字节前端实习的两道算法题，看看强度如何-Toy模板网

这篇具有很好参考价值的文章主要介绍了字节前端实习的两道算法题，看看强度如何。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

字节前端实习的两道算法题，看看强度如何,面试题,前端,算法

最长严格递增子序列

题目描述

给你一个整数数组nums，找到其中最长严格递增子序列的长度。
子序列是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。
示例：
输入：nums = [2,1,6,3,5,4]
输出：3
解释：最长递增子序列是 [1,3,4]，因此长度为 3。

思路

这道题要求最长上升子序列的长度，可以使用动态规划或贪心+二分查找两种方法来解决。

动态规划
定义状态：dp[i]表示以第i个元素为结尾的最长上升子序列的长度。
状态转移方程：对于第i个元素，枚举其前面的元素j，如果nums[i] > nums[j]，则dp[i] = dp[j] + 1。同时，在每次更新dp[i]时，更新ans为其最大值。
贪心+二分查找
定义一个数组d，d[i]记录长度为i的上升子序列的末尾元素的最小值。对于一个新的元素num[i]，如果num[i]大于d[len]，说明可以扩展当前的最长上升子序列，直接将其加入到d中；否则在d中查找第一个大于等于num[i]的元素位置pos，用num[i]替换它，使得可以扩展更长的上升子序列。

两种方法的时间复杂度分别为O(n^2)和O(nlogn)，空间复杂度都是O(n)。

代码

// 方法一：动态规划：时间复杂度O(n^2) 空间复杂度O(n)
var lengthOfLIS = function(nums) {
  if(nums.length === 0) return 0

  const dp = new Array(nums.length).fill(1)

  let ans = 1;
  for(let i = 1 ; i < nums.length; i ++) {
    for(let j = 0 ; j < i ; j ++) {
        if(nums[i] > nums[j]) {
            dp[i] = Math.max(dp[i],dp[j] + 1);
        }
    }
    ans = Math.max(dp[i],ans);
  }
  console.log(dp);
  return ans;
}; 

// 方法二：贪心+二分查找：时间复杂度O(nlogn) 空间复杂度O(n)
var lenghtOfLIS = function(nums) {
  let n = nums.length;
  if(n === 0) return 0;

  let d = new Array(n + 1).fill(0);
  let len = 1;
  d[len] = nums[0];
  for(let i = 1; i < n ; i ++) {
    if(num[i] > d[len]) {
      d[++len] = nums[i];
    } else {
      let l = 1 , r = len , pos = 0;
      while(l <= r) {
        let mid = (l + r) >> 1;
        if(d[mid] < num[i]) {
          pos = mid;
          l = mid + 1;
        } else {
          r = mid - 1;
        }
      }
      d[pos + 1] = nums[i];
    }
  }
  return len;
}

路径总和 II

题目描述

给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。

子序列是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。

输入：nums = [10,9,2,5,3,7,101,18]
输出：4
解释：最长递增子序列是 [2,3,7,101]，因此长度为 4 。

思路

我们可以采用深度优先搜索的方式，枚举每一条从根节点到叶子节点的路径。当我们遍历到叶子节点，且此时路径和恰为目标和时，我们就找到了一条满足条件的路径。文章来源地址https://www.toymoban.com/news/detail-683261.html

代码

var pathSum = function(root, target) {
    let ans = [],path = [];
    let dfs = (root,target) => {
        if(!root) return;

        path.push(root.val);
        target -= root.val;
        if(root.left === null && root.right === null && target === 0) {
            ans.push([...path]);
        }
        dfs(root.left,target);
        dfs(root.right,target);
        path.pop(root.val);
    }
    dfs(root,target);
    return ans;
};