每日笔记
复习曲线
间隔1天、3天、7天、15天、30天,然后以一个月为周期复习
2023. 12. 24
一定要每天早中晚都要复习一下
早中午每段一两道, 而且一定要是同一个类型, 不然刷起来都没有意义
11.29
开始向着面试刷题跟进!
每天刷4题左右 ,一周之内一定要是统一类型
而且一定稍作总结, 了解他们的内在思路究竟是怎样的!!
12.26
斐波那契数
爬楼梯
最小花费爬楼梯
不同路径1/2
12.28:
整数拆分
重点思路:一个正整数可以分为两个,或者多个,多个可以用dp[i-j]代替,一定不能直接分为乘以dp的情况,因为这就默认了必须拆分为三个以上
不同的二叉搜索树
重点思路: 把左右子树所有情况乘起来,递归子树的问题。注意左右节点个数的边界
12.29
01背包理论
12.30
分割等和子集
很难看出来是01背包。满足的条件有
- 每个元素只有取和不取两个状态
- 结果要满足,某一部分和,刚好等于什么什么value,而背包问题是在限制的重量内计算他们价值最大值, 这里只需把求最大值改成求刚好 == sum即可
- 此题的weight和value都是nums【i】,因为是一个一个数字要求刚好和为sum
- dp【i】代表在i内之和最大为多少 本题要求刚好等于sum所以结束条件是dp[ sum ] == sum ,即总量为sum之内刚好最大为sum!
最短无序连续子数组
12.31
209. 长度最小的子数组
思路:滑动窗口,先不断右移直到sum>=target , 然后左指针左移直到小于target,记录暂时的最小长度,然后继续右移右移直到sum>=target , 左指针左移直到小于target,不断迭代最小长度
和为 K 的子数组
使用前缀和,核心是
map.containskey(sum-k);
map.put(sum,map.getOrDefault(sum,0)+1);
152. 乘积最大子数组
重点思路:使用dp代表前i个最大乘积。但是我们注意到有可能含有负数,因此只记录max值是不行的,万一后面出现负数,乘上去大于max,就会使结果不对。
因此 我们需要两个dp数组,记录max和min,正和反向的最大值。每次迭代dp【i】时,我们需要比较【当前数字、上一个max乘以当前数字、上一个min乘以当前数字】,最大最小都记录下来。同时不断用max迭代结果res。
优化方式仍然可以采用迭代法。
4.打家劫社:这个屋子偷不偷,偷就加dp[i-2],不偷就等于dp【i-1】
有一个困扰很久的问题:
我以为这个递推公式的意思是相邻的两个元素必须有一个得取。
其实并不是,只是限制了要不要取 i ,没说不取 i 就要取 i-1 ,我们等于的是dp【i-1】!注意定义!所以有可能出现连着两个都不取。但是不可能出现连着三个都不取。
2024 . 1 . 1
无重复字符最长子串
记住map里存放的是当前元素及其下标。如果有就更新到i和最新的
1.15
结束了13天的期末 回归面试征途
算法:
最长子串老题
LRU缓存
知识点:
聚集索引和二级索引(非聚簇索引)
回表查询
什么是联合索引?
联合索引的创建
为什么需要注意联合索引中的顺序?
联合索引的优势
什么是索引失效
覆盖索引
索引创建的原则、什么时候创建
2.27
放完寒假归来第二天,正式进入状态,重新回归算法题和八股文密集时代
3.5号之前看完八股文,每天15集,算法题每天至少4道,开始!
