常见算法合集[java源码+持续更新中...]
一、引子
本文搜集从各种资源上搜集高频面试算法,慢慢填充...每个算法都亲测可运行,原理有注释。Talk is cheap,show me the code! 走你~
二、常见算法
2.1 判断单向链表是否有环
package study.algorithm.interview; /**
* 判断单向链表是否有环? <p>Q1:判断是否有环? isCycle </> <p>Q2:环长? count </> <p>Q3: 相遇点? p1.data </> <p>Q4:入环点? 头结点到入环点距离为D,入环点到相遇点距离为S1,相遇点再次回到入环点距离为S2.
* 相遇时p1走了:D+s1,p2走了D+s1+n(s1+s2),n表示被套的圈数。 由于P2速度是P1两倍,D+s1+n(s1+s2)=2(D+s1)--》D=(n-1)(s1+s2)+s2, 即:从相遇点开始,环绕n-1圈,再次回到入环点距离。
* 最终:只需要一个指针从头结点开始,一个指针从相遇点开始,步长都=1,这次相遇的点即为入环节点</>
* 时间复杂度:O(n)
* 空间复杂度:O(1),2个指针
*
* @author denny
* @date 2019/9/4 上午10:07
*/
public class LinkedListIsCycle { /**
* 判断是否有环: 1.有环返回相遇点 2.无环返回空
*
* @param head 头结点
* @return
*/
private static Node isCycle(Node head) {
Node p1 = head;
Node p2 = head;
// 前进次数
int count = 0;
while (p2 != null && p2.next != null) {
// P1每次前进1步
p1 = p1.next;
// p2每次前进2步
p2 = p2.next.next;
count++;
if (p1 == p2) {
System.out.println("1.环长=速度差*前进次数=(2-1)*前进次数=count=" + count);
System.out.println("2.相遇点=" + p1.data);
return p1;
}
}
return null;
} /**
* 获取环入口
*
* @param head 头结点
* @return
*/
private static Node getCycleIn(Node head) {
// 是否有环
Node touch = isCycle(head);
Node p1 = head; // 有环,只需要一个指针从头结点开始,一个指针从相遇点开始,步长都=1,这次相遇的点即为入环节点
if (touch != null) {
while (touch != null && p1 != null) {
touch = touch.next;
p1 = p1.next;
if (p1 == touch) {
return p1;
}
}
}
return null;
} public static void main(String[] args) {
Node node1 = new Node(5);
Node node2 = new Node(3);
Node node3 = new Node(7);
Node node4 = new Node(2);
Node node5 = new Node(6);
node1.next = node2;
node2.next = node3;
node3.next = node4;
node4.next = node5;
node5.next = node2;
Node in = getCycleIn(node1);
System.out.println(in != null ? "有环返回入口:" + in.data : "无环");
} /**
* 链表节点
*/
private static class Node {
int data;
Node next; public Node(int data) {
this.data = data;
}
} }
2.2 最小栈的实现
package study.algorithm.interview; import java.util.Stack; /**
* 求最小栈:实现入栈、出栈、取最小值。
* 时间复杂度都是O(1),最坏情况空间复杂度是O(n)
*
* @author denny
* @date 2019/9/4 下午2:37
*/
public class MinStack { private Stack<Integer> mainStack = new Stack<>();
private Stack<Integer> minStack = new Stack<>(); /**
* 入栈
*
* @param element
*/
private void push(int element) {
mainStack.push(element);
//如果最小栈为空,或者新元素<=栈顶最小值,则入最小栈
if (minStack.empty() || element <= minStack.peek()) {
minStack.push(element);
}
} /**
* 出栈
*
* @return
*/
private Integer pop() {
// 如果主栈栈顶元素和最小栈元素相等,最小栈出栈
if (mainStack.peek().equals(minStack.peek())) {
minStack.pop();
}
// 主栈出栈
return mainStack.pop();
} /**
* 取最小值
*
* @return
* @throws Exception
*/
private Integer getMin() {
return minStack.peek();
} public static void main(String[] args) {
MinStack stack = new MinStack();
stack.push(3);
stack.push(2);
stack.push(4);
stack.push(1);
stack.push(5);
//主栈:32415 最小栈:321
System.out.println("min=" + stack.getMin());
stack.pop();
stack.pop();
System.out.println("min=" + stack.getMin());
}
}
2.3 求2个整数的最大公约数
package study.algorithm.interview; /**
* 求2个整数的最大公约数 <p>1.暴力枚举法:时间复杂度O(min(a,b))</> <p>2.辗转相除法(欧几里得算法): O(log(max(a,b))),但是取模运算性能较差</> <p>3.更相减损术:避免了取模运算,但性能不稳定,最坏时间复杂度:O(max(a,b))</>
* <p>4.更相减损术与位移结合:避免了取模运算,算法稳定,时间复杂度O(log(max(a,b)))</>
*
* @author denny
* @date 2019/9/4 下午3:22
*/
public class GreatestCommonDivisor { /**
* 暴力枚举法
*
* @param a
* @param b
* @return
*/
