Update

problems/0017.电话号码的字母组合.md

@@ -1,16 +1,58 @@
 
 
 ## 题目地址 
+https://leetcode-cn.com/problems/letter-combinations-of-a-phone-number/
 
 ## 思路 
 
+本题要解决如下问题：
 
 1. 数字和字母如何映射 
 2. 两个字母我就两个for循环，三个字符我就三个for循环，以此类推，然后发现代码根本写不出来 
-3. 如何排列组合呢
-4. 1 * # 等等情况 
+3. 输入1 * #按键等等异常情况 
 
-树形结构啊 
+接下来一一解决这几个问题。
+
+
+1. 数字和字母如何映射 
+
+定义一个二位数组，例如：string letterMap[10]，来做映射
+
+2. 两个字母我就两个for循环，三个字符我就三个for循环，以此类推，然后发现代码根本写不出来。
+
+**遇到这种情况，就应该想到回溯了。**
+
+这是一个回溯法的经典题目，**不要以为回溯是一个性能很高的算法，回溯其实就是暴力枚举，纯暴力，搜出所有的可能性。**
+
+回溯一般都伴随着递归，而这种组合问题，都可以画成一个树形结构。如图所示：
+
+<img src='../pics/17. 电话号码的字母组合.jpeg' width=600> </img></div>
+
+可以想成遍历这棵树，然后把叶子节点都保存下来。
+
+
+3. 输入1 * #按键等等异常情况 
+
+题目的测试数据中应该没有异常情况的数据，可以不考虑，但是要知道会有这些异常。
+
+
+**那么在来讲一讲回溯法，回溯法的模板如下：**
+
+```
+回溯函数() {
+    if (终止条件) {
+        存放结果;
+    }
+
+    for (枚举同一个位置的所有可能性，可以想成节点孩子的数量) {
+        递归，处理下一个孩子;
+        (递归的下面就是回溯的过程);
+    }
+}
+
+```
+
+按照这个模板，不难写出如下代码：
 
 ## C++代码
 

problems/0035.搜索插入位置.md

@@ -2,11 +2,35 @@
 
 https://leetcode-cn.com/problems/search-insert-position/
 
+> 二分查找法是数组里的常用方法，彻底掌握它是十分必要的。
+
+# 编号35：搜索插入位置
+
+给定一个排序数组和一个目标值，在数组中找到目标值，并返回其索引。如果目标值不存在于数组中，返回它将会被按顺序插入的位置。
+
+你可以假设数组中无重复元素。
+
+示例 1:   
+输入: [1,3,5,6], 5  
+输出: 2  
+
+示例 2:  
+输入: [1,3,5,6], 2  
+输出: 1  
+
+示例 3:  
+输入: [1,3,5,6], 7   
+输出: 4
+
+示例 4:   
+输入: [1,3,5,6], 0  
+输出: 0  
+
 # 思路 
 
-这道题目其实是一道很简单的题，但是为什么通过率相对来说并不高呢，我理解是大家对 边界处理的判断有所失误，导致的。
+这道题目不难，但是为什么通过率相对来说并不高呢，我理解是大家对边界处理的判断有所失误导致的。
 
-这道题目，我们要在数组中插入目标值，无非是这四种情况 
+这道题目，要在数组中插入目标值，无非是这四种情况。
 
 <img src='../pics/35_搜索插入位置3.png' width=600> </img></div>
 
@@ -15,14 +39,15 @@ https://leetcode-cn.com/problems/search-insert-position/
 * 目标值插入数组中的位置
 * 目标值在数组所有元素之后
 
-这四种情况确认清楚了，我们就可以尝试解题了
+这四种情况确认清楚了，就可以尝试解题了。
 
-暴力解题 不一定时间消耗就非常高，关键看实现的方式，就像是二分查找时间消耗不一定就很低，是一样的。
+接下来我将从暴力的解法和二分法来讲解此题，也借此好好讲一讲二分查找法。
 