无重复子串
2.28
LRU缓存
3.1
LRU缓存 18分钟ac
三数之和 的双指针解法,固定一个for循环再剩下两个双指针
反转链表复习了一遍迭代:为什么是now != null?因为迭代完now是最后一个的下一个,为什么是返回pre?因为pre是现在的最后一个,也就是反转过来以后链表的头部
还得复习递归法
3.3
数组中第k个最大元素
学会堆的相关知识,学会快速排序 和这道题解法
快速排序方法
通过设定第一个为基准值middle,还有左右两个边界,交替与middle比较,左比middle大就和右交换并且右开始扫描,左比middle小就继续扫描下一个(右比middle大就继续扫,比middle小就赋值给左并且左开始扫描)
超级重点!!!!必须先移动右指针再移动左指针 因为左指针一开始指的就是middle不能先移动
代码如下
void quickSort(int[] nums,int low,int high) {if(low > high){return;}int left = low;int right = high;int middle = nums[low];while(low < high){while(low < high && nums[high--] > middle); nums[low] = nums[high];while(low < high && nums[low++] < middle);nums[high] = nums[low];}nums[low] = middle;//相遇点就是中值点quickSort(nums,left,low-1);quickSort(nums,low+1,right);}
堆排序方法
本题可以直接使用堆
把所有元素加入进去,当容量超过k时(要寻找的top k的数),就把heap顶的数poll出来,这样最终遍历完一定是top k的那些数字
class Solution {public int findKthLargest(int[] nums, int k) {PriorityQueue<Integer> heap = new PriorityQueue<>();for(int num:nums){heap.add(num);if(heap.size() > k){heap.poll();}}return heap.peek();}
}
堆的知识点
大顶堆:父节点大于左右儿子
小顶堆:父节点小于左右儿子
重点: 必须依次排满(从上到下从左到右按顺序排)
如何调整堆
LRU缓存
getNode里必须delete!!!因为要查看一本书,我们要抽出来放到顶层,也就是getNode = delete+putFront,抽出书getNode来处理
delete和putFront都是很单纯的功能!
注意put的写法,要putFront然后保存到map!
3.4
三数之和
本题需要积累的:
if(k>0 && nums[k]==nums[k-1] ) 必须是和k-1相比,不能是k+1,否则会漏掉多个k的结果
continue;
if(tmp < 0)
while(i < j && nums[i] == nums[++i]); 必须写成++i,这里既可以调整了i、j的位置,还可以去除重复的数, 一举两得
res.add(new ArrayList(Arrays.asList(nums[i],nums[j],nums[k]))); 记住这里的Arrays.asList()
反转链表
记住newHead就是底层的head,这个的逻辑就是先通过
注意一定是传入head.next而不是head,你传自己有什么意义?就成原地打转了 .next才是下一个
这一句进入最底层(这句的作用就是,递归的入口) 一层一层往回反转 每一层的head都自己做反转,返回newHead进入上一层
class Solution {public ListNode reverseList(ListNode head) {if(head == null || head.next == null){return head;}ListNode newHead = reverseList(head.next);head.next.next = head;head.next = null;return newHead;}
}
3.5
最小int的数是 Integer.MIN_VALUE
最大子数组和
明确:当前sum如果小于0了,则下一个数直接重置sum,重新开始累加,因为sum已经开始拖累了!
3.6
102. 二叉树的层序遍历
思路:把每一层node都放进队列里,遍历到了左右子节点就放进队列,依次遍历
以下为层序遍历基础代码:
void bfs(TreeNode root) {Queue<TreeNode> queue = new ArrayDeque<>();queue.add(root);while (!queue.isEmpty()) {TreeNode node = queue.poll(); // Java 的 pop 写作 poll()if (node.left != null) {queue.add(node.left);}if (node.right != null) {queue.add(node.right);}}
}
在本题中必须一层的在一个数组中,所以得用一个for循环控制每一层加入同一个Array中
92. 反转链表 II
思路
我们把链表分为左、中(反转区域)、右
找到要反转的区域的前一个节点和后一个节点,反转完区域内的节点以后再连接左右部分
用到一个dummy节点,这样防止特殊情况(left为1)
注意一开始循环体内代码,把left处连接到了begin,但是最后我们出来是修改了的 begin.next.next = now; 这句话就是在让left处的指针连接右部分,而begin.next = pre; 是在把左部分和right处连接上。这样左+翻转的中+右,得到了答案
3.7
最长回文子串
思路:
使用中心扩散法,for循环遍历数组中每一个元素,然后分别讨论一个为中心和两个为中心,传入fun函数去进行处理。
fun函数就是验证回文:以传入的参数作为中心,向两边扩散,记录长度和字符串,更新结果
注意点substring的用法:
substring不大写,且是用字符串实例s.substring来引用的
切割范围是左闭右开 [left,right) ,由于此处fun中我们设置的边界
因此退出循环时是在左边界左一位,所以left+1;但右边由于切割范围右开,所以right直接不变
3.10
合并两个有序链表
递归我们什么时候使用??也就是有重叠的子问题的时候
想清楚:
每一层子问题是什么
每一层函数返回的是什么含义
当前一层要干什么
递归的出口
本题就很典型,首先每一层返回的含义是剩下的已经接好的链表
本层要干的事情就是接当前的链表
我把后面搞定了的接上,然后这一层的我自己返回给上层,因为这层该我接上
23. 合并 K 个升序链表
最简单的困难题之一
思路:这种一直在动态的排序问题,就使用小顶堆,把所有链表头的节点加入进去,这样他会自动排序,我们每一次都可以拿出当前其中最小的那个,接在res队列后面
循环条件是heap不为空,如果空了就说明添加完了
每次拿出node以后接在后面,然后把node的下一个节点(非null)放进heap中。
注意点:
1.用堆要写全称PriorityQueue,小顶堆要附带((a,b)-> a-b)
2.heap的添加方法是offer()!!拿出方法是poll()!!
