《玩儿转算法面试》学习笔记

分手后的思念是犯贱 2023-10-09 14:54 30阅读 0赞

## 1. 算法面试到底是什么鬼 ##

![3909cfafd97c48a6b09dfcc8f7d9bfdb.png][]

**重在思路 ：**

![af0ce51636794225a88f0e5f5e2d928e.png][]

![d4beae9e3f9a4ee498a2119b76ea14b2.png][]

![d4dca1cf86cf4fe7968d885e2d582544.png][]

**注意：Java排序底层算法就是三路快排**

![0bcfcaeb0a684110b029534769b7fc9c.png][]

![017dd0a9c73c4051b001d0eb2803a657.png][]

![8e029e02675140ae9ffe3ddf78bbd57c.png][]

![f45d09446c9a43a09a74bef32a1f4cf6.png][]

![9b51f895339448d5b103d42736694ea6.png][]

![be61bf6b8c744e91afe1f599b4a709b5.png][]

![9d5b021d9dbf4ab2b471be256db4d9ce.png][]

![5ff3d79d12a743c7a1d6a4d57993b198.png][]

![8505d078d9a1409c800cfed2150043a5.png][]

![be8978424a624f6c8fb88b223d9e4bec.png][]

![4262b4c43c26429b9f0d8ca7512f7a1b.png][]

![6519b08edbdf49c0b1905dbb6eeffad2.png][]

![68b87978eea14a0cb935ed9c19818095.png][]

![cdc08b7abb874d7fbfc706d01de8b7e7.png][]

![e4830dc2bc2a4dcd910f71340558d677.png][]

![abfe107a9ef74e869a0618aa136c0c78.png][]

![00474f033e194947b66c17f82794dc2e.png][]

![5b83daa552d343bbad26a7d63684b4b9.png][]

![87ec3534c8654475a97e266a0c3dafec.png][]

![c0c3e60a5da947d8accae7985ba99896.png][]

![96234a50720448dc90913e8263a313c0.png][]

![31dd2e9c69464cc0be4c0c67d7b8a21d.png][]

![f75d8d458cc74ab1a2f2eb1ec526b199.png][]

![daa2e33457ea4dd1914b8965d08b6116.png][]

![d74b82fb009849bcb8ca5fea72b3b107.png][]

![d917d2e7d3bf42afaffff087e3ac816a.png][]

![9f2f5fb2a57a43ad8e28053d04662df1.png][]

![0d382f8ebb424823872a8d9a9ee4428a.png][]

![9abb355ab07641b0b408e74f950c41ca.png][]

![55f63ba69f9d4df1be5bd04e4685bcdf.png][]

![5834f09bf5104beaa4b1614597f7014a.png][]

![293af70429644bd6a28804068d29016b.png][]

![11e555797c254f719cdd71620bab3661.png][]

![c3310f6a1c884094b8f76ff4550f4d0d.png][]

![88b582497e9c47088872b49dbac219ab.png][]

![4e0632ebc9cb46c38f30d4aa6fe1bf5e.png][]

## 2. 面试中的复杂度分析 ##

### 2.1 时间复杂度 ###

一个操作如果和样本的数据量没有关系，每次都是在固定时间内完成操作，那么这个操作叫做**常数操作**，例如：+、-、\*、\\、位运算等。

**时间复杂度**可以看作是一个在算法流程中用来衡量常数操作数量的指标，常用O来表示，读作Big O。具体来说，先要对一个算法流程非常熟悉，然后去写出这个算法流程中发生了多少次常数操作，进而总结出常数操作数量的表达式。

在进行算法分析时，一般用**n表示数据规模**，**用T(n)表示语句总的执行次数**，它是关于问题规模n的函数，要分析出T(n)随n如何变化，才能确定T(n)的数量级。算法的时间复杂度即算法的时间量度，记作**T(n)=O(f(n))**，表示随着数据规模n的增大，算法执行时间的增长率和f(n)的增长率相同，记作算法的渐进时间复杂度或时间复杂度，其中，**f(n)是关于数据规模n的一个函数**。**用O()来表示算法的时间复杂度，一般情况下，随着n的增大，T(n)增长最慢的算法就是最优算法。**对于数据规模n的理解如下：

**如果要想在1s之间解决问题：**

*  **O(n^2) 的算法可以处理大约10^4级别的数据**
 *  **O(n) 的算法可以处理大约10^8级别的数据**
 *  **O(nlogn) 的算法可以处理大约10^7级别的数据**

