第一题
上一题实现了LRU缓存算法，LFU也是一个著名的缓存算法
自行了解之后实现LFU中的set 和 get
要求：两个方法的时间复杂度都为O(1)
LFU根据get、set操作次数决定的优先级。
同样次数，最不经常访问的先出去。
实现思路：建立一个次数链，每个次数再链接上一个双向链。（两个双链表）
Put和Get的时候，先检查是否存在
如果没有，put就存在1的链表下，get就返回null。
如果有，找到属于哪个头，然后分离出来，查看头部的下一个是否次数+1的关系，有就插入，没有就建出来。每次挂都是挂在小链表的头部。
size满了，就删最左边底下的head。
看代码...（代码是把最近操作的放在头部）
public class Code_03_LFU { //小链表的节点
public static class Node { public Integer key; public Integer value; public Integer times; public Node up; public Node down; public Node(int key, int value, int times) { this.key = key; this.value = value; this.times = times;
}
} public static class LFUCache { //把次数相同的节点连在一起的链表
public static class NodeList { //本链的头尾
public Node head; public Node tail; //前一个和后一个
public NodeList last; public NodeList next; public NodeList(Node node) {
head = node;
tail = node;
} public void addNodeFromHead(Node newHead) {
newHead.down = head;
head.up = newHead;
head = newHead;
} public boolean isEmpty() { return head == null;
} //其中的任何节点都可能删，因为次数增加也要调整节点位置 //把节点从本环境中分离
public void deleteNode(Node node) { if (head == tail) {
head = null;
tail = null;
} else { if (node == head) {//头
head = node.down;
head.up = null;
} else if (node == tail) {//尾
tail = node.up;
tail.down = null;
} else {//其中
node.up.down = node.down;
node.down.up = node.up;
}
}
node.up = null;
node.down = null;
}
} private int capacity;//容量
private int size;//当前大小 //通过key找Node
private HashMap<Integer, Node> records; //找到Node的当前所在链表
private HashMap<Node, NodeList> heads; private NodeList headList; public LFUCache(int capacity) { this.capacity = capacity; this.size = 0; this.records = new HashMap<>(); this.heads = new HashMap<>();
headList = null;
} public void set(int key, int value) { if (records.containsKey(key)) {//存在
Node node = records.get(key);
node.value = value;
node.times++;
NodeList curNodeList = heads.get(node);
move(node, curNodeList);//帮node找新家
} else { if (size == capacity) {//腾出空间
Node node = headList.tail;
headList.deleteNode(node);
modifyHeadList(headList);//检查是否要调整(有可能删光了) records.remove(node.key);
heads.remove(node);
size--;
}
Node node = new Node(key, value, 1); if (headList == null) {//第一次加
headList = new NodeList(node);
} else { //检查是否存在专属的次数链表
if (headList.head.times.equals(node.times)) {
headList.addNodeFromHead(node);
} else {//没有就建
NodeList newList = new NodeList(node);
newList.next = headList;
headList.last = newList;
headList = newList;
}
} //记录信息 records.put(key, node);
heads.put(node, headList);
size++;
}
} private void move(Node node, NodeList oldNodeList) {
oldNodeList.deleteNode(node);//先从老家搬出 //搬出后老家有可能因为无住户而被拆除，所以前指向要判断下
NodeList preList = modifyHeadList(oldNodeList) ? oldNodeList.last
: oldNodeList;
NodeList nextList = oldNodeList.next; if (nextList == null) {//新家不存在，建一个
NodeList newList = new NodeList(node); if (preList != null) {//老家还在
preList.next = newList;
}
newList.last = preList; //应对1---3的情况，删了1，后面没2，自然新建的2会变为新头 // ^a---^b
if (headList == null) {
headList = newList;
}
heads.put(node, newList);//加入记录
} else { //新家合适，是老家+1的配套
if (nextList.head.times.equals(node.times)) {
nextList.addNodeFromHead(node);
heads.put(node, nextList);
} else {//新家不合适，建一个
NodeList newList = new NodeList(node); if (preList != null) {//保证前一个节点不为空，不然下面代码报错
preList.next = newList;
}
newList.last = preList;
newList.next = nextList;
nextList.last = newList; if (headList == nextList) {//判断头链表是否有变化
headList = newList;
}
heads.put(node, newList);//加入记录 }
}
} // return whether delete this head
private boolean modifyHeadList(NodeList nodeList) { if (nodeList.isEmpty()) {//如果房子没有住户，要进行拆除
if (headList == nodeList) {//如果是头节点
headList = nodeList.next; if (headList != null) {//尾部的情况
headList.last = null;
}
} else {//普通节点
nodeList.last.next = nodeList.next; if (nodeList.next != null) {//尾部的话就是null的
nodeList.next.last = nodeList.last;
}
} return true;
} return false;
} public int get(int key) { if (!records.containsKey(key)) { return -1;
}
Node node = records.get(key);
node.times++;
NodeList curNodeList = heads.get(node);
move(node, curNodeList);//帮Node找新家
return node.value;
}
}
}
打完这代码，其他什么链表操作都是你孙子。
等同于面对真正对手前，练的打木桩和铁砂掌。
面试经验：
面试官问如果测试代码你会怎么测?