PriorityQueue<ListNode> heap = new PriorityQueue<>((a,b)->a.val - b.val);
25. K 个一组翻转链表
注意点:第三行!!!!!
还有循环条件k-1,因为一次是反转两个,两个两个的对换位置!
3.11
143. 重排链表
思路:
1.找到链表中点 分为左右部分
2.反转右半边部分链表
3.两个链表交替插入
23. 合并 K 个升序链表
最简单的困难题之一
思路:这种一直在动态的排序问题,就使用小顶堆,把所有链表头的节点加入进去,这样他会自动排序,我们每一次都可以拿出当前其中最小的那个,接在res队列后面
循环条件是heap不为空,如果空了就说明添加完了
每次拿出node以后接在后面,然后把node的下一个节点(非null)放进heap中。
注意点:
1.用堆要写全称PriorityQueue,小顶堆要附带((a,b)-> a-b)
2.heap的添加方法是offer()!!拿出方法是poll()!!
PriorityQueue<ListNode> heap = new PriorityQueue<>((a,b)->a.val - b.val);
3.12
33. 搜索旋转排序数组
重点是二分查找的各个边界
注意这个如果条件只是if(nums[mid] > nums[start]),那么当nums[mid]和nums[start]相等时,代码就不会进入这个分支,即使start和mid都指向升序部分的开始。这可能导致错过搜索目标值target的机会,特别是当target正好等于nums[start]或nums[mid]时。
这一堆条件要分清,跟mid不取等(等了不就是答案了),跟边界要取等!
主要是重点是先分清是在有序区域还是无序区域。我们只讨论有序区域的东西!
142. 环形链表 II
找循环位置,先找到相遇点,然后让p从head开始走slow从相遇点走,走到他们相遇就是答案点
注意此处必须这样写循环体。因为用其他写法会超时
也就是必须把(fast == slow)这个判断条件放在里面
148. 排序链表
核心思路:归并排序
先找中点拆分为左右两半,然后使用递归不断拆分成左右两半,每次返回上一层时都把下一层的排序好再返回上去
分析一下这里的递归:
子问题是:将左右两边的链表排序,返回排序以后的链表
递归函数的作用是进左右两层,本层的作用是合并两个链表并返回
注意
寻找中点时fast要从head下一个开始,因为我们要让slow指向right部分的前一个节点,获得right并且断开left和right!
class Solution {public ListNode sortList(ListNode head) {if (head == null || head.next == null)return head;ListNode fast,slow;slow = head;fast = head.next;while(fast != null && fast.next != null){fast = fast.next.next;slow = slow.next;}ListNode newhead = slow.next;slow.next = null;ListNode left = sortList(head);ListNode right = sortList(newhead);ListNode dummy = new ListNode(0);ListNode p = dummy;while (true) {if(left == null){p.next = right;break;}if(right == null){p.next = left;break;}if(left.val < right.val){p.next = left;left = left.next;}else{p.next = right;right = right.next;}p = p.next;}return dummy.next;}
}
2. 两数相加
独立做出来的mid!!!!!
