Merge branch 'master' of github.com:youngyangyang04/leetcode-master

Author: youngyangyang04

problems/0005.最长回文子串.md

@@ -263,6 +263,32 @@ public:
 ## Java
 
 ```java
+// 双指针 中心扩散法
+class Solution {
+    public String longestPalindrome(String s) {
+        String s1 = "";
+        String s2 = "";
+        String res = "";
+        for (int i = 0; i < s.length(); i++) {
+            // 分两种情况：即一个元素作为中心点，两个元素作为中心点
+            s1 = extend(s, i, i);  // 情况1
+            res = s1.length() > res.length() ? s1 : res;
+            s2 = extend(s, i, i + 1);  // 情况2
+            res = s2.length() > res.length() ? s2 : res;
+        }
+        return res;  // 返回最长的
+    }
+    public String extend(String s, int start, int end){
+        String tmp = "";
+        while (start >= 0 && end < s.length() && s.charAt(start) == s.charAt(end)){
+            tmp = s.substring(start, end + 1);  // Java中substring是左闭右开的，所以要+1
+            // 向两边扩散
+            start--;
+            end++;
+        }
+        return tmp;
+    }
+}
 ```
 
 ## Python
@@ -317,6 +343,7 @@ class Solution:
 ## Go
 
 ```go
+
 ```
 
 ## JavaScript

problems/0028.实现strStr.md

@@ -118,7 +118,7 @@ next数组就是一个前缀表（prefix table）。
 
 此时就要问了**前缀表是如何记录的呢？**
 
-首先要知道前缀表的任务是当前位置匹配失败，找到之前已经匹配上的位置，在重新匹配，此也意味着在某个字符失配时，前缀表会告诉你下一步匹配中，模式串应该跳到哪个位置。
+首先要知道前缀表的任务是当前位置匹配失败，找到之前已经匹配上的位置，再重新匹配，此也意味着在某个字符失配时，前缀表会告诉你下一步匹配中，模式串应该跳到哪个位置。
 
 那么什么是前缀表：**记录下标i之前（包括i）的字符串中，有多大长度的相同前缀后缀。**
 
@@ -146,7 +146,7 @@ next数组就是一个前缀表（prefix table）。
 
 # 为什么一定要用前缀表
 
-这就是前缀表那为啥就能告诉我们 上次匹配的位置，并跳过去呢？
+这就是前缀表，那为啥就能告诉我们 上次匹配的位置，并跳过去呢？
 
 回顾一下，刚刚匹配的过程在下标5的地方遇到不匹配，模式串是指向f，如图：
 <img src='https://code-thinking.cdn.bcebos.com/pics/KMP%E7%B2%BE%E8%AE%B21.png' width=600 alt='KMP精讲1'> </img></div>

problems/0031.下一个排列.md

@@ -163,6 +163,29 @@ class Solution:
             low += 1
             high -= 1
 ```
+>上一版本简化版
+'''python
+class Solution(object):
+    def nextPermutation(self, nums: List[int]) -> None:
+        n = len(nums)
+        i = n-2
+        while i >= 0 and nums[i] >= nums[i+1]:
+            i -= 1
+        
+        if i > -1: // i==-1,不存在下一个更大的排列
+            j = n-1
+            while j >= 0 and nums[j] <= nums[i]:
+                j -= 1
+            nums[i], nums[j] = nums[j], nums[i]
+
+        start, end = i+1, n-1
+        while start < end:
+            nums[start], nums[end] = nums[end], nums[start]
+            start += 1
+            end -= 1
+        
+        return nums
+'''
 
 ## Go
 

problems/0042.接雨水.md

@@ -602,7 +602,48 @@ func trap(height []int) int {
 }
 ```
 
+动态规划解法：
+
+```go
+func trap(height []int) int {
+    sum:=0
+    n:=len(height)
+    lh:=make([]int,n)
+    rh:=make([]int,n)
+    lh[0]=height[0]
+    rh[n-1]=height[n-1]
+    for i:=1;i<n;i++{
+        lh[i]=max(lh[i-1],height[i])
+    }
+    for i:=n-2;i>=0;i--{
+        rh[i]=max(rh[i+1],height[i])
+    }
+    for i:=1;i<n-1;i++{
+        h:=min(rh[i],lh[i])-height[i]
+        if h>0{
+            sum+=h
+        }
+    }
+    return sum
+}
+func max(a,b int)int{
+    if a>b{
+        return a
+    }
+    return b
+}
+func min(a,b int)int{
+    if a<b{
+        return a
+    }
+    return b
+}
+```
+
+
+
 JavaScript:
+
 ```javascript
 //双指针
 var trap = function(height) {

problems/0047.全排列II.md

@@ -39,7 +39,7 @@
 
 那么排列问题其实也是一样的套路。
 
-**还要强调的是去重一定要对元素经行排序，这样我们才方便通过相邻的节点来判断是否重复使用了**。
+**还要强调的是去重一定要对元素进行排序，这样我们才方便通过相邻的节点来判断是否重复使用了**。
 
 我以示例中的 [1,1,2]为例 （为了方便举例，已经排序）抽象为一棵树，去重过程如图：
 

problems/0104.二叉树的最大深度.md

@@ -598,5 +598,60 @@ var maxDepth = function(root) {
 };
 ```
 