-这里我给出了一种简洁的暴力解法，和两种二分查找的解法
+## 暴力解法
 
+暴力解题 不一定时间消耗就非常高，关键看实现的方式，就像是二分查找时间消耗不一定就很低，是一样的。
 
-# 解法:暴力枚举
+## 暴力解法C++代码
 
 ```
 class Solution {
@@ -42,50 +67,55 @@ public:
     }
 };
 ```
-效率如下：
-<img src='../pics/35_搜索插入位置.png' width=600> </img></div>
 
-时间复杂度：O(n)
+时间复杂度：O(n)  
 时间复杂度：O(1) 
 
+效率如下：
+
+<img src='../pics/35_搜索插入位置.png' width=600> </img></div>
 
-# 二分法
+## 二分法
 
-既然暴力解法的时间复杂度是On，我们就要尝试一下使用二分查找法。 
+既然暴力解法的时间复杂度是O(n)，就要尝试一下使用二分查找法。 
 
 <img src='../pics/35_搜索插入位置4.png' width=600> </img></div>
 
-大家注意这道题目的前提是数组是有序数组，这也是使用二分查找的基础条件 
+大家注意这道题目的前提是数组是有序数组，这也是使用二分查找的基础条件。
 
 以后大家**只要看到面试题里给出的数组是有序数组，都可以想一想是否可以使用二分法。**
 
 同时题目还强调数组中无重复元素，因为一旦有重复元素，使用二分查找法返回的元素下表可能不是唯一的。
 
-大体讲解一下二分法的思路，这里来举一个例子，例如在这个数组中，我们使用二分法寻找元素为5的位置，并返回其下标
+大体讲解一下二分法的思路，这里来举一个例子，例如在这个数组中，使用二分法寻找元素为5的位置，并返回其下标。
 
 <img src='../pics/35_搜索插入位置5.png' width=600> </img></div>
 
-二分查找涉及的很多的边界条件，逻辑比较简单，就是写不好
+二分查找涉及的很多的边界条件，逻辑比较简单，就是写不好。
+
+相信很多同学对二分查找法中边界条件处理不好。
 
-相信很多同学对二分查找法中边界条件处理不好，例如 到底是 小于 还是 小于等于， 到底是+1 呢，还是要-1呢 
+例如到底是 `while(left < right)` 还是 `while(left <= right)`，到底是`right = middle`呢，还是要`right = middle - 1`呢？ 
 
-这是为什么呢，主要是**我们对区间的定义没有想清楚，这就是我们的不变量** 
+这里弄不清楚主要是因为**对区间的定义没有想清楚，这就是不变量**。 
 
-我们要在二分查找的过程中，保持不变量，这也就是**循环不变量** （感兴趣的同学可以查一查）
+要在二分查找的过程中，保持不变量，这也就是**循环不变量** （感兴趣的同学可以查一查）。
 
 ## 二分法第一种写法
 
-以这道题目来举例，以下的代码中我们定义 target 是在一个在左闭右闭的区间里，也就是[left, right]
+以这道题目来举例，以下的代码中定义 target 是在一个在左闭右闭的区间里，**也就是[left, right] （这个很重要）**。
+
+这就决定了这个二分法的代码如何去写，大家看如下代码：
 
-这就决定了我们 这个二分法的代码如何去写，大家看如下代码
+**大家要仔细看注释，思考为什么要写while(left <= right)， 为什么要写right = middle - 1**。
 
 ```
 class Solution {
 public:
     int searchInsert(vector<int>& nums, int target) {
         int n = nums.size();
         int left = 0;
-        int right = n - 1; // 我们定义target在左闭右闭的区间里，[left, right] 
+        int right = n - 1; // 定义target在左闭右闭的区间里，[left, right] 
         while (left <= right) { // 当left==right，区间[left, right]依然有效
             int middle = left + ((right - left) / 2);// 防止溢出 等同于(left + right)/2
             if (nums[middle] > target) {
@@ -105,27 +135,29 @@ public:
     }
 };
 ```
-时间复杂度：O(logn)
+时间复杂度：O(logn)  
 时间复杂度：O(1)
 