直接朴朴素素的相加,使用tmp变量记录每两个节点的和,本层now就直接取余,下一层的用now取整
p1或者p2其中一个为null就不加,要不就加上,规避了长短不一的结果
退出 条件不仅要同时为null,还要保证tmp已经结算完毕了,防止最高位进一的情况
滑动窗口
按照这题为模板
这种题的特征是 "子串" "子数组" 这种需要连续元素的
有一个窗口在扫描,使用两个变量left限制左范围:right用于for遍历计数
tmp,max用于记录最终数据
从0处开始滑动区间 ,right每加一次,就判断right这个元素和窗口内的元素是否满足某种条件
如果不满足了就进入处理块, 不断把left向右推进直到他满足条件, 在外层循环记录tmp和最大的max即可.(此题判断的条件是是否有重复元素,有就把left推进到重复的位置)
无重复字符最长子串
字节最经典的一道题
/
注意要用HashMap提高查找效率
- containsKey先于put处理防止自己contains自己。调整i位置,通过比较两个元素下标谁大,来确定谁是后面的0
- 左边界调整位置的时候调整到第一个有效位(即重复位+1),而不是重复位,因为如果这个字符串没有重复的,此时应该使用j-i+1计算结果, 然而如果是调整到重复位 结果就变成了j-i,没有统一。所以必须挪到重复位的右边(第一个有效位)!
- i = Math.max(i,map.get(s.charAt(j))+1); 这一句是比较 当前边界和重复字符谁更右 ,取更右边的作为边界重点:要用HashMap来搞。注意put是会覆盖相同的元素的!!!!由于遍历的顺序是下标由小到大,因此得到的那个重复元素的下标一定是目前最大的,直接和左边界比较即可
哈希表(12.9-12.16)
什么时候使用哈希法:
1.当我们需要查询一个元素是否出现过,或者一个元素是否在集合里的时候,就要第一时间想到哈希法。
经典题: 比较两个集合的元素重叠的地方, 或者这个数组能不能由那个数组里的元素构成
2.当我们需要在一次遍历中记录某种元素出现的次数, 或者记录某个和他相关的特征的时候
抽象来说就是, 需要建立一个数据和另一个数据之间的映射关系的时候
下面是这两种数据结构的一些常用方法:
HashMap
- put(key, value): 如果key已经存在,那么值就更新
- get(key): 根据key获取value
- remove(key): 删除HashMap中指定key的元素
- containsKey(key): 检查HashMap中是否包含给定的key
- containsValue(value): 检查HashMap中是否包含给定的value
- keySet(): 返回所有key的Set
- values(): 返回所有value的Collection
- isEmpty(): 检查是否为空
- clear(): 清除所有元素
- map.put(i , getOrDefault(map.get(i),0)+1)
HashSet
- add(element): 添加一个元素
- remove(element): 删除一个元素
- contains(element):是否包含给定的元素
- isEmpty(): 检查是否为空
- clear(): 清除所有元素
- size(): 返回元素的数量
- iterator(): 返回一个迭代器,用于遍历HashSet中的所有元素。
回溯(12.19-12.24)
为什么要用回溯?
- for循环只能有单层遍历,但是回溯是可以多层遍历
- 回溯的本质就是多层遍历, 用for循环控制这一层的广度, 用递归控制深度, 用退出条件控制结束时机
- 一定要画图辅助理解,可以明确写递归方法的思路, 这很重要
- 什么题用回溯?问你返回所有可能得什么什么组合,集合, 需要枚举/遍历所有情况 , 特别是组合/子集问题,要从题目抽象中出来
基本步骤
- 定义结果res集合(ArrayList) 临时存储tmp集合(LinkedList) 当前总和int sum
List<List<Integer>> res = new ArrayList<>();
List<Integer> tmp = new LinkedList<>();
int sum=0;
- 定义dfs函数, 包含传入的数组nums, 每次遍历的开头begin, 目标target
- 定义退出条件: 等于target时 把tmp加入res然后返回 超出target直接返回 大小超出也返回
- 定义循环体:注意for(i=begin;i<length;i++)
tmp.add(candidates[i]);
sum += candidates[i];
dfs(candidates, i ,target);
sum -= candidates[i];
tmp.removeLast();
三大要点总结
