用的，尾部放最久未使用。
而删除最久未使用的node时，需要在哈希表和双向链表中都删除，那么可以由双向链表得到最久未使用的node，从而得到node的key，再从哈希表中删除，这是哈希表和双向链表之间的联系。
一个技巧是使用dummy虚拟节点，有的题解用两个dummy表示首尾节点，有的题解只用了一个dummy。个人认为写法要容易理解，简洁是其次的要求。两个dummy的写法更好理解。
题解参考labuladong，代码多一些，但是很清晰，然后翻译成了C++版本：labuladong，LRU缓存
边界条件：无
时间复杂度：对于 put 和 get 都是 O(1)
空间复杂度：O(capacity)
class Node {
public:int key, val;Node *pre, *next;Node (int k=0, int v=0): key(k), val(v), pre(nullptr), next(nullptr) {};
};class DoubleList {
private:Node *head, *tail;int size;public:DoubleList() {head = new Node();tail = new Node();head->next = tail;tail->pre = head;size = 0;}int getSize() {return size;}// 末尾的node是最近使用的void addLast(Node* x) {x->next = tail;x->pre = tail->pre;x->next->pre = x;x->pre->next = x;size++;}void remove(Node* x) {x->pre->next = x->next;x->next->pre = x->pre;size--;}// 开头的node是最久未使用的，返回的目的是为了在map中删除Node* removeFirst() {if (head->next == tail) return nullptr;Node* first = head->next;remove(first);return first;}
};class LRUCache {
private:unordered_map<int, Node*> map;DoubleList cache;int cap;private:// 用于get时，把node作为最近使用的void makeRecently (int key) {Node* node = map[key];cache.remove(node);cache.addLast(node);}void addRecently (int key, int val) {Node* node = new Node(key, val);cache.addLast(node);map[key] = node;}void deleteKey (int key) {Node* node = map[key];cache.remove(node);map.erase(key);delete node;}void removeLeastRecently () {Node* node = cache.removeFirst();int key = node->key;map.erase(key);delete node;}public:LRUCache(int capacity): cap(capacity){};int get(int key) {// 如果不存在，则返回-1if (map.find(key) == map.end()) return -1;makeRecently(key);return map[key]->val;}void put(int key, int value) {// 如果存在，则先删除，再加入if (map.find(key) != map.end()) {deleteKey(key);addRecently(key, value);return;}// 如果不存在，且空间满了，则先移除最久未使用if (cap == cache.getSize()) {removeLeastRecently();}addRecently(key, value);}
};333.最大的二分搜索树
题目链接：333.largest-bst-subtree
解法：
参考题解：https://www.cnblogs.com/grandyang/p/5188938.html
这个题有follow up，那么首先给出O(n^2)的解法。
每个节点都当做根节点，来验证其是否是二叉搜索数。如果当前node是二叉搜索树，就记录节点的个数，并返回节点个数，如果不是二叉搜索树，那就验证左右子树是否为二叉搜索树，分别记录节点的个数，然后取二者中的最大值进行返回。
思路可以说是DFS和分而治之（左子树和右子树分别进行DFS）。
由于每个节点都要对树遍历一次，所以时间复杂度为O(n^2)。
下面是O(n)复杂度的解法。
只允许遍历一次整个二叉树，由于满足要求的二叉搜索子树必定是有叶节点的，所以思路就是先递归到最左子节点，然后逐层往上递归。对于每一个节点，都记录当前最大的 BST 的节点数，当做为左子树的最大值，和做为右子树的最小值。
当每次遇到左子节点不存在或者当前节点值大于左子树的最大值，且右子树不存在或者当前节点值小于右子树的最小数时，说明 BST 的节点数又增加了一个，更新结果及其参数。
如果当前节点不是 BST 的节点，那么更新 BST 的节点数 res 为左右子节点的各自的 BST 的节点数的较大值。
这个O(n)的解法实在看得眼花缭乱，这次也没有理解得很好。下次再细看了。
边界条件：无
时间复杂度：O(n)
空间复杂度：O(h)，树的深度
// O(n^2)的解法
class Solution {
public:int largestBSTSubtree(TreeNode* root) {if (!root) return 0;// 如果root是BST，那么左右子树一定是，但root一定是比左右子树更大的BST，所以直接returnif (isValid(root, INT_MIN, INT_MAX)) return count(root);return max(largestBSTSubtree(root->left), largestBSTSubtree(root->right));}bool isValid(TreeNode* root, int min, int max) {if (!root) return true;if (root->val <= min || root->val >= max) return false;// 该节点满足，那么继续看左右节点是否满足return isValid(root->left, min, root->val) && isValid(root->right, root->val, max);}int count(TreeNode* node) {if (!node) return 0;return count(node->left) + count(node->right) + 1;}
};/*** Definition for a binary tree node.* struct TreeNode {* int val;* TreeNode *left;* TreeNode *right;* TreeNode() : val(0), left(nullptr), right(nullptr) {}* TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}* TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}* };*/
// O(n)的解法
class Solution {
public:int largestBSTSubtree(TreeNode* root) {// res中有三个元素: 以当前结点为根结点的树的最小值，最大值，最大的 BST 子树的结点个数vector<int> res = helper(root);return res[2];}vector<int> helper(TreeNode* node) {if (!node) return {INT_MAX, INT_MIN, 0};vector<int> left = helper(node->left), right = helper(node->right);// 大于左子树的最大值，小于右子树的最小值，那么是BSTif (node->val > left[1] && node->val < right[0]) {return {min(node->val, left[0]), max(node->val, right[1]), left[2] + right[2] + 1};} else {// 这里不太好理解，这是用于破坏BST规则，node->val > left[1] && node->val < right[0]return {INT_MIN, INT_MAX, max(left[2], right[2])};}}
};621.任务调度器
题目链接：task-scheduler
解法：
这种题真是奇技淫巧，思想确实精妙，但是属于脑筋急转弯类型。吐槽一下，刷这些题真是浪费青春，造孽啊！
没啥好说的，直接参考题解：桶思想
边界条件：无
时间复杂度：O(nlogn)，排序
空间复杂度：O(1)
class Solution {
public:int leastInterval(vector<char>& tasks, int n) {// 总的任务数int len = tasks.size();// 统计每个任务的数量vector<int> vec(26);for (char c: tasks) {vec[c-'A']++;}// 按任务数量进行降序排列，任务是啥不重要了sort(vec.begin(), vec.end(), [](int& x, int&y) {return x > y;});// 统计任务数量最多，且数量相等的任务，有多少个int cnt = 1;while (cnt < vec.size() && vec[cnt] == vec[0]) {cnt++;}return max(len, (vec[0]-1)*(n+1)+cnt);}
};这篇关于TikTok真题第6天 | 146.LRU缓存、333.最大的二分搜索树、621.任务调度器的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