private static int getGCD(int a, int b) {
int big = a > b ? a : b;
int small = a < b ? a : b;
// 能整除,直接返回
if (big % small == 0) {
return small;
}
// 从较小整数的一半开始~1,试图找到一个整数i,能被a和b同时整除。
for (int i = small / 2; i > 1; i--) {
if (small % i == 0 && big % i == 0) {
return i;
}
}
return 1;
} /**
* 辗转相除法(欧几里得算法):两个正整数a>b,最大公约数=a/b的余数c和b之间的最大公约数,一直到可以整除为止
*
* @param a
* @param b
* @return
*/
private static int getGCD2(int a, int b) {
int big = a > b ? a : b;
int small = a < b ? a : b; // 能整除,直接返回
if (big % small == 0) {
return small;
} return getGCD2(big % small, small);
} /**
* 更相减损术:两个正整数a>b,最大公约数=a-b和b之间的最大公约数,一直到两个数相等为止。
*
* @param a
* @param b
* @return
*/
private static int getGCD3(int a, int b) {
if (a == b) {
return a;
} int big = a > b ? a : b;
int small = a < b ? a : b; return getGCD3(big - small, small);
} /**
* 更相减损术结合位移
*
* @param a
* @param b
* @return
*/
private static int getGCD4(int a, int b) {
if (a == b) {
return a;
}
// 都是偶数,gcd(a,b)=2*gcd(a/2,b/2)=gcd(a>>1,b>>1)<<1
if ((a & 1) == 0 && (b & 1) == 0) {
return getGCD4(a >> 1, b >> 1) << 1;
// a是偶数,b是奇数,gcd(a,b)=gcd(a/2,b)=gcd(a>>1,b)
} else if ((a & 1) == 0 && (b & 1) == 1) {
return getGCD4(a >> 1, b);
// a是奇数,b是偶数
} else if ((a & 1) == 1 && (b & 1) == 0) {
return getGCD4(a, b >> 1);
// 都是奇数
} else {
int big = a > b ? a : b;
int small = a < b ? a : b;
return getGCD4(big - small, small);
} } public static void main(String[] args) {
System.out.println("最大公约数=" + getGCD4(99, 21));
}
}
2.4 判断是否是2的整数次幂
package study.algorithm.interview; /**
* 判断是否是2的整数次幂:时间复杂度
* 时间复杂度是O(1)
*
* @author denny
* @date 2019/9/4 下午5:18
*/
public class PowerOf2 { /**
* 判断是否是2的整数次幂: 2的整数次幂转换成二进制(1+n个0)& 二进制-1(n个1)=0
* @param num
* @param a
* @return boolean
* @author denny
* @date 2019/9/5 上午11:14
*/
private static boolean isPowerOf2(int num, int a) {
return (num & (num - 1)) == 0;
} public static void main(String[] args) {
System.out.println("是否2的整数次幂=" + isPowerOf2(16, 1));
}
}
2.5 无序数组排序后的最大相邻差
package study.algorithm.interview; /**
* 无序数组排序后的最大相邻差: 使用桶排序思想,每个桶元素遍历一遍即可,不需要再排序,
* 时间复杂度O(n)
*
* @author denny
* @date 2019/9/4 下午5:38
*/
public class MaxSortedDistance { private static class Bucket {
Integer max;
Integer min;
} private static int getMaxSortedDistance(int[] array) {
//1.求最大值最小值
int max = array[0];
int min = array[0];
for (int i = 0; i < array.length; i++) {
if (array[i] > max) {
max = array[i];
}
if (array[i] < min) {
min = array[i];
}
}
int d = max - min;
// 如果max=min,所有元素都相等,直接返回0
if (d == 0) {
return 0;
} // 2. 初始化桶
int bucketNum = array.length;
Bucket[] buckets = new Bucket[bucketNum];
for (int i = 0; i < bucketNum; i++) {
buckets[i] = new Bucket();
}
// 3.遍历原始数组,确定每个桶的最大值最小值
for (int i = 0; i < array.length; i++) {
// 桶下标=当前元素偏移量/跨度 跨度=总偏移量/桶数-1
int index = (array[i] - min) / (d / (bucketNum - 1));
if (buckets[index].min == null || buckets[index].min > array[i]) {
buckets[index].min = array[i];
}
if (buckets[index].max == null || buckets[index].max > array[i]) {
buckets[index].max = array[i];
}
}
// 4.遍历桶,找到最大差值
int leftMax = buckets[0].max;
int maxDistance = 0;
// 从第二个桶开始计算
for (int i = 1; i < buckets.length; i++) {
if (buckets[i].min == null) {
continue;
}
// 桶最大差值=右边最小值-左边最大值
if (buckets[i].min - leftMax > maxDistance) {
maxDistance = buckets[i].min - leftMax;
}
// 更新左边最大值为当前桶max
