递增的三元子序列、240. 搜索二维矩阵 II、除自身以外数组的乘积

给你一个整数数组 nums ,判断这个数组中是否存在长度为 3 的递增子序列。
如果存在这样的三元组下标 (i, j, k) 且满足 i < j < k ,使得 nums[i] < nums[j] < nums[k] ,返回 true ;否则,返回 false 。

示例 1:
输入:nums = [1,2,3,4,5]
输出:true
解释:任何 i < j < k 的三元组都满足题意

var increasingTriplet = function(nums) {
    let len = nums.length
    let left_first = nums[len-1]
    let left_second = -Infinity

    for(var i=len-2;i>=0;i--){
        if(nums[i]<left_second){
            return true
        }
        nums[i]>=left_first?left_first = nums[i]:left_second = nums[i]
    }
    return false
};

240. 搜索二维矩阵 II

编写一个高效的算法来搜索 m x n 矩阵 matrix 中的一个目标值 target 。该矩阵具有以下特性:
每行的元素从左到右升序排列。
每列的元素从上到下升序排列。
示例 1:


image.png

输入:matrix = [[1,4,7,11,15],[2,5,8,12,19],[3,6,9,16,22],[10,13,14,17,24],[18,21,23,26,30]], target = 5
输出:true
看了大神的题解,自己也画了图


线路图
var searchMatrix = function(matrix, target) {
    if(matrix.length==0){return false}

    let [bottom,left] = [0, matrix[0].length-1]
    while(left>=0&&bottom<matrix.length){
        if(matrix[bottom][left]>target){
            left--
        }else if(matrix[bottom][left]<target){
            bottom++
        }else{
            console.log('11')
            return true
        }
    }
    
    console.log('22')
    return false
}
matrix = [[1,4,7,11,15],[2,5,8,12,19],[3,6,9,16,22],[10,13,14,17,24],[18,21,23,26,30]]
target = 5
searchMatrix(matrix, target)

除自身以外数组的乘积

除自身以外数组的乘积
给你一个长度为 n 的整数数组 nums,其中 n > 1,返回输出数组 output ,其中 output[i] 等于 nums 中除 nums[i] 之外其余各元素的乘积。
示例:
输入: [1,2,3,4]
输出: [24,12,8,6]
提示:题目数据保证数组之中任意元素的全部前缀元素和后缀(甚至是整个数组)的乘积都在 32 位整数范围内。
说明: 请不要使用除法,且在 O(n) 时间复杂度内完成此题。
进阶:
你可以在常数空间复杂度内完成这个题目吗?( 出于对空间复杂度分析的目的,输出数组不被视为额外空间。)

var productExceptSelf = function(nums) {
    let i = 0
    let len = nums.length
    let resArr = []
    while(i<len){
        let res = 1
        for(var j=0;j<len;j++){
            if(j!=i){
                res = res*nums[j]
            }
        }
        resArr.push(res)
        i++
    }
    return resArr
    console.log(resArr)
};

nums=[1,2,3,4]
productExceptSelf(nums)

空间复杂度o(n),时间复杂度o(n^2)

优化时间复杂度
先算出nums[i]的左边值,再算出nums[i]的右边值,然后相乘

var productExceptSelf = function(nums) {
    let len = nums.length
    let resArr = []
    let resArr1 = []
    resArr[0] = 1
    resArr1[len-1] = 1
    for(var i=1;i<len;i++){
        resArr[i]=resArr[i-1]*nums[i-1]
    }
    for(var j=len-2;j>=0;j--){
        resArr1[j] = resArr1[j+1]*nums[j+1]
    }
    for(var m=0;m<len;m++){
        resArr[m] = resArr[m]*resArr1[m]
    }
    return resArr
};

nums=[1,2,3,4]
// [ 1,1, 2, 6 ]
// [ 24, 12, 4, 1 ]
// [24,12,8,6]
productExceptSelf(nums)
时间复杂度o(2n) = o(n)

优化上面的空间复杂度
先算出nums[i]的左边值,nums[i]的右边值赋给一个变量,然后与左边值相乘

var productExceptSelf = function(nums) {
    let len = nums.length
    let resArr = []
    resArr[0] = 1
    for(var i=1;i<len;i++){
        resArr[i]=resArr[i-1]*nums[i-1]
    }
    let right_count = 1//保存右边积
    for(var j=len-2;j>=0;j--){
        right_count = right_count*nums[j+1]
        resArr[j] = right_count*resArr[j]
    }
    return resArr
};
image.png
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容