 效率如下：
 <img src='../pics/35_搜索插入位置2.png' width=600> </img></div>
 
 ## 二分法第二种写法
 
-如果说我们定义 target 是在一个在左闭右开的区间里，也就是[left, right) 
+如果说定义 target 是在一个在左闭右开的区间里，也就是[left, right) 。
 
 那么二分法的边界处理方式则截然不同。
 
 不变量是[left, right)的区间，如下代码可以看出是如何在循环中坚持不变量的。
 
+**大家要仔细看注释，思考为什么要写while (left < right)， 为什么要写right = middle**。
+
 ```
 class Solution {
 public:
     int searchInsert(vector<int>& nums, int target) {
         int n = nums.size();
         int left = 0;
-        int right = n; // 我们定义target在左闭右开的区间里，[left, right)  target
+        int right = n; // 定义target在左闭右开的区间里，[left, right)  target
         while (left < right) { // 因为left == right的时候，在[left, right)是无效的空间
             int middle = left + ((right - left) >> 1);
             if (nums[middle] > target) {
@@ -146,11 +178,17 @@ public:
 };
 ```
 
-时间复杂度：O(logn)
+时间复杂度：O(logn)  
 时间复杂度：O(1)
 
-## 总结 
-希望通过这道题目 ，可以帮助大家对二分法有更深的理解
+# 总结 
+
+希望通过这道题目，大家会发现平时写二分法，为什么总写不好，就是因为对区间定义不清楚。
+
+确定要查找的区间到底是左闭右开[left, right)，还是左闭又闭[left, right]，这就是不变量。
+
+然后在**二分查找的循环中，坚持循环不变量的原则**，很多细节问题，自然会知道如何处理了。
+
 
 > 更过算法干货文章持续更新，可以微信搜索「代码随想录」第一时间围观，关注后，回复「Java」「C++」 「python」「简历模板」「数据结构与算法」等等，就可以获得我多年整理的学习资料。
 

problems/0222.完全二叉树的节点个数.md

@@ -34,7 +34,6 @@ public:
     int countNodes(TreeNode* root) {
         queue<TreeNode*> que;
         if (root != NULL) que.push(root);
-        int count = 0;
         int result = 0;
         while (!que.empty()) {
             int size = que.size();

problems/0491.递增子序列.md

@@ -40,3 +40,49 @@ public:
     }
 };
 ```
+
+一位师弟在评论中对代码进行了改进，效率确实高了很多，优化后如图：
+
+<img src='../pics/491. 递增子序列2.png' width=600> </img></div>
+
+改动的地方主要是将去重的逻辑中把 unordered_set 改成了 数组。 
+
+用数组替换unordered_set 确实可以快很多，unordered_set底层符号表也是哈希表，理论上不应该差多少。
+
+估计程序运行的时候对unordered_set 频繁的insert，unordered_set需要做哈希映射（也就是把key通过hash function映射为唯一的哈希值）费了些时间。 
+
+用数组来做哈希，效率就高了很多，再加上题目中也说了，数值范围[-100,100]，所以用数组正合适。
+
+**这个事实告诉我们，使用哈希法的时候，条件允许的话，能用数组尽量用数组。**
+
+优化后的代码如下：
+
+```
+class Solution {
+private:
+void backtracking(vector<int>& nums, vector<vector<int>>& result, vector<int>& subseq, int startIndex) {
+    if (subseq.size() > 1) {
+        result.push_back(subseq);
+        // 注意这里不要加return，因为要取所有的可能
+    }
+    int hash[201] = {0}; // 这里使用数组来进行去重操作，题目说数值范围[-100, 100]
+    for (int i = startIndex; i < nums.size(); i++) {
+        if ((subseq.empty() || nums[i] >= subseq.back())
+                && hash[nums[i] + 100] == 0) {
+            subseq.push_back(nums[i]);
+            backtracking(nums, result, subseq, i + 1);
+            subseq.pop_back();
+            hash[nums[i]+100] = 1;
+        }
+    }
+}
+public:
+    vector<vector<int>> findSubsequences(vector<int>& nums) {
+        vector<vector<int>> result;
+        vector<int> subseq;
+        backtracking(nums, result, subseq, 0);
+        return result;
+    }
+};
+
+```