leftMax = buckets[i].max;
}
return maxDistance;
} public static void main(String[] args) {
int[] array = new int[] {3, 4, 5, 9, 5, 6, 8, 1, 2};
System.out.println(getMaxSortedDistance(array));
}
}
2.6 栈实现队列
package study.algorithm.interview; import java.util.Stack; /**
* 栈实现队列:
* 时间复杂度:入队O(1) 出队O(1)(均摊时间复杂度)
*
* @author denny
* @date 2019/9/5 上午11:14
*/
public class StackQueue {
// 入队
private Stack<Integer> stackIn = new Stack<>();
// 出队
private Stack<Integer> stackOut = new Stack<>(); /**
* 入队:直接入栈
*
* @param element
*/
private void enQueue(int element) {
stackIn.push(element);
} /**
* 出队
*
* @return
*/
private Integer deQueue() {
// 出队为空
if (stackOut.isEmpty()) {
// 如果入队为空,直接返回空
if (stackIn.isEmpty()) {
return null;
}
// 入队不为空,IN元素全部转移到OUT
transfer();
}
// 出队不为空,直接弹出
return stackOut.pop();
} /**
* 入队元素转到出队
*/
private void transfer() {
while (!stackIn.isEmpty()) {
stackOut.push(stackIn.pop());
}
} public static void main(String[] args) {
StackQueue stackQueue = new StackQueue();
stackQueue.enQueue(1);
stackQueue.enQueue(2);
stackQueue.enQueue(3);
System.out.println("出队:" + stackQueue.deQueue());
System.out.println("出队:" + stackQueue.deQueue());
stackQueue.enQueue(4);
System.out.println("出队:" + stackQueue.deQueue());
System.out.println("出队:" + stackQueue.deQueue()); } }
2.7 寻找全排列的下一个数
package study.algorithm.interview; import com.alibaba.fastjson.JSONObject; import java.util.Arrays; /**
* 寻找全排列的下一个数,又叫字典序算法,时间复杂度为O(n) 全排列:12345->54321
* 核心原理:
* 1.最后2位交换行不行?不行再最后3位.....从右往左找相邻array[index]>array[index-1] ,
* 2.index-1和逆序列,从右往左中第一个比它大的值,交换 因为越往左边,交换后数越大,只有第一个才满足相邻。
* 例如 12345-》12354 12354-第一步找到54数列,交换3和4-》12453--》12435
* 12765->15762->15267
* 时间复杂度:O(n)
*
* @author denny
* @date 2019/9/5 下午2:18
*/
public class FindNextSortedNumber { private static int[] findNextSortedNumber(int[] numbers) {
// 1.找到置换边界:从后向前查看逆序区域,找到逆序区域的第一位
int index = findTransferPoint(numbers);
System.out.println("index=" + index);
// 整个数组逆序,没有更大的数了
if (index == 0) {
return null;
} // copy一个新的数组,避免修改入参
int[] numbersCopy = Arrays.copyOf(numbers, numbers.length);
// 2.把逆序区域的前一位和逆序区域中大于它的最小数交换位置
exchangHead(numbersCopy, index); // 3.把原来的逆序转为顺序
reverse(numbersCopy, index);
return numbersCopy;
} /**
* 找到置换边界
*
* @param numbers
* @return
*/
private static int findTransferPoint(int[] numbers) {
for (int i = numbers.length - 1; i > 0; i--) {
if (numbers[i] > numbers[i - 1]) {
return i;
}
}
return 0;
} /**
* 把逆序区域的前一位和逆序区域中大于它的最小数交换位置
*
* @param numbers
* @param index
* @return
*/
private static int[] exchangHead(int[] numbers, int index) {
// 逆序区域前一位
int head = numbers[index - 1];
// 从后往前遍历
for (int i = numbers.length - 1; i > 0; i--) {
// 找到第一个大于head的数,和head交换。因为是逆序区域,第一个数就是最小数,所以找到第一个大于head的数,就是比head大的数中的最小数
if (head < numbers[i]) {
numbers[index - 1] = numbers[i];
numbers[i] = head;
break;
}
}
return numbers;
} /**
* 逆序
*
* @param num
* @param index
* @return
*/
private static int[] reverse(int[] num, int index) {
for (int i = index, j = num.length - 1; i < j; i++, j--) {
int temp = num[i];
num[i] = num[j];
num[j] = temp;
}
return num;
} public static void main(String[] args) {
int[] numbers = {1, 2, 3, 5, 4}; numbers = findNextSortedNumber(numbers);
System.out.println(JSONObject.toJSONString(numbers)); }
}
2.8 删除整数的k个数字,使得留下的数字最小
package study.algorithm.interview; /**
