[javascript]

动态规划系列/动态规划之KMP字符匹配算法.md

@@ -430,41 +430,128 @@ KMP 算法也就是动态规划那点事，我们的公众号文章目录有一
 <p align='center'>
 <img src="../pictures/qrcode.jpg" width=200 >
 </p>
-
 ======其他语言代码======
+
+[28.实现 strStr()](https://leetcode-cn.com/problems/implement-strstr)
+
+### python
+
 [MoguCloud](https://github.com/MoguCloud) 提供 实现 strStr() 的 Python 完整代码：
-```py
+
+```python
 class Solution:
-    def strStr(self, haystack: str, needle: str) -> int:
-        # 边界条件判断
-        if not needle:
-            return 0
-        pat = needle
-        txt = haystack
-
-        M = len(pat)
-        # dp[状态][字符] = 下个状态
-        dp = [[0 for _ in range(256)] for _ in pat]
-        # base case
-        dp[0][ord(pat[0])] = 1
-        # 影子状态 X 初始化为 0
-        X = 0
-        for j in range(1, M):
-            for c in range(256):
-                dp[j][c] = dp[X][c]
-            dp[j][ord(pat[j])] = j + 1
-            # 更新影子状态
-            X = dp[X][ord(pat[j])]
-    
+  def strStr(self, haystack: str, needle: str) -> int:
+    # 边界条件判断
+    if not needle:
+      return 0
+    pat = needle
+    txt = haystack
+
+    M = len(pat)
+    # dp[状态][字符] = 下个状态
+    dp = [[0 for _ in range(256)] for _ in pat]
+    # base case
+    dp[0][ord(pat[0])] = 1
+    # 影子状态 X 初始化为 0
+    X = 0
+    for j in range(1, M):
+      for c in range(256):
+        dp[j][c] = dp[X][c]
+        dp[j][ord(pat[j])] = j + 1
+        # 更新影子状态
+        X = dp[X][ord(pat[j])]
+
         N = len(txt)
         # pat 初始状态为 0 
         j = 0
         for i in range(N):
-            # 计算 pat 的下一个状态
-            j = dp[j][ord(txt[i])]
-            # 到达终止态，返回结果
-            if j == M:
-                return i - M + 1
-        # 没到达终止态，匹配失败
-        return -1
+          # 计算 pat 的下一个状态
+          j = dp[j][ord(txt[i])]
+          # 到达终止态，返回结果
+          if j == M:
+            return i - M + 1
+          # 没到达终止态，匹配失败
+          return -1
 ```
+
+
+
+### javascript
+
+```js
+class KMP {
+  constructor(pat) {
+    this.pat = pat;
+    let m = pat.length;
+
+    // dp[状态][字符] = 下个状态  初始化一个m*256的整数矩阵
+    this.dp = new Array(m);
+    for (let i = 0; i < m; i++) {
+      this.dp[i] = new Array(256);
+      this.dp[i].fill(0, 0, 256);
+    }
+
+    // base case
+    this.dp[0][this.pat[0].charCodeAt()] = 1;
+
+    // 影子状态X 初始为0
+    let x = 0;
+
+    // 构建状态转移图
+    for (let j = 1; j < m; j++) {
+      for (let c = 0; c < 256; c++) {
+        this.dp[j][c] = this.dp[x][c];
+      }
+
+      // dp[][对应的ASCII码]
+      this.dp[j][this.pat[j].charCodeAt()] = j + 1;
+
+      // 更新影子状态
+      x = this.dp[x][this.pat[j].charCodeAt()]
+    }
+  }
+
+  search(txt) {
+
+    let m = this.pat.length;
+    let n = txt.length;
+
+    // pat的初始态为0
+    let j = 0;
+    for (let i = 0; i < n; i++) {
+      // 计算pat的下一个状态
+      j = this.dp[j][txt[i].charCodeAt()];
+
+      // 到达终止态 返回结果
+      if (j === m) return i - m + 1;
+    }
+
+    // 没到终止态 匹配失败
+    return -1;
+  }
+
+}
+
+/**
+ * @param {string} haystack
+ * @param {string} needle
+ * @return {number}
+ */
+var strStr = function(haystack, needle) { 
+  if(haystack === ""){
+    if(needle !== ""){
+      return -1;
+    }
+    return 0;
+  }
+
+  if(needle === ""){
+    return 0;
+  }
+  let kmp = new KMP(needle);
+  return kmp.search(haystack)
+};
+```
+
+
+

动态规划系列/动态规划之博弈问题.md

@@ -214,14 +214,9 @@ int stoneGame(int[] piles) {
 <p align='center'>
 <img src="../pictures/qrcode.jpg" width=200 >
 </p>
-
 ======其他语言代码======
 
-
-
-
-
-* python3版本
+### python
 
 由[SCUHZS](https://github.com/brucecat)提供
 
@@ -287,7 +282,9 @@ class Solution:
 