**根据执行次数T(n)或常数操作数量推导O表达式时，要注意以下几条原则：**

*  用常数1取代运行时间中的所有加法常数；
 *  在修改后的运行次数函数中，只保留最高阶项，不要低阶项；
 *  如果最高阶项存在且其系数不是1，则去除与这个项相乘的系数。
    
    剩下的部分如果为f(n)，则时间复杂度为O(f(n))。

**举例：**

*  二分查找法：O(logn） 所需执行指令数：a\*logn
 *  寻找数组中最大/最小值：O(n) 所需执行指令数：b\*n
 *  归并排序算法：O(nlogn） 所需执行指令数：c\*nlogn
 *  选择排序算法：O(n^2) 所需执行指令数：d\*n^2

**常见的时间复杂度所耗费的时间从小到大依次是：**

**O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)**

在学术界，严格来讲，O(f(n))表示算法执行的上界，对于归并排序算法的时间复杂度可以说是O(nlogn)的，也可以说是O(n^2)的。对算法的分析，—种方法是计算所有情况的平均值，这种时间复杂度的计算方法称为**平均时间复杂度**；另一种方法是计算最坏情况下的时间复杂度，这种方法称为**最坏时间复杂度**。**一般在没有特殊说明的情况下，都是指算法的最坏情况下的时间复杂度**。但是在业界，通常使用O来表示算法执行的最低上界，一般不会说归并排序是O(n^2)的。

评价一个算法流程的好坏，要先看时间复杂度的指标，然后再分析不同数据样本下的实际运行时间，即“常数项时间”。

**注意：不是有递归的函数就一定是O(nlogn)。**

*  如果递归函数中，只进行一次递归调用，递归深度为depth；
 *  在每个递归函数中，时间复杂度为T，则总体的时间复杂度为O(T\*depth)。

### 2.2 空间复杂度 ###

即所需要额外占用内存空间的大小，例如：

*  多开一个辅助的数组：O(n）

*  多开一个辅助的二维数组：O(n^2）

*  多开常数空间：O(1)
 *  ......

**注意：递归调用是有空间代价的。**

// 空间复杂度O(1)
     public int sum(int n){
         int ret = 0;
         for(int i=0;i<=n;i++){
             ret+=i;
         }
         return ret;
     }
     
     // 空间复杂度O(1)
     public void swap(int a,int b){
         int temp = a;
         a = b;
         b = temp;
     }
     
     // 空间复杂度O(n)
     public int sum2(int n){
         if(n==0){
             return 0;
         }
         return n+sum2(n-1);
     }
     ......

## 3. 数组相关问题 ##

排序：选择排序；插入排序；归并排序；快速排序

查找：二分查找法

数据结构：栈、队列、堆

......

### 3.1 二分查找法(BinarySearch) ###

二分查找法的思想是在1946年提出的，但是第一个没有bug的二分查找法是在1962年才出现的。**对于有序数列，才能使用二分查找法，实现要对序列排好序。**

![add487f1f2ce48f9a0f6943f9b478cd3.png][]

**Java代码实现：**

*  **数组工具类：ArrayUtil**

package array;
     
     /**
      * @ClassName ArrayUtil
      * @Description 用来生成指定长度、指定范围的随机数组或有序数组
      * @Author Jiangnan Cui
      * @Date 2022/10/23 11:47
      * @Version 1.0
      */
     public class ArrayUtil {
         // 私有构造方法
         private ArrayUtil(){};
     
         /**
          * @MethodName generateRandomArray
          * @Description 产生指定长度、指定范围的随机数组
          * @param: n 数组长度
          * @param: rangeL 范围最小值
          * @param: rangeR  范围最大值
          * @return: java.lang.Integer[]
          * @Author Jiangnan Cui
          * @Date 17:54 2022/10/23
          */
         public static Integer[] generateRandomArray(int n,int rangeL,int rangeR){
             // 前提条件
             assert n > 0 && rangeL <= rangeR;
             // 声明数组
             Integer[] arr = new Integer[n];
             // 数组赋值
             for(int i = 0;i < n; i++){
                 // 生产rangeL到rangeR之间的随机整数
                 arr[i] = (int)(Math.random()*(rangeR-rangeL+1)) + rangeL;
             }
             return arr;
         }
     