+## C
+二叉树最大深度递归
+```c
+int maxDepth(struct TreeNode* root){
+    //若传入结点为NULL，返回0
+    if(!root)
+        return 0;
+    
+    //求出左子树深度
+    int left = maxDepth(root->left);
+    //求出右子树深度
+    int right = maxDepth(root->right);
+    //求出左子树深度和右子树深度的较大值
+    int max = left > right ? left : right;
+    //返回较大值+1（1为当前层数）
+    return max + 1;
+}
+```
+二叉树最大深度迭代
+```c
+int maxDepth(struct TreeNode* root){
+    //若传入根节点为NULL，返回0
+    if(!root)
+        return 0;
+    
+    int depth = 0;
+    //开辟队列空间
+    struct TreeNode** queue = (struct TreeNode**)malloc(sizeof(struct TreeNode*) * 6000);
+    int queueFront = 0;
+    int queueEnd = 0;
+
+    //将根结点入队
+    queue[queueEnd++] = root;
+
+    int queueSize;
+    //求出当前队列中元素个数
+    while(queueSize = queueEnd - queueFront) {
+        int i;
+        //若当前队列中结点有左右子树，则将它们的左右子树入队
+        for(i = 0; i < queueSize; i++) {
+            struct TreeNode* tempNode = queue[queueFront + i];
+            if(tempNode->left)
+                queue[queueEnd++] = tempNode->left;
+            if(tempNode->right)
+                queue[queueEnd++] = tempNode->right;
+        }
+        //更新队头下标
+        queueFront += queueSize;
+        //深度+1
+        depth++;
+    }
+    return depth;
+}
+```
+
 -----------------------
 <div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码一.jpg width=500> </img></div>

problems/0122.买卖股票的最佳时机II（动态规划）.md

@@ -197,6 +197,33 @@ class Solution:
 ```
 
 Go：
+```go
+// 买卖股票的最佳时机Ⅱ 动态规划
+// 时间复杂度O(n) 空间复杂度O(n)
+func maxProfit(prices []int) int {
+    dp := make([][]int, len(prices))
+    status := make([]int, len(prices) * 2)
+    for i := range dp {
+        dp[i] = status[:2]
+        status = status[2:]
+    }
+    dp[0][0] = -prices[0]
+    
+    for i := 1; i < len(prices); i++ {
+        dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i])
+        dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i])
+    }
+    
+    return dp[len(prices) - 1][1]
+}
+
+func max(a, b int) int {
+    if a > b {
+        return a
+    }
+    return b
+}
+```
 
 ```go
 func maxProfit(prices []int) int {

problems/0123.买卖股票的最佳时机III.md

@@ -347,7 +347,38 @@ const maxProfit = prices => {
 };
 ```
 
+Go:
 
+> 版本一：
+```go
+// 买卖股票的最佳时机III 动态规划
+// 时间复杂度O(n) 空间复杂度O(n)
+func maxProfit(prices []int) int {
+    dp := make([][]int, len(prices))
+    status := make([]int, len(prices) * 4)
+    for i := range dp {
+        dp[i] = status[:4]
+        status = status[4:]
+    }
+    dp[0][0], dp[0][2] = -prices[0], -prices[0]
+    
+    for i := 1; i < len(prices); i++ {
+        dp[i][0] = max(dp[i - 1][0], -prices[i])
+        dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i])
+        dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] - prices[i])
+        dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] + prices[i])
+    }
+    
+    return dp[len(prices) - 1][3]
+}
+
+func max(a, b int) int {
+    if a > b {
+        return a
+    }
+    return b
+}
+```
 
 
 -----------------------

problems/0188.买卖股票的最佳时机IV.md

@@ -273,6 +273,41 @@ class Solution:
         return dp[2*k]
 ```
 Go：
+版本一：
+```go
+// 买卖股票的最佳时机IV 动态规划
+// 时间复杂度O(kn) 空间复杂度O(kn)
+func maxProfit(k int, prices []int) int {
+    if k == 0 || len(prices) == 0 {
+        return 0
+    }
+    
+    dp := make([][]int, len(prices))
+    status := make([]int, (2 * k + 1) * len(prices))
+    for i := range dp {
+        dp[i] = status[:2 * k + 1]
+        status = status[2 * k + 1:]
+    }
+    for j := 1; j < 2 * k; j += 2 {
+        dp[0][j] = -prices[0]
+    }
+    
+    for i := 1; i < len(prices); i++ {
+        for j := 0; j < 2 * k; j += 2 {
+            dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i])
+            dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i])
+        }
+    }
+    return dp[len(prices) - 1][2 * k]
+}
+
+func max(a, b int) int {
+    if a > b {
+        return a
+    }
+    return b
+}
+```
 
 ```go
 func maxProfit(k int, prices []int) int {