要把对数器的思路说上。
考察你是否想到一些极端的边界情况。
解决方法：
在写代码的过程中，出错点、代码边界点、需要讨论的东西，记下来，养成一种思维习惯。
写代码的时候，遇到特殊情况，纸笔记录下来，面试官问的时候，你都已经记录好了。
题目二：
给定一个字符串str，str表示一个公式，公式里可能有整数、加减乘除符号和左右括号，返回公式的计算结果。
【举例】
str="48*((70-65)-43)+8*1"，返回-1816。
str="3+1*4"，返回7。 str="3+(1*4)"，返回7。
【说明】
1．可以认为给定的字符串一定是正确的公式，即不需要对str做公式有效性检查。
2．如果是负数，就需要用括号括起来，比如"4*(-3)"。但如果负数作为公式的开头或括号部分的开头，则可以没有括号，比如"-3*4"和"(-3)*4"都是合法的。
3．不用考虑计算过程中会发生溢出的情况
需要好的代码结构设计
思路：
分没有小括号和有小括号的计算方法。
没有小括号的情况：不是 * / 直接往里放，是就取出一个计算后再放回去。
最后全部放完只剩下加减运算。
相当于乘除所在区域合成一块。
有小括号的情况：
定义一个函数。
str从index开始计算公式，遇到）或str结尾，过程结束。
遇到左括号后，后面的东西就不算了，直接扔给调子过程，碰到右括号再返回[结果和算到哪个位置]。
看到code
public class Code_07_ExpressionCompute { public static int getValue(String str) { return value(str.toCharArray(), 0)[0];
} //返回数组[计算结果，计算到哪个位置]
public static int[] value(char[] str, int i) { //双端队列
LinkedList<String> que = new LinkedList<String>(); int pre = 0;//收集数字
int[] bra = null; while (i < str.length && str[i] != ')') { if (str[i] >= '0' && str[i] <= '9') {//把数字重组，注意有=
pre = pre * 10 + str[i++] - '0';
} else if (str[i] != '(') {// + - * / //收集数字和符号，数字+符号是一组 addNum(que, pre);
que.addLast(String.valueOf(str[i++]));
pre = 0;//注意清0
} else {// 当前i位置为(
bra = value(str, i + 1);//不管，直接递归
pre = bra[0];
i = bra[1] + 1;
}
}
addNum(que, pre); return new int[] { getNum(que), i };
} public static void addNum(LinkedList<String> que, int num) { if (!que.isEmpty()) { int cur = 0;
String top = que.pollLast(); if (top.equals("+") || top.equals("-")) {
que.addLast(top);//放回去
} else {
cur = Integer.valueOf(que.pollLast());
num = top.equals("*") ? (cur * num) : (cur / num);
}
}
que.addLast(String.valueOf(num));
} //计算加减
public static int getNum(LinkedList<String> que) { int res = 0; boolean add = true;
String cur = null; int num = 0; while (!que.isEmpty()) {
cur = que.pollFirst(); if (cur.equals("+")) {
add = true;
} else if (cur.equals("-")) {
add = false;
} else {
num = Integer.valueOf(cur);
res += add ? num : (-num);
}
} return res;
} public static void main(String[] args) {
String exp = "48*((70-65)-43)+8*1";
System.out.println(getValue(exp));
exp = "4*(6+78)+53-9/2+45*8";
System.out.println(getValue(exp));
exp = "10-5*3";
System.out.println(getValue(exp));
exp = "-3*4";
System.out.println(getValue(exp));
exp = "3+1*4";
System.out.println(getValue(exp));
}
}
判断一棵二叉树是否是搜索二叉树
判断一棵二叉树是否是完全二叉树（基础班讲过）
按层遍历（队列）节点，
1、如果当前节点有右无左直接false
2、不违反1的情况，当前节点左右不全，剩下的全都要叶子节点。
public class Code_07_IsBSTAndCBT { public static class Node { public int value; public Node left; public Node right; public Node(int data) { this.value = data;
}
} //Morris遍历 //左子树小、右子树大
public static boolean isBST(Node head) { if (head == null) { return true;
} boolean res = true;
Node pre = null;
Node cur1 = head;
Node cur2 = null; while (cur1 != null) {
cur2 = cur1.left; if (cur2 != null) { while (cur2.right != null && cur2.right != cur1) {
cur2 = cur2.right;
} if (cur2.right == null) {
cur2.right = cur1;
cur1 = cur1.left; continue;
} else {
cur2.right = null;
}
} if (pre != null && pre.value > cur1.value) {
res = false;