* 删除整数的k个数字,使得留下的数字最小
* 时间复杂度:O(n)
*
* @author denny
* @date 2019/9/5 下午4:43
*/
public class removeKDigits { /**
* 删除整数的k个数字,使得留下的数字最小
*
* @param num
* @param k
* @return
*/
private static String removeKDigits(String num, int k) {
// 新长度
int newLength = num.length() - k;
// 创建栈,接收所有数字
char[] stack = new char[num.length()];
int top = 0;
// 遍历,一开始先入栈第一个数字。第一轮循环先给stack入栈一个数,且top++,往后循环,top-1才是栈顶
for (int i = 0; i < num.length(); ++i) {
// 当前数字
char c = num.charAt(i);
// 当栈顶数字 > 当前数字时,栈顶数字出栈,只要没删除够K个就一直往左边删除
while (top > 0 && stack[top - 1] > c && k > 0) {
// 这里top-1,就是出栈,忽略top
top -= 1;
k -= 1;
}
// 后一个数字入栈
stack[top++] = c;
}
// 找到栈中第一个非0数字的位置,以此构建新的字符串0000123->123
int offset = 0;
while (offset < newLength && stack[offset] == '0') {
offset++;
}
return offset == newLength ? "0" : new String(stack, offset, newLength - offset);
} public static void main(String[] args) {
System.out.println(removeKDigits("1593212", 3));
System.out.println(removeKDigits("10", 2));
}
}
2.9 大整数相加求和
package study.algorithm.interview; /**
* 大整数相加求和:可优化点:int -21-21亿,9位数妥妥的计算。拆分大整数每9位数一个元素,分别求和。效率可极大提升。
* 时间复杂度:O(n)
*
* @author denny
* @date 2019/9/5 下午5:50
*/
public class BigNumberSum {
private static String bigNumberSum(String bigA, String bigB) {
// 1.把2个大整数用数组逆序存储,数组长度等于较大整数位数+1
int maxLength = bigA.length() > bigB.length() ? bigA.length() : bigB.length();
int[] arrayA = new int[maxLength + 1];
for (int i = 0; i < bigA.length(); i++) {
arrayA[i] = bigA.charAt(bigA.length() - 1 - i) - '0';
}
int[] arrayB = new int[maxLength + 1];
for (int i = 0; i < bigB.length(); i++) {
arrayB[i] = bigB.charAt(bigB.length() - 1 - i) - '0';
}
// 2. 构建result数组
int[] result = new int[maxLength + 1]; // 3. 遍历数组,按位相加
for (int i = 0; i < result.length; i++) {
int temp = result[i];
temp += arrayA[i];
temp += arrayB[i];
//是否进位
if (temp >= 10) {
temp = temp - 10;
result[i + 1] = 1;
}
result[i] = temp;
} //4.转成数组
StringBuilder stringBuilder = new StringBuilder();
// 是否找到大整数的最高有效位
boolean findFirst = false;
// 倒序遍历,即从最高位开始找非零数,找到一个就可以开始append了
for (int i = result.length - 1; i >= 0; i--) {
if (!findFirst) {
if (result[i] == 0) {
continue;
}
findFirst = true;
}
stringBuilder.append(result[i]);
}
return stringBuilder.toString(); } public static void main(String[] args) {
System.out.println(bigNumberSum("4534647452342423", "986568568789664"));
}
}
2.10 求解金矿问题
package study.algorithm.interview; /**
* 求金矿最优收益(动态规划)
* 时间复杂度:O(n*w)n为人数 w为金矿数
* 空间复杂度:O(n)
*
* @author denny
* @date 2019/9/6 下午4:21
*/
public class GetMaxGold { /**
* 求金矿最优收益
*
* @param w 工人数量
* @param p 金矿开采所需的工人数量
* @param g 金矿金子储藏量
* @return
*/
private static int getMaxGold(int w, int[] p, int[] g) {
// 构造数组
int[] results = new int[w + 1];
// 遍历所有金矿
for (int i = 1; i < g.length; i++) {
// 遍历人数:w->1
for (int j = w; j >= 1; j--) {
// 如果人数够这个金矿所需的人数,i-1是因为下标从0开始
if (j >= p[i - 1]) {
// 当前人数,最大收益=Max(采用当前矿,不采用当前矿)
results[j] = Math.max(results[j], results[j - p[i - 1]] + g[i - 1]);
}
}
}
// 返回最后一个格子的值
return results[w];
} public static void main(String[] args) {
System.out.println(getMaxGold(10, new int[] {5, 5, 3, 4, 3}, new int[] {400, 500, 200, 300, 350}));
}
}
2.11 寻找缺失的整数
package study.algorithm.interview; import java.util.ArrayList;
import java.util.List; /**
* 无序数组里有99个不重复整数,1-100,缺少一个。如何找到这个缺失的整数?