         /**
          * @MethodName generateOrderArray
          * @Description 产生指定长度的有序数组
          * @param: n 数组长度
          * @return: java.lang.Integer[]
          * @Author Jiangnan Cui
          * @Date 17:55 2022/10/23
          */
         public static Integer[] generateOrderArray(int n){
             // 前提条件
             assert n>0;
             // 声明数组
             Integer[] arr = new Integer[n];
             // 数组赋值
             for(int i=0;i<n;i++){
                 arr[i] = i;
             }
             return arr;
         }
     }

*  **二分查找法具体实现**

package array;
     /**
      * @ClassName BinarySearch
      * @Description 二分查找测试
      * @Author Jiangnan Cui
      * @Date 2022/10/23 17:47
      * @Version 1.0
      */
     public class BinarySearch {
         /**
          * 无参构造
          */
         private BinarySearch(){}
     
         /**
          * @MethodName binarySearch
          * @Description 二分查找实现代码：在[0,n-1]范围内进行查找
          * @param: arr 目标数组
          * @param: n 数组长度
          * @param: target 目标元素
          * @return: int
          * @Author Jiangnan Cui
          * @Date 17:59 2022/10/23
          */
         public static int binarySearch(Integer[] arr, int n, int target){
             // 定义查找左右边界，在[left,...,right]的范围内寻找target
             int left = 0, right = n - 1;// 即数组的开始下标0、结束索引arr.length-1
             // 事先不明确循环次数时，使用while循环，循环条件：left<=right
             // 特别注意：当left==right时，区间[left,...,right]依然有效，此时只含有一个元素，，所以能取==
             while(left <= right){
                 // 取中点，考虑到left+right可能会出现整型溢出问题，修改如下，注意位运算速度更快
                 int mid = left + ((right - left) >> 2);// <<：左移，相当于乘法，增大倍数；>>：右移，相当于除法，缩小倍数
                 // 如果目标值等于中间值，直接返回数组下标即可
                 if(arr[mid] == target){
                     return mid;
                 }else if(arr[mid] < target){// 如果目标值大于中间值，说明需要向右查找，修改左边界，右边界不变
                     left = mid + 1;// 注意此时不包含mid
                 }else{// 如果目标值小于中间值，说明需要向左查找，左边界不变，修改右边界
                     right = mid - 1;// 注意此时不包含mid
                 }
             }
             // 跳出循环时，说明没有满足条件的元素，直接返回-1
             return -1;
         }
     
         /**
          * @MethodName binarySearch2
          * @Description 分查找实现代码：在[0,n)范围内进行查找
          * @param: arr 目标数组
          * @param: n 数组长度
          * @param: target 目标元素
          * @return: int
          * @Author Jiangnan Cui
          * @Date 18:14 2022/10/23
          */
         public static int binarySearch2(Integer[] arr,int n,int target){
             // 定义查找左右边界，在[left,...,right)的范围内寻找target
             int left = 0,right = n;// 即数组的开始下标0、数组长度arr.length，此时数组下标不能取n
             // 事先不明确循环次数时，使用while循环，循环条件：left<right
             // 特别注意：当left==right时，区间[left,...,right)是无效的，例如：[1,1)，所以不能取==
             while(left < right){
                 // 取中点，考虑到left+right可能会出现整型溢出问题，修改如下，注意位运算速度更快
                 int mid = left + ((right - left) >> 2);// <<：左移，相当于乘法，增大倍数；>>：右移，相当于除法，缩小倍数
                 // 如果目标值等于中间值，直接返回数组下标即可
                 if(arr[mid] == target){
                     return mid;
                 }else if(arr[mid] < target){// 如果目标值大于中间值，说明需要向右查找，修改左边界，右边界不变
                     left = mid + 1;// 注意此时不包含mid
                 }else{// 如果目标值小于中间值，说明需要向左查找，左边界不变，修改右边界
                     right = mid;// 注意此时不包含mid，又由于右边界取不到，为了得到mid-1，此处需要取mid
                 }
             }
             // 跳出循环时，说明没有满足条件的元素，直接返回-1
             return -1;
         }
     
         // 测试代码
         public static void main(String[] args) {
             // 生成随机数组
             int n = (int)Math.pow(10,7);
             Integer[] data = ArrayUtil.generateOrderArray(n);
             // 开始时间
             long startTime = System.currentTimeMillis();
             for (int i = 0; i < n; i++) {
                 if(i!=binarySearch2(data,n,i)){
                     throw new IllegalStateException("find i failed!");
                 }
             }
             // 结束时间
             long endTime = System.currentTimeMillis();
             System.out.println("BinarySearch test complete.");
             System.out.println("Test cost:"+(endTime-startTime)+"ms");
         }
     }