}
pre = cur1;
cur1 = cur1.right;
} return res;
} public static boolean isCBT(Node head) { if (head == null) { return true;
}
Queue<Node> queue = new LinkedList<Node>(); boolean leaf = false;
Node l = null;
Node r = null;
queue.offer(head); while (!queue.isEmpty()) {
head = queue.poll();
l = head.left;
r = head.right; if ((leaf && (l != null || r != null)) || (l == null && r != null)) { return false;
} if (l != null) {
queue.offer(l);
} if (r != null) {
queue.offer(r);
} else {//如果右子树为空，左子树不为空，接下来的都要是叶子节点
leaf = true;
}
} return true;
} // for test -- print tree
public static void printTree(Node head) {
System.out.println("Binary Tree:");
printInOrder(head, 0, "H", 17);
System.out.println();
} public static void printInOrder(Node head, int height, String to, int len) { if (head == null) { return;
}
printInOrder(head.right, height + 1, "v", len);
String val = to + head.value + to; int lenM = val.length(); int lenL = (len - lenM) / 2; int lenR = len - lenM - lenL;
val = getSpace(lenL) + val + getSpace(lenR);
System.out.println(getSpace(height * len) + val);
printInOrder(head.left, height + 1, "^", len);
} public static String getSpace(int num) {
String space = " ";
StringBuffer buf = new StringBuffer(""); for (int i = 0; i < num; i++) {
buf.append(space);
} return buf.toString();
} public static void main(String[] args) {
Node head = new Node(4);
head.left = new Node(2);
head.right = new Node(6);
head.left.left = new Node(1);
head.left.right = new Node(3);
head.right.left = new Node(5);
printTree(head);
System.out.println(isBST(head));
System.out.println(isCBT(head));
}
}
题目三：
回到第三课，讲跳表。
何为跳表？
完成功能（最大的k，比k小/大离他最近的key）和红色树、平衡搜索二叉树一样
代价也是longn，底层结构不是树结构。
Redis按序组织就是跳表结构。
每个数进去前，先random，0/1，直到1，就知道这个数是多少层。
如果L层没到最大层，从最高层开始找，如果最高的下一个大，往下走。如果小往右走。走到不能再走，往下走。
这个过程中，如果到了L层，在往下走之前，先把属于那个层的点先建上，然后往下走。依次建出属于新值的所有层的点。
如果数据为N，第一层很多点，但是逐层上去会越来越少，在查询和建立的过程中，是从高层开始找的，一跨会跨过非常多的数。
用1/2概率这东西来优化效率。
从最高层开始找这个数（例如50万）该待的位置，只向下和向右那就跨过很多数了，每层都会跨过一定量的数（因为每个数的层数是1/2随机的），每层一次越过的位置，其实在底层看已经越过相当多的位置了，所以管他叫“跳表”。
怎么插入，就怎么查。
public class Code_02_SkipList { public static class SkipListNode { public Integer value; //长度为10，说明有10层，nextNodes[1]代表在1层上他的下一个节点是什么 //0层指向null，1指向第一层他的下一个结点是谁，以此类推 //从高层到下
public ArrayList<SkipListNode> nextNodes; public SkipListNode(Integer value) { this.value = value;
nextNodes = new ArrayList<SkipListNode>();
}
} public static class SkipListIterator implements Iterator<Integer> {
SkipList list;
SkipListNode current; public SkipListIterator(SkipList list) { this.list = list; this.current = list.getHead();
} public boolean hasNext() { return current.nextNodes.get(0) != null;
} public Integer next() {
current = current.nextNodes.get(0); return current.value;
}
} public static class SkipList { private SkipListNode head;//巨小，层数是最高的
private int maxLevel; private int size;//加进来了多少个key
private static final double PROBABILITY = 0.5; public SkipList() {
size = 0;
maxLevel = 0;
head = new SkipListNode(null);
head.nextNodes.add(null);
} public SkipListNode getHead() { return head;