*
* @author denny
* @date 2019/9/9 上午11:05
*/
public class FindLostNum {
/**
* 直接求和然后遍历减去全部元素即可 时间复杂度:O(1) 空间复杂度:
*
* @param array
* @return
*/
private static int findLostNum(Integer[] array) {
// 1-100求和
int sum = ((1 + 100) * 100) / 2;
for (int a : array) {
sum -= a;
}
return sum;
} /**
* 一个无序数组里有若干个正整数,范围是1~100,其中98个整数都出现了偶数次。只有2个整数出现了奇数次,求奇数次整数? 利用异或运算的"相同为0,不同为1",出现偶数次的偶数异或变0,最后只有奇数次的整数留下。 时间复杂度:O(n) 空间复杂度:O(1)
*
* @param array
* @return
*/
private static int[] findLostNum2(Integer[] array) {
// 存储2个出现奇数次的整数
int result[] = new int[2];
// 第一次进行整体异或运算
int xorResult = 0;
for (int i = 0; i < array.length; i++) {
xorResult ^= array[i];
}
//确定2个整数的不同位,以此来做分组
int separtor = 1;
//xorResult=0000 0110B ,A^B=>倒数第二位=1即,倒数第二位不同。一个是0一个是1.=》原数组可拆分成2个,一组倒数第二位是0,一组是1。& 01 、10 倒数第二位为1,separtor左移一位
while (0 == (xorResult & separtor)) {
separtor <<= 1;
}
//第二次分组进行异或运算
for (int i = 0; i < array.length; i++) {
// 按位与 10 ==0一组,一直异或计算,就是那个奇数次整数(因为偶数次整数,异或后=1相互抵消掉了)
if (0 == (array[i] & separtor)) {
result[0] ^= array[i];
// 按位与 10 !=0另一组,一直异或计算,就是那个奇数次整数
} else {
result[1] ^= array[i];
}
}
return result;
} public static void main(String[] args) {
List<Integer> list = new ArrayList<>();
// 除了85,其它赋值
for (int i = 0; i < 100; i++) {
list.add(i + 1);
}
list.remove(10);
System.out.println("缺失的数=" + findLostNum(list.toArray(new Integer[99]))); Integer[] array = new Integer[] {4, 1, 2, 2, 5, 1, 4, 3};
int[] result = findLostNum2(array);
System.out.println(result[0] + "," + result[1]);
}
}
2.12 位图Bitmap的实现
package study.algorithm.interview; /**
* 实现一个位图BitMap(海量数据查找、去重存储)
*
* @author denny
* @date 2019/9/9 下午4:04
*/
public class MyBitMap {
// 64位二进制数据
private long[] words;
// Bitmap的位数
private int size; public MyBitMap(int size) {
this.size = size;
this.words = new long[getWordIndex(size - 1) + 1];
} /**
* 判断某一位的状态
*
* @param index
* @return
*/
public boolean getBit(int index) {
if (index < 0 || index > size - 1) {
throw new IndexOutOfBoundsException("index 无效!");
}
int wordIndex = getWordIndex(index);
// 位与:都是1才是1,否则是0. index对应值为1返回true
return (words[wordIndex] & (1L << index)) != 0;
} /**
* 设置bitmap 在index处为1(true)
*
* @param index
*/
public void setBit(int index) {
if (index < 0 || index > size - 1) {
throw new IndexOutOfBoundsException("index 无效!");
}
int wordIndex = getWordIndex(index);
// 位或:只要有一个1就是1,2个0才是0 ,因为1L << index就是1,所以|=就是在index位置,赋值1
words[wordIndex] |= (1L << index);
} /**
* 定位Bitmap某一位对应的word
*
* @param index
* @return
*/
private int getWordIndex(int index) {
// 右移6位即除以64
return index >> 6;
} public static void main(String[] args) {
MyBitMap bitMap = new MyBitMap(128);
bitMap.setBit(126);
bitMap.setBit(88);
System.out.println(bitMap.getBit(126));
System.out.println(bitMap.getBit(88));
} }
2.13 LRU算法的实现
package study.algorithm.interview; import study.algorithm.base.Node; import java.util.HashMap; /**
* LRU(Least Recently Used)最近最少使用算法(非线程安全) head(最少使用)<-->*<-->*<-->end(最近使用) 注:JDK中LinkedHashMap实现了LRU哈希链表,构造方法:LinkedHashMap(int
* initialCapacity容量,float
* loadFactor负载,boolean accessOrder是否LRU访问顺序,true代表LRU)
*
* @author denny
* @date 2019/9/9 下午6:01
*/
public class LRUCache { // 双向链表头节点(最后时间)
private Node head;
// 双向链表尾节点(最早时间)
private Node end;
// 缓存储存上限
private int limit;
// 无序key-value映射。只有put操作才会写hashMap
private HashMap<String, Node> hashMap; public LRUCache(int limit) {
this.limit = limit;
hashMap = new HashMap<>();
} /**
* 插入
*
* @param key
* @param value
*/
public void put(String key, String value) {
Node node = hashMap.get(key);
// key 不存在,插入新节点
if (node == null) {
// 达到容量上限
if (hashMap.size() >= limit) {
// 移除头结点
String oldKey = removeNode(head);
//同步hashMap
hashMap.remove(oldKey);
}
// 构造节点
node = new Node(key, value);
// 添加到尾节点
addNodeToEnd(node);
// 同步hashmap
hashMap.put(key, node);
} else {
// key存在,刷新key-value
node.value = value;
// 刷新被访问节点的位置
refreshNode(node);
}
} /**
* 获取
*
* @param key
* @return
*/
public String get(String key) {
Node node = hashMap.get(key);
if (node == null) {
return null;
}
//刷新节点(提升该节点为尾结点,即最新使用节点)
refreshNode(node);
return node.value;
} /**
* 刷新被访问节点的位置
*
* @param node
*/
private void refreshNode(Node node) {
// 如果访问的是尾结点,则无须移动节点
