摘要：本文介绍了机器人从m×n网格左上角移动到右下角的不同路径问题。通过动态规划方法，定义dp[i][j]表示到达(i,j)的路径数，状态转移方程为dp[i][j] = dp[i-1][j] + dp[i][j-1]。初始化首行和首列为1（唯一路径），然后填充DP表。空间优化版本使用一维数组，通过滚动更新降低空间复杂度至O(n)。算法时间复杂度为O(m×n)，适用于网格路径计算问题。

本文介绍了寻找字符串中最长回文子串的两种算法：动态规划法和中心扩展法。动态规划通过构建二维数组记录子串状态，时间复杂度O(n²)，空间复杂度O(n²)；中心扩展法从所有可能的中心点向两边扩展，时间复杂度O(n²)，空间复杂度O(1)。两种方法都能有效解决问题，中心扩展法在空间上更优。文章详细阐述了算法思路、代码实现和测试用例，并以"babad"和"cbbd"

摘要 本文介绍了如何根据二叉树的前序遍历和后序遍历结果构造二叉树。由于缺少中序遍历信息，这种构造方法可能产生多个合法结果。算法核心思路是利用前序确定根节点，后序确定子树范围，通过递归分治构建二叉树。提供了两种实现方式：一种使用哈希表优化查找效率（O(n)时间），另一种采用简洁递归但效率较低。文章包含详细代码示例、算法分析以及具体构建过程的逐步说明，适用于处理节点值唯一且需要返回任意一种可能结构的二

本文介绍了解决二维二进制矩阵中最大正方形问题的动态规划算法。给定一个由'0'和'1'组成的矩阵，算法通过构建dp数组记录以每个位置为右下角的最大正方形边长，状态转移方程为dp[i][j] = min(上,左,左上)+1。时间复杂度O(mn)，空间复杂度可优化至O(n)。示例输入矩阵的最大正方形面积为4（2×2区域）。动态规划方法相比暴力枚举更高效，适合处理大规模矩阵。

本文介绍了求解三角形最小路径和的两种动态规划方法。方法一使用二维DP数组自顶向下计算，初始化起点后逐行处理首尾元素和中间元素，最后比较最后一行得到结果。方法二优化空间复杂度为一维数组，自底向上遍历，通过比较相邻元素更新当前路径和。两种方法时间复杂度均为O(n²)，但方法二空间复杂度优化为O(n)。文章详细分析了状态转移、边界处理、遍历顺序等关键点，并提供了代码实现和测试用例验证。

摘要： LeetCode 45题要求从数组起点出发，根据每个位置的可跳跃步数，计算到达终点的最小跳跃次数。两种解法： 动态规划（反向）：定义dp[i]为从位置i到终点的最小跳跃次数，倒序计算，时间复杂度O(n²)，空间O(n)。 贪心算法（正向）：维护当前边界end和最大可达位置maxPos，遍历时更新边界并跳跃，时间O(n)，空间O(1)。贪心法通过每一步最大化覆盖范围确保最优解，效率更高。 关

本文介绍了爬楼梯问题的动态规划解法。计算爬n阶台阶的方法数，每次可爬1或2阶。关键思路是状态转移方程dp[i] = dp[i-1] + dp[i-2]，即斐波那契数列。给出两种实现：方法一使用DP数组（空间O(n)）；方法二优化空间（O(1)）。分析时间/空间复杂度均为O(n)/O(1)，并通过示例演示计算过程。强调初始化dp[0]=1的意义，指出递归解法效率低的问题。最后提供测试用例验证算法正确

有序数组去重算法总结 26题：删除重复项（保留单一元素） 核心方法：双指针法（快慢指针） 慢指针标记非重复元素边界 快指针遍历数组，发现新元素时复制到慢指针位置 时间复杂度O(n)，空间复杂度O(1) 关键点：比较当前元素与前一个非重复元素（nums[fast] vs nums[slow]） 80题：删除重复项（保留最多两个） 改进方法：扩展双指针法 慢指针从索引2开始 比较当前元素与慢指针前两位

本文将两个分割问题进行了对比分析。416题是判断数组能否被分割为两个等和子集，通过转化为背包问题，使用动态规划（时间复杂度O(n×S)，空间复杂度O(S))解决。698题是更一般的k等分问题，采用DFS回溯+剪枝优化（大数优先、空桶剪枝、重复桶剪枝等策略）。两个问题都需先检查总和能否被整除，但698题因NP难特性更适合回溯法。关键差异在于416题可转化为子集和问题用DP高效解决，而698题需要更复

滑动窗口算法是一种高效处理数组子区间问题的技巧，通过双指针动态维护窗口边界。本文重点讲解两个问题： 最大连续1的个数：提供计数法（O(n)时间）和双指针法两种解法，核心是遇到0重置计数器或移动左指针。 可翻转一个0的最大连续1个数：通过记录窗口内0的数量或前一个0的位置，在遇到第二个0时调整左边界。 两种问题都展示了滑动窗口的核心思想 - 通过双指针动态调整窗口大小，避免重复计算，达到线性时间复杂