**输出结果：**

BinarySearch test complete.
     Test cost:442ms

**如何写出正确的程序？**

*  明确变量的含义

*  注意循环不变量

*  小数据量调试（自己举例实际调试）

*  大数据量测试

### 3.2 面试问题实战 ###

#### 3.2.1 [283. 移动零][283.] ####

![880a039ee1fc44f1958b6cd8c80304c9.png][]

**对应博客题目实现代码：**[LeetCode 283. 移动0\_Coder\_Cui的博客-CSDN博客][LeetCode 283. _0_Coder_Cui_-CSDN]

####  ####

#### 3.2.2 [27. 移除元素][27.] ####

![cfb9839423264b568fd05a41c40b6fc4.png][]

**要考虑的因素：**

*  如何定义删除？从数组中删除，还是放在数组末尾？

*  剩余元素的排列是否要保证原有的相对顺序？

*  是否有空间复杂度的要求？O(1)

**对应博客题目实现代码：**[LeetCode 27.移出元素\_Coder\_Cui的博客-CSDN博客][LeetCode 27._Coder_Cui_-CSDN]

#### 3.2.3 [26. 删除有序数组中的重复项][26.] ####

![d1c2525afcf14d089a142481098790ce.png][]

**对应博客题目实现代码：**[LeetCode 26. 删除有序数组中的重复项\_Coder\_Cui的博客-CSDN博客][LeetCode 26. _Coder_Cui_-CSDN]

#### 3.2.4 [80. 删除有序数组中的重复项 II][80. _ II] ####

![1bb5fbd071f244fb93a3e092e57f4a3f.png][]

**对应博客题目实现代码：**[LeetCode 80. 删除有序数组中的重复项 II\_Coder\_Cui的博客-CSDN博客][LeetCode 80. _ II_Coder_Cui_-CSDN]

### 3.3 基础算法思路的应用 ###

### \---三路快排 ###

#### 3.3.1 [75. 颜色分类][75.] ####

![bc9a72d0c58b45b6b248c585e5f57383.png][]

**计数排序：**适用于元素个数非常有限的情况下。

针对此题只需要分别统计出0、1、2的元素个数，放回原有的位置即可。

**对应博客题目实现代码：**[LeetCode 75. 颜色分类\_Coder\_Cui的博客-CSDN博客][LeetCode 75. _Coder_Cui_-CSDN]

#### 3.3.2 [88. 合并两个有序数组][88.] ####

![9c779aced9794d5ba30a7f1b5ea94b89.png][]

**对应博客题目实现代码：**[LeetCode 88. 合并两个有序数组\_Coder\_Cui的博客-CSDN博客][LeetCode 88. _Coder_Cui_-CSDN]

#### 3.3.3 [215. 数组中的第K个最大元素][215. _K] ####

![2fdc394edfe442908608e4b5930bd024.png][]

![5dab523485914f3fab8de23f8d1c515c.png][]