if (node == end) {
return;
}
//移除节点
removeNode(node);
//尾部插入节点,代表最新使用
addNodeToEnd(node);
} /**
* 移除节点
*
* @param node
* @return
*/
private String removeNode(Node node) {
// 如果就一个节点,把头尾节点置空
if (node == head && node == end) {
head = null;
end = null;
} else if (node == end) {
// 移除尾结点
end = end.next;
end.next = null;
} else if (node == head) {
//移除头结点
head = head.next;
head.pre = null;
} else {
// 移除中间节点
node.pre.next = node.next;
node.next.pre = node.pre;
}
return node.key;
} /**
* 尾部插入节点
*
* @param node
*/
private void addNodeToEnd(Node node) {
if (head == null && end == null) {
head = node;
end = node;
}
// 添加节点
end.next = node;
// pre=之前的end
node.pre = end;
// node next不存在
node.next = null;
// 新节点为尾结点
end = node;
} public static void printLRUCache(LRUCache lruCache) {
for (Node node = lruCache.head; node != null; node = node.next) {
System.out.println("key=" + node.key + ",value=" + node.value);
}
System.out.println("===========================");
} public static void main(String[] args) {
// 构造一个容量为5的LRU缓存
LRUCache lruCache = new LRUCache(5);
lruCache.put("001", "value1");
lruCache.put("002", "value2");
lruCache.put("003", "value3");
lruCache.put("004", "value4");
lruCache.put("005", "value5");
// 打印
System.out.println("1. 插入 5个节点");
printLRUCache(lruCache); // 002到尾结点
lruCache.get("002");
// 打印
System.out.println("2. 002到尾结点");
printLRUCache(lruCache); // 004到尾结点,且value更新
lruCache.put("004", "value4更新");
// 打印
System.out.println("3. 004到尾结点,且value更新");
printLRUCache(lruCache); // 001倍移除,006在尾结点
lruCache.put("006", "value6");
// 打印
System.out.println("4. 超长,001倍移除,006在尾结点");
printLRUCache(lruCache);
} }
2.14 A*寻路算法
package study.algorithm.interview; import java.util.ArrayList;
import java.util.List; /**
* A*寻路算法
* @author denny
* @date 2019/9/10 下午5:28
*/
public class AStarSearch { /**
* 迷宫地图,1代表障碍物不可走 0代表可走
*/
private static final int[][] MAZE={
{0,0,0,0,0,0,0},
{0,0,0,1,0,0,0},
{0,0,0,1,0,0,0},
{0,0,0,1,0,0,0},
{0,0,0,0,0,0,0}
}; static class Grid{
// X轴坐标
public int x;
// Y轴坐标
public int y;
// 从起点走到当前格子的成本(一开始,当前格子=起点,往后走一步,下一个格子就是当前格子)
public int g;
// 在不考虑障碍情况下,从当前格子走到目标格子的步数
public int h;
// f=g+h,从起点到当前格子,再从当前格子走到目标格子的总步数
public int f;
public Grid parent; public Grid(int x, int y) {
this.x = x;
this.y = y;
} public void initGrid(Grid parent,Grid end){
//标记父格子,用来记录轨迹
this.parent=parent;
if(parent!=null){
this.g = parent.g+1;
}else {
this.g=1;
}
this.h = Math.abs(this.x-end.x)+Math.abs(this.y-end.y);
this.f = this.g+this.h;
}
} /**
* A*寻路主逻辑
* @param start 起点
* @param end 终点
* @return
*/
public static Grid aStarSearch(Grid start,Grid end){
// 可走list
List<Grid> openList = new ArrayList<>();
// 已走list
List<Grid> closeList = new ArrayList<>();
// 把起点加入openList
openList.add(start);
// 可走list不为空,一直循环
while(openList.size()>0){
// 在openList中查找F值最小的节点,将其作为当前格子节点
Grid currentGrid = findMinGird(openList);
// 将选中格子从openList中移除
openList.remove(currentGrid);
// 将选中格子塞进closeList
closeList.add(currentGrid);
// 找到所有邻近节点
List<Grid> neighbors = findNeighbors(currentGrid,openList,closeList);
for(Grid grid:neighbors){
// 邻近节点不在可走list中,标记"父节点",GHF,并放入可走格子list
if(!openList.contains(grid)){
grid.initGrid(currentGrid,end);
openList.add(grid);
}
}
// 如果终点在openList中,直接返回终点格子
for(Grid grid:openList){
if((grid.x==end.x) && (grid.y==end.y)){
return grid;
}
}
}
// 找不到路径,终点不可达
return null;
} /**
* 求当前可走格子的最小f的格子
* @param openList
* @return
*/
private static Grid findMinGird(List<Grid> openList){
Grid tempGrid = openList.get(0);
// 遍历求最小f的Grid
for (Grid grid : openList){
if(grid.f< tempGrid.f){
tempGrid =grid;
}
}
return tempGrid;
} /**
* 查找可以走的格子集合
* @param grid 当前格子
* @param openList 可走list
* @param closeList 已走list
* @return
*/
private static ArrayList<Grid> findNeighbors(Grid grid,List<Grid> openList,List<Grid> closeList){
ArrayList<Grid> grids = new ArrayList<>();
if(isValidGrid(grid.x,grid.y-1,openList,closeList)){
grids.add(new Grid(grid.x,grid.y-1));
}
if(isValidGrid(grid.x,grid.y+1,openList,closeList)){
grids.add(new Grid(grid.x,grid.y+1));
}
if(isValidGrid(grid.x-1,grid.y,openList,closeList)){
grids.add(new Grid(grid.x-1,grid.y));
}
if(isValidGrid(grid.x+1,grid.y,openList,closeList)){