 ```
 
-* C++ 版本
+
+
+### C++ 版本
 
 由 [TCeason](https://github.com/TCeason) 提供
 
@@ -328,3 +325,112 @@ public:
 
 ```
 
+
+
+### javascript
+
+由[SCUHZS](https://github.com/brucecat)提供
+
+**1、暴力递归解**
+
+```js
+/**
+ * 返回[i,j]上先手所能取得的最优决策的值
+ * @param piles
+ * @param i
+ * @param j
+ * @return {number|*}
+ */
+var f=function(piles,i,j) {
+  if(i===j){ //如果i===j,只有一个元素，那么先手只能选它
+    return piles[i]
+  }
+  //否则 有2种情况：
+  //1  先选i，之后在[i+1,j]上后手进行最优选择
+  //2  先选j，之后在[i,j-1]上后手进行最优选择
+  return Math.max(piles[i]+s(i+1,j),piles[j]+s(i,j-1))
+}
+/**
+ *返回[i,j]上后手所能取得的最优决策的值
+ * @param piles
+ * @param i
+ * @param j
+ * @return {number}
+ */
+var s=function(piles,i,j) {
+  if(i===j){ //如果i===j,只有一个元素，那么后手没有选，只能为0
+    return 0
+  }
+  //对于这种双方都是绝顶聪明的人，数据一开始对于双方都是可见的，那么数据一确定，先后手一确定，那么结果就已经确定了
+  //先手选的人会把最优解选了，那么剩给后手的只有最差的情况
+  //所以后手的人虽然能从剩下的之中进行最优决策，但结果确是命中注定的了，只能是最差的
+  //所以返回[i+1,j] [i,j-1]上进行最优选择的最小值
+  //这也说明了先手的人在大概率下会赢得游戏（在某些情况下先手必赢，比如本题的情况：具体分析看官方解析）
+  return Math.min(f(i+1,j),f(i,j-1))
+}
+/**
+ *
+ * @param piles
+ * @return {boolean}
+ */
+var stoneGame = function(piles) {
+  return f(0,piles.length-1)>s(0,piles.length-1) //亚历克斯先选和李后选得到的最大值做比较
+};
+```
+
+**2、动态规划dp做法**
+
+这里采取的是三维的做法
+
+```js
+var stoneGame = function (piles) {
+    let n = piles.length;
+
+    // 初始化一个n*n的矩阵 dp数组
+    let dp = []
+    for (let i = 0; i < n; i++) {
+        dp[i] = []
+    }
+
+    // 在三角区域填充
+    for (let i = 0; i < n; i++) {
+        for (let j = i; j < n; j++) {
+            dp[i][j] = [0, 0]
+        }
+    }
+
+
+    // 填入base case
+    for (let i = 0; i < n; i++) {
+        dp[i][i][0] = piles[i];
+        dp[i][i][1] = 0;
+    }
+
+    // 斜着遍历数组
+    for (let l = 2; l <= n; l++) {
+        for (let i = 0; i <= n - 1; i++) {
+            let j = l + i - 1;
+
+            // 先手选择最左边或最右边的分数
+            let left = piles[i] + dp[i + 1][j][1];
+            let right = piles[j] + dp[i][j - 1][1];
+
+            // 套用状态转移方程
+            if (left > right) {
+                dp[i][j][0] = left;
+                dp[i][j][1] = dp[i + 1][j][0];
+            } else {
+                dp[i][j][0] = right;
+                dp[i][j][1] = dp[i][j - 1][0];
+            }
+        }
+    }
+
+    let res = dp[0][n - 1];
+    return res[0] - res[1]
+};
+```
+
+
+
+### 

动态规划系列/动态规划之四键键盘.md

@@ -146,7 +146,7 @@ dp[i] = dp[i - 1] + 1;
 但是，如果要按 `C-V`，还要考虑之前是在哪里 `C-A C-C` 的。
 
 **刚才说了，最优的操作序列一定是 `C-A C-C` 接着若干 `C-V`，所以我们用一个变量 `j` 作为若干 `C-V` 的起点**。那么 `j` 之前的 2 个操作就应该是 `C-A C-C` 了：
- 
+
 ```java
 public int maxA(int N) {
     int[] dp = new int[N + 1];
@@ -200,4 +200,60 @@ def dp(n, a_num, copy):
 <img src="../pictures/qrcode.jpg" width=200 >
 </p>
 
-======其他语言代码======
+======其他语言代码======
+
+### javascript
+
+[651.四键键盘](https://leetcode-cn.com/problems/4-keys-keyboard)
+
+**1、第一种思路**
+
+```js
+let maxA = function (N) {
+    // 备忘录
+    let memo = {}
+
+    let dp = function (n, a_num, copy) {
+        if (n <= 0) {
+            return a_num;
+        }
+
+        let key = n + ',' + a_num + ',' + copy
+        // 避免计算重叠子问题
+        if (memo[key] !== undefined) {
+            return memo[key]
+        }
+
+        memo[key] = Math.max(
+            dp(n - 1, a_num + 1, copy),    // A
+            dp(n - 1, a_num + copy, copy), // C-V
+            dp(n - 2, a_num, a_num)        // C-A C-C
+        )
+
+        return memo[key]
+    }
+
+    return dp(N, 0, 0)
+}
+```
+
+**2、第二种思路**
+
+```js
+var maxA = function (N) {
+    let dp = new Array(N + 1);
+    dp[0] = 0;
+    for (let i = 1; i <= N; i++) {
+        // 按A键盘
+        dp[i] = dp[i - 1] + 1;
+        for (let j = 2; j < i; j++) {
+            // 全选 & 复制 dp[j-2]，连续粘贴 i - j 次
+            // 屏幕上共 dp[j - 2] * (i - j + 1) 个 A
+            dp[i] = Math.max(dp[i], dp[j - 2] * (i - (j - 2) - 1));
+        }
+    }
+    // N 次按键之后最多有几个 A？
+    return dp[N];
+}
+```
+