**对应博客题目实现代码：**

待完善。。。。。。

**下一次视频内容：**3-6 对撞指针 Two Sum II - Input Array is Sorted

## 4. 查找表相关问题 ##

待完善。。。

## 5. 在链表中穿针引线 ##

待完善。。。

## 6. 栈，队列，优先队列 ##

待完善。。。

## 7. 二叉树和递归 ##

待完善。。。

## 8. 递归和回溯法 ##

待完善。。。

## 9. 动态规划基础 ##

待完善。。。

## 10. 贪心算法 ##

待完善。。。

## 11. 课程结语 ##

待完善。。。

[3909cfafd97c48a6b09dfcc8f7d9bfdb.png]: https://img-blog.csdnimg.cn/3909cfafd97c48a6b09dfcc8f7d9bfdb.png
[af0ce51636794225a88f0e5f5e2d928e.png]: https://img-blog.csdnimg.cn/af0ce51636794225a88f0e5f5e2d928e.png
[d4beae9e3f9a4ee498a2119b76ea14b2.png]: https://img-blog.csdnimg.cn/d4beae9e3f9a4ee498a2119b76ea14b2.png
[d4dca1cf86cf4fe7968d885e2d582544.png]: https://img-blog.csdnimg.cn/d4dca1cf86cf4fe7968d885e2d582544.png
[0bcfcaeb0a684110b029534769b7fc9c.png]: https://img-blog.csdnimg.cn/0bcfcaeb0a684110b029534769b7fc9c.png
[017dd0a9c73c4051b001d0eb2803a657.png]: https://img-blog.csdnimg.cn/017dd0a9c73c4051b001d0eb2803a657.png
[8e029e02675140ae9ffe3ddf78bbd57c.png]: https://img-blog.csdnimg.cn/8e029e02675140ae9ffe3ddf78bbd57c.png
[f45d09446c9a43a09a74bef32a1f4cf6.png]: https://img-blog.csdnimg.cn/f45d09446c9a43a09a74bef32a1f4cf6.png
[9b51f895339448d5b103d42736694ea6.png]: https://img-blog.csdnimg.cn/9b51f895339448d5b103d42736694ea6.png
[be61bf6b8c744e91afe1f599b4a709b5.png]: https://img-blog.csdnimg.cn/be61bf6b8c744e91afe1f599b4a709b5.png
[9d5b021d9dbf4ab2b471be256db4d9ce.png]: https://img-blog.csdnimg.cn/9d5b021d9dbf4ab2b471be256db4d9ce.png
[5ff3d79d12a743c7a1d6a4d57993b198.png]: https://img-blog.csdnimg.cn/5ff3d79d12a743c7a1d6a4d57993b198.png
[8505d078d9a1409c800cfed2150043a5.png]: https://img-blog.csdnimg.cn/8505d078d9a1409c800cfed2150043a5.png
[be8978424a624f6c8fb88b223d9e4bec.png]: https://img-blog.csdnimg.cn/be8978424a624f6c8fb88b223d9e4bec.png
[4262b4c43c26429b9f0d8ca7512f7a1b.png]: https://img-blog.csdnimg.cn/4262b4c43c26429b9f0d8ca7512f7a1b.png
[6519b08edbdf49c0b1905dbb6eeffad2.png]: https://img-blog.csdnimg.cn/6519b08edbdf49c0b1905dbb6eeffad2.png
[68b87978eea14a0cb935ed9c19818095.png]: https://img-blog.csdnimg.cn/68b87978eea14a0cb935ed9c19818095.png
[cdc08b7abb874d7fbfc706d01de8b7e7.png]: https://img-blog.csdnimg.cn/cdc08b7abb874d7fbfc706d01de8b7e7.png
[e4830dc2bc2a4dcd910f71340558d677.png]: https://img-blog.csdnimg.cn/e4830dc2bc2a4dcd910f71340558d677.png
[abfe107a9ef74e869a0618aa136c0c78.png]: https://img-blog.csdnimg.cn/abfe107a9ef74e869a0618aa136c0c78.png
[00474f033e194947b66c17f82794dc2e.png]: https://img-blog.csdnimg.cn/00474f033e194947b66c17f82794dc2e.png
[5b83daa552d343bbad26a7d63684b4b9.png]: https://img-blog.csdnimg.cn/5b83daa552d343bbad26a7d63684b4b9.png
[87ec3534c8654475a97e266a0c3dafec.png]: https://img-blog.csdnimg.cn/87ec3534c8654475a97e266a0c3dafec.png
[c0c3e60a5da947d8accae7985ba99896.png]: https://img-blog.csdnimg.cn/c0c3e60a5da947d8accae7985ba99896.png
[96234a50720448dc90913e8263a313c0.png]: https://img-blog.csdnimg.cn/96234a50720448dc90913e8263a313c0.png
[31dd2e9c69464cc0be4c0c67d7b8a21d.png]: https://img-blog.csdnimg.cn/31dd2e9c69464cc0be4c0c67d7b8a21d.png
[f75d8d458cc74ab1a2f2eb1ec526b199.png]: https://img-blog.csdnimg.cn/f75d8d458cc74ab1a2f2eb1ec526b199.png
[daa2e33457ea4dd1914b8965d08b6116.png]: https://img-blog.csdnimg.cn/daa2e33457ea4dd1914b8965d08b6116.png