grids.add(new Grid(grid.x+1,grid.y));
}
return grids;
} /**
* 非法校验
* @param x
* @param y
* @param openList
* @param closeList
* @return
*/
private static boolean isValidGrid(int x,int y,List<Grid> openList,List<Grid> closeList){
// 坐标有效校验
if(x<0 || x>=MAZE.length || y<0 || y>=MAZE[0].length){
return false;
}
// 存在障碍物,非法
if(MAZE[x][y]==1){
return false;
}
// 已经在openList中,已判断过
if(containGrid(openList,x,y)){
return false;
}
// 已经在closeList中,已走过
if(containGrid(closeList,x,y)){
return false;
}
return true;
} /**
* 是否包含坐标对应的格子
* @param grids
* @param x
* @param y
* @return
*/
private static boolean containGrid(List<Grid> grids,int x,int y){
for(Grid grid:grids){
if((grid.x==x) && (grid.y==y)){
return true;
}
}
return false;
} public static void main(String[] args) {
Grid start = new Grid(2,1);
Grid end = new Grid(2,5);
// 搜索迷宫终点
Grid resultGrid = aStarSearch(start,end);
//回溯迷宫路径
List<Grid> path = new ArrayList<>();
// 追溯parent
while(resultGrid!=null){
path.add(new Grid(resultGrid.x,resultGrid.y));
resultGrid =resultGrid.parent;
}
// 行遍历
for(int i=0;i<MAZE.length;i++){
// 列遍历
for(int j=0;j<MAZE[0].length;j++){
// 路径打印
if(containGrid(path,i,j)){
System.out.print("*,");
} else {
System.out.print(MAZE[i][j]+",");
}
}
System.out.println();
} } }
2.15 红包拆分算法
package study.algorithm.interview; import java.math.BigDecimal;
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
import java.util.Random; /**
* 红包拆分算法
* 要求:
* 1.每个人至少抢到一分钱。
* 2.所有人抢到金额之和等于红包金额,不能超过,也不能少于。
* 3.要保证所有人抢到金额的几率相等。
*
* @author denny
* @date 2019/9/11 上午10:37
*/
public class RedPackage { /**
* 拆分红包:二分均值法(每次抢红包的平均值是相等的)
* 注:除最后一个红包外,其它红包<剩余人均金额的2倍,不算完全自由随机抢红包
* @param totalAMount 总金额,单位:分
* @param totalPeopleNum 总人数
* @return
*/
public static List<Integer> divideRedPackage(Integer totalAMount, Integer totalPeopleNum) {
List<Integer> amountList = new ArrayList<>();
// 余额
Integer restAmount = totalAMount;
// 没抢人数
Integer restPeopleNum = totalPeopleNum;
Random random = new Random();
// 遍历totalPeopleNum-1遍,最后一个人直接把余下的红包都给他
for (int i = 0; i < totalPeopleNum - 1; i++) {
// [1,剩余人均金额的2倍-1]
int amount = random.nextInt(restAmount / restPeopleNum * 2 - 1) + 1;
restAmount -= amount;
restPeopleNum--;
amountList.add(amount);
}
// 最后一个人,余下的红包都给他
amountList.add(restAmount);
return amountList;
} /**
* 线段切割法:红包金额随机性好 1.当随机切割点出现重复时,再继续随机一个
*
* @param totalAmount
* @param totalPeopleNum
* @return
*/
public static List<Integer> divideRedPackage2(Integer totalAmount, Integer totalPeopleNum) {
// 切割点list
List<Integer> indexList = new ArrayList<>();
// 红包list
List<Integer> amountList = new ArrayList<>();
Random random = new Random(); // 构造n-1个切割点
while (indexList.size() <= totalPeopleNum - 1) {
// 总金额随机+1分
int i = random.nextInt(totalAmount - 1) + 1;
// i不在list中,非重复切割添加到集合
if (indexList.indexOf(i) < 0) {
indexList.add(i);
}
}
// 排序.升序排列,从小到大,刚好n-1个切割点把总金额切割成n份。
Collections.sort(indexList);
// 上一次index
int flag = 0;
// 红包之和
int fl = 0;
// 遍历全部切割点
for (int i = 0; i < indexList.size(); i++) {
// 当前红包=index-上一次index
int temp = indexList.get(i) - flag;
// 记录index
flag = indexList.get(i);
// 求和
fl += temp;
// 当前红包添加进list
amountList.add(temp);
}
//最后一个红包=总金额-已发红包之和
amountList.add(totalAmount - fl);
return amountList;
} public static void main(String[] args) {
//1.=====二分均值法======
System.out.println("========二分均值法===========");
// 把10元红包拆分给10个人
List<Integer> amountList = divideRedPackage(1000, 10);
for (Integer amount : amountList) {
System.out.println("抢到金额:" + new BigDecimal(amount).divide(new BigDecimal(100)));
} System.out.println("===================");
//2.=====线段切割法======
System.out.println("========线段切割法===========");
List<Integer> amountList2 = divideRedPackage2(1000, 10);
BigDecimal total = BigDecimal.ZERO;
for (Integer amount : amountList2) {
total = total.add(new BigDecimal(amount));
System.out.println("抢到金额:" + new BigDecimal(amount).divide(new BigDecimal(100)));
}
System.out.println("总金额=" + total + "分");
} }
=====参考=====
书籍:《漫画算法》
常见算法合集[java源码+持续更新中...]的更多相关文章
- 2018-09-24 Java源码英翻中网页演示
在线演示地址: 源代码翻译 两部分如下. 独立的Java代码翻译库 续前文代码翻译尝试-使用Roaster解析和生成Java源码 源码库: program-in-chinese/java_code_t ...