} public void add(Integer newValue) { if (!contains(newValue)) {
size++; int level = 0; while (Math.random() < PROBABILITY) {
level++;
} while (level > maxLevel) {
head.nextNodes.add(null);//头增加区域到最大层数
maxLevel++;
}
SkipListNode newNode = new SkipListNode(newValue);
SkipListNode current = head;//从头部往下移动
int levelAll = maxLevel;//从最高层开始找
do {
current = findNext(newValue, current, levelAll); if (levelAll <= level){//达到应该加入节点的层 //前后环境接上 //当前层，建立指向刚好比自己大的节点的联系 //例如一共5层，由于是从高层开始插入，先把第五层加入0位置 //接着第四层的时候也是加到0位置，那就把原本第五层的挤到1位置 //...以此类推，加到最后一层就会是正常的0位置 // 最后一层也已经被挤到最后的位置上
newNode.nextNodes.add(0, current.nextNodes.get(level)); //把刚好比他小的节点，指向他。例如：7--->10 加入8 变成7--->8--->10 current.nextNodes.set(level, newNode);
level--;
}
} while (levelAll-- > 0);//当前层小了往右，大了往下 }
} public void delete(Integer deleteValue) { if (contains(deleteValue)) {
SkipListNode deleteNode = find(deleteValue);
size--; int level = maxLevel;
SkipListNode current = head; do {
current = findNext(deleteNode.value, current, level); if (deleteNode.nextNodes.size() > level) {
current.nextNodes.set(level, deleteNode.nextNodes.get(level));
}
} while (level-- > 0);
}
} // Returns the skiplist node with greatest value <= e
private SkipListNode find(Integer e) { return find(e, head, maxLevel);
} // Returns the skiplist node with greatest value <= e // Starts at node start and level
private SkipListNode find(Integer e, SkipListNode current, int level) { do {
current = findNext(e, current, level);
} while (level-- > 0); return current;
} // Returns the node at a given level with highest value less than e
private SkipListNode findNext(Integer e, SkipListNode current, int level) { //获得当前节点所在层中连接的下一个节点(例如cur在第七层中的下一个)
SkipListNode next = current.nextNodes.get(level); while (next != null) {
Integer value = next.value; if (lessThan(e, value)) { // e < value
break;//如果下一个数比新增值大了，就找到接入位置。 //cur就是这一层中，最后一个小于当前数的值。 } //向右动
current = next;
next = current.nextNodes.get(level);
} return current;
} public int size() { return size;
} public boolean contains(Integer value) {
SkipListNode node = find(value); return node != null && node.value != null && equalTo(node.value, value);
} public Iterator<Integer> iterator() { return new SkipListIterator(this);
} /******************************************************************************
* Utility Functions *
******************************************************************************/
private boolean lessThan(Integer a, Integer b) { return a.compareTo(b) < 0;
} private boolean equalTo(Integer a, Integer b) { return a.compareTo(b) == 0;
}
} public static void main(String[] args) {
}
}
add操作图解
证明算法复杂度：
可以研究下他的分布，不管输入规律是什么，基本上就是一颗二叉树的样子，概率是0.5，那下一层基本是本层数量的两倍，所以是logn的代价，一跳，跳过很多节点，一共跳多少层就是代价，逻辑概念可以等同于一颗二叉树，但是他是以概率完成的。
add方法存在问题，应该是从最高层开始找的，现在是从random出来的level开始找。应该是从最高层向下向右找到相应的位置，达到level层后再开始加入。（例如random出了第一层，如果从第一层开始遍历，就不是longn的算法了）（上面展示的代码已经修正）
作者： kent鹏
出处： http://www.cnblogs.com/xieyupeng/
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接。
随时随地看视频