- 数组中(有无)重复元素
- 结果中(能否)含有重复元素
- 结果(能否)出现重复集合(顺序不同是否算同一个集合)
主要是修改i = begin参数 和 dfs(nums, i ,target)中是 i 还是 i+1
子集能重复, 只用修改为 i=0 不可重复则是 i=begin
重点情况:
- 数组中无重复元素 结果中不能含有重复元素 子集不能出现重复: i=begin dfs(nums, i+1 ,target)
- 数组中有重复元素 结果中能含有重复元素 子集不能出现重复: 加条件:if(i > begin && nums[i] == nums[i-1]) continue;i=begin dfs(nums, i+1 ,target)
- 数组中有重复元素 结果中不含有重复元素 子集不能出现重复:加条件:if(i > 0 && nums[i] == nums[i-1]) continue;i=begin dfs(nums, i+1 ,target)###
回文子串问题
12.28
class Solution {List<List<String>> res = new ArrayList<>();List<String> tmp = new LinkedList<>();public List<List<String>> partition(String s) {int index = 0;dfs(0,s);return res;}public void dfs(int index , String s){if(index == s.length()){res.add(new ArrayList(tmp));}for(int i = index;i < s.length();i++){if(fun(index,i,s) == true) {String now = s.substring(index,i+1);tmp.add(now);dfs(i+1,s);tmp.removeLast();}}}public boolean fun(int i,int j,String s){while(true){if(i >= j)return true;if(s.charAt(i) != s.charAt(j)){return false;}i++;j--;}}}
. - 力扣(LeetCode)
可以算困难一级的了
难点:
- 把分割方案化为回溯问题, 我们想枚举每一种字符串的分割方式, 再一个一个去验证
- 可以看做是字符间空隙的组合问题(在一个空隙集合中选择不同的空隙组合) 采用回溯枚举
- 因为for循环只能有单层遍历,但是回溯是可以多层遍历(回溯的本质就是遍历, 用for循环控制这一层的广度, 用递归控制深度, 用退出条件控制结束时机 )
- 一定要画图辅助理解, 这很重要,一开始都没意识到
- 判断回文直接双指针
//我们使用index来代表当前遍历的空隙, 当枚举到**最后一个字符后**的空隙时就才遍历
if(index == s.length())
{res.add(new ArrayList(tmp));
}for(int i = index;i < s.length();i++)
{//index和i表示我们当前处理的哪两个空隙之间的字符串,只有当前满足是回文我们才继续去dfs,否则直接进入下一个循环,这样保证了只有回文, 并且因为只有遍历到最后一个字符后才会结束,所以不用担心会脏结果if(fun(index,i,s) == true) {String now = s.substring(index,i+1); //注意边界是[index,i]tmp.add(now);dfs(i+1,s);//从下一个字符开始继续判断tmp.removeLast();}
}
动态规划(12.25-1.4)
如果某一问题有很多重叠子问题,使用动态规划是最有效的。
就是你发现这一步的答案要根据上一步的答案得,而且上一步的答案也是同样的方法得到的
所以动态规划中每一个状态一定是由上一个状态推导出来的,这一点就区分于贪心,贪心没有状态推导,而是从局部直接选最优的
状态转移公式(递推公式)是很重要,但动规不仅仅只有递推公式。
动规五步曲(一定要明确的每一步结果写出来)
- 确定dp数组(dp table)以及下标的含义这很重要,注释出来
- 确定递推公式写完dp数组含义以后 立马着手递推公式 用注释先写上
- dp数组如何初始化一定要注意dp[0] dp[1] 这种边界值的初始化,很有可能要取特值
- 确定遍历顺序要确保后面的可以由前面的推出来,特别是多维dp
- 举例推导dp数组
为什么要先确定递推公式,然后在考虑初始化呢?因为一些情况是递推公式决定了dp数组要如何初始化!
Debug三问
- 这道题目我举例推导状态转移公式了么?
- 我打印dp数组的日志了么?
- 打印出来了dp数组和我想的一样么?