- PYTHON爬虫实战_垃圾佬闲鱼爬虫转转爬虫数据整合自用二手急速响应捡垃圾平台_3(附源码持续更新)
说明 文章首发于HURUWO的博客小站,本平台做同步备份发布. 如有浏览或访问异常图片加载失败或者相关疑问可前往原博客下评论浏览. 原文链接 PYTHON爬虫实战_垃圾佬闲鱼爬虫转转爬虫数据整合自用二 ...
- 2018-10-08 Java源码英翻中进展-内测上线
创建了一个子域名: http://translate.codeinchinese.com/ 欢迎试用, 如有建议/发现问题欢迎在此拍砖: program-in-chinese/code_transla ...
- 2018-09-15 Java源码英翻中库以及服务原型
服务很简单, 只为演示这个库, 源码在: program-in-chinese/code_translator_service. 在Postman测试效果: 演示服务地址: 74.91.17.250: ...
- Sublime Text3 注册码激活码(持续更新中2018-11-20)
Sublime Text 3的注册码 个人记录,便于查找 谢谢各位的认可 11.20版本 ----- BEGIN LICENSE ----- sgbteam Single User License E ...
- multiprocessing 源码解析 更新中......
一.参考链接 1.源码包下载·链接: https://pypi.org/search/?q=multiprocessing+ 2.源码包 链接:https://pan.baidu.com/s/1j ...
- Java基础——集合(持续更新中)
集合框架 Java.util.Collection Collection接口中的共性功能 1,添加 booblean add(Object obj); 往该集合中添加元素,一次添加一个 boolea ...
- java源码研究--List中的set和add方法区别
在处理一道题目是,发现他们使用了List 中的set 方法,这个方法我平时很少用到,今天来研究一下,set和add的区别 add(int index,Object obj)方法与set(int ind ...
- java源码——统计字符串中字符出现的次数
对于任意输入的一段字符串,读取并且计算其中所有字符出现的次数. 使用HashMap存储字符和其对应的出现的次数,输出时,对HashMap进行遍历. 难点在于对HashMap的遍历,第一次使用,也是学习 ...
随机推荐
- networkx生成网络
ER随机网络,WS小世界网络,BA无标度网络的生成 import networkx as nx import matplotlib.pyplot as plt #ER随机网络 #10个节点,连接概率为 ...
- python 学习(day1)
初识python python的创始人为吉多*范罗苏姆(Guido van Rossum).1989年圣诞节期间,开发出来的脚本解释程序. python是⼀⻔什么样的语言 python 是一门解释型语 ...
- 11-Django站点管理
站点管理 内容发布的部分由网站的管理员负责,包括查看.添加.修改.删除数据 开发这些重复的功能是一件单调乏味.缺乏创造力的工作,为此,Django能够根据定义的模型类自动地生成管理模块 在Django ...
- npm install 安装依赖报错
npm ERR! Unexpected end of JSON input while parsing near '...2.4.8","karma":"~0. ...
- Zookeeper学习记录及Java客户端连接示例
1. Zookeeper 1.1 简介 ZooKeeper is a centralized service for maintaining configuration information, na ...
- 【LOJ#2507】[CEOI2011]Matching(KMP,树状数组)
[LOJ#2507][CEOI2011]Matching(KMP,树状数组) 题面 LOJ 题解 发现要做的是排名串的匹配. 然后我们考虑把它转成这个位置之前有多少个数小于当前这个数,这样子只要每个位 ...
- go-变量
变量使用注意事项 变量三种声明方式 var i int //使用默认值 var num = 10.2 //类型推导 num := "tom" //左侧不能同名 //多变量声明 nu ...
- 全栈工程师对Python面试中is和==区别的详细解说!看完真的学到了!
面试实习生的时候,当问到 is 和 == 的区别时,很多同学都答不上来,搞不清两者什么时候返回一致,什么时候返回不一致.本文我们来看一下这两者的区别. 我们先来看几个例子: a = "hel ...
- SQL学习_WHERE 数据过滤
1.比较运算符 SQL:SELECT name, hp_max FROM heros WHERE hp_max > 6000 SQL:SELECT name, hp_max FROM heros ...
- React Hooks究竟是什么呢?
摘要: React Hooks原理解析. 原文:快速了解 React Hooks 原理 译者:前端小智 我们大部分 React 类组件可以保存状态,而函数组件不能? 并且类组件具有生命周期,而函数组件 ...