[d74b82fb009849bcb8ca5fea72b3b107.png]: https://img-blog.csdnimg.cn/d74b82fb009849bcb8ca5fea72b3b107.png
[d917d2e7d3bf42afaffff087e3ac816a.png]: https://img-blog.csdnimg.cn/d917d2e7d3bf42afaffff087e3ac816a.png
[9f2f5fb2a57a43ad8e28053d04662df1.png]: https://img-blog.csdnimg.cn/9f2f5fb2a57a43ad8e28053d04662df1.png
[0d382f8ebb424823872a8d9a9ee4428a.png]: https://img-blog.csdnimg.cn/0d382f8ebb424823872a8d9a9ee4428a.png
[9abb355ab07641b0b408e74f950c41ca.png]: https://img-blog.csdnimg.cn/9abb355ab07641b0b408e74f950c41ca.png
[55f63ba69f9d4df1be5bd04e4685bcdf.png]: https://img-blog.csdnimg.cn/55f63ba69f9d4df1be5bd04e4685bcdf.png
[5834f09bf5104beaa4b1614597f7014a.png]: https://img-blog.csdnimg.cn/5834f09bf5104beaa4b1614597f7014a.png
[293af70429644bd6a28804068d29016b.png]: https://img-blog.csdnimg.cn/293af70429644bd6a28804068d29016b.png
[11e555797c254f719cdd71620bab3661.png]: https://img-blog.csdnimg.cn/11e555797c254f719cdd71620bab3661.png
[c3310f6a1c884094b8f76ff4550f4d0d.png]: https://img-blog.csdnimg.cn/c3310f6a1c884094b8f76ff4550f4d0d.png
[88b582497e9c47088872b49dbac219ab.png]: https://img-blog.csdnimg.cn/88b582497e9c47088872b49dbac219ab.png
[4e0632ebc9cb46c38f30d4aa6fe1bf5e.png]: https://img-blog.csdnimg.cn/4e0632ebc9cb46c38f30d4aa6fe1bf5e.png
[add487f1f2ce48f9a0f6943f9b478cd3.png]: https://img-blog.csdnimg.cn/add487f1f2ce48f9a0f6943f9b478cd3.png
[283.]: https://leetcode.cn/problems/move-zeroes/
[880a039ee1fc44f1958b6cd8c80304c9.png]: https://img-blog.csdnimg.cn/880a039ee1fc44f1958b6cd8c80304c9.png
[LeetCode 283. _0_Coder_Cui_-CSDN]: https://blog.csdn.net/xiaocui1995/article/details/127479982
[27.]: https://leetcode.cn/problems/remove-element/
[cfb9839423264b568fd05a41c40b6fc4.png]: https://img-blog.csdnimg.cn/cfb9839423264b568fd05a41c40b6fc4.png
[LeetCode 27._Coder_Cui_-CSDN]: https://blog.csdn.net/xiaocui1995/article/details/127505092
[26.]: https://leetcode.cn/problems/remove-duplicates-from-sorted-array/
[d1c2525afcf14d089a142481098790ce.png]: https://img-blog.csdnimg.cn/d1c2525afcf14d089a142481098790ce.png
[LeetCode 26. _Coder_Cui_-CSDN]: https://blog.csdn.net/xiaocui1995/article/details/127581220
[80. _ II]: https://leetcode.cn/problems/remove-duplicates-from-sorted-array-ii/
[1bb5fbd071f244fb93a3e092e57f4a3f.png]: https://img-blog.csdnimg.cn/1bb5fbd071f244fb93a3e092e57f4a3f.png
[LeetCode 80. _ II_Coder_Cui_-CSDN]: https://blog.csdn.net/xiaocui1995/article/details/127604990
[75.]: https://leetcode.cn/problems/sort-colors/
[bc9a72d0c58b45b6b248c585e5f57383.png]: https://img-blog.csdnimg.cn/bc9a72d0c58b45b6b248c585e5f57383.png
[LeetCode 75. _Coder_Cui_-CSDN]: https://blog.csdn.net/xiaocui1995/article/details/127606181
[88.]: https://leetcode.cn/problems/merge-sorted-array/
[9c779aced9794d5ba30a7f1b5ea94b89.png]: https://img-blog.csdnimg.cn/9c779aced9794d5ba30a7f1b5ea94b89.png
[LeetCode 88. _Coder_Cui_-CSDN]: https://blog.csdn.net/xiaocui1995/article/details/127625805
[215. _K]: https://leetcode.cn/problems/kth-largest-element-in-an-array/
[2fdc394edfe442908608e4b5930bd024.png]: https://img-blog.csdnimg.cn/2fdc394edfe442908608e4b5930bd024.png
[5dab523485914f3fab8de23f8d1c515c.png]: https://img-blog.csdnimg.cn/5dab523485914f3fab8de23f8d1c515c.png