背包问题
01背包
(1)
对于背包问题,有一种写法即dpi 表示从下标为[0-i]的物品里任意取,放进容量为j的背包,价值总和最大是多少。
确定递推公式
不放物品i:和上一个相同。由dp[i - 1] [j]推出,即背包容量为j,里面不放物品i的最大价值,此时dpi就是dp[i - 1] [j]。(其实就是当物品i的重量大于背包j的重量时,物品i无法放进背包中,所以背包内的价值依然和前面相同。)
放物品i:等于上一个加这个的value。由dp[i - 1] [j - weight[i]]推出,dp[i - 1] [j - weight[i]] 为背包容量为j - weight[i]的时候不放物品i的最大价值,那么dp[i - 1] [j - weight[i]] + value[i] (物品i的价值),就是背包放物品i得到的最大价值
取i那就是后者,不取i就是前者
dp[i][j] = max{ dp[i-1][j] , dp[i-1][j-weight[i]] + value[i] }
(2)滚动数组法
重点一定要记住, 就是数据的覆盖
在此时,数组是一遍一遍覆盖的。覆盖前就相当于原来的dp[i-1 ] [j ],所以此时,不取物品i 的情况就可以化为dp[j ] 直接就是上一个的。同理,要取物品i 就直接化为dp[j-weight ]+value[j ]
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
dp[j]表示:容量为j的背包,所背的物品价值可以最大为dp[j]
初始化dp就应该全是0,在题目给的全是正整数的情况下可以保证后续被覆盖掉。
循环还是双重循环,要有i 控制前n个物品进不进去, 但是dp会减少一维度
同时我们可以窥见遍历的次序问题。因为我们要保证j 之前的数据还没有被覆盖
因为有比较dp[j - weight[i]] + value[i]的部分
所以我们要倒序遍历
ps:能不能交换遍历顺序?不能,不然就变成 dp[j]表示:取前 j 个的背包,所背的物品价值可以最大为dp[j]
链表
反转链表
迭代法:为什么是now != null?因为迭代完now是最后一个的下一个,为什么是返回pre?因为pre是现在的最后一个,也就是反转过来以后链表的头部
递归法:记住newHead就是底层的head,这个的逻辑就是先通过
注意一定是传入head.next而不是head,你传自己有什么意义?就成原地打转了 .next才是下一个
这一句进入最底层(这句的作用就是,递归的入口) 一层一层往回反转 每一层的head都自己做反转,返回newHead进入上一层
class Solution {public ListNode reverseList(ListNode head) {if(head == null || head.next == null){return head;}ListNode newHead = reverseList(head.next);head.next.next = head;head.next = null;return newHead;}
}
反转链表2
最优解,先找出pre,然后直接穿针引线再拉直,代码量极少,模仿反转k链表
注意
第三行是pre.next
注意
每次是将两个节点一起反转所以是b-a
环形链表
重点:
快指针要在head。next不然你slow永远等于fast
必须先判断fast,因为后面的有可能报空指针异常
重排链表
思路:
1.找到链表中点 分为左右部分
2.反转右半边部分链表
3.两个链表交替插入
合并两个有序链表
递归我们什么时候使用??也就是有重叠的子问题的时候
想清楚:
每一层子问题是什么
每一层函数返回的是什么含义
当前一层要干什么
递归的出口
本题就很典型,首先每一层返回的含义是剩下的已经接好的链表
本层要干的事情就是接当前的链表
我把后面搞定了的接上,然后这一层的我自己返回给上层,因为这层该我接上
K 个一组翻转链表
先算出长度,再使用两个循环去处理!
注意点:第三行!!!!!因为我们采用的是:把开头节点右侧的节点一个接一个挪到pre.next头插法
因此是把nex接到pre.next
还有循环条件k-1,因为一次是反转两个,两个两个的对换位置!必须K-1
合并 K 个升序链表
最简单的困难题之一
思路:这种一直在动态的排序问题,就使用小顶堆,把所有链表头的节点加入进去,这样他会自动排序,我们每一次都可以拿出当前其中最小的那个,接在res队列后面
循环条件是heap不为空,如果空了就说明添加完了
每次拿出node以后接在后面,然后把node的下一个节点(非null)放进heap中。
注意点:
1.用堆要写全称PriorityQueue,大顶堆要附带((a,b)-> a-b)
2.heap的添加方法是offer()!!拿出方法是poll()!!
PriorityQueue<ListNode> heap = new PriorityQueue<>((a,b)->a.val - b.val);
328. 奇偶链表
把一个链表的奇数和偶数节点分别合在一起,再相连
直接创建两个节点作为奇偶链表的开头,容纳完再接上即可
二叉树
代码
236. 二叉树的最近公共祖先
103. 二叉树的锯齿形层序遍历
记住有三个数据结构
一个当容纳节点的队列,一个是res,一个是tmp,不要把tmp和Deque搞错了
这个题直接在层序遍历基础上
在添加tmp的时候正向添加反向添加就好了,一组一组的呀他是
你在那儿管deque的添加顺序不是纯纯给自己找麻烦吗