动态规划，贪心算法，回溯算法
-
- 不要求序列元素在原数组中连续
- 原数组取出来后，重新排序连续即可
-
- 要求原字符串连续
-
- 和盛水最多容器区别在于这个柱子可以不为0，雨水量不能相乘,盛水最多容器的话可以相乘
-
- 与字母异位词分组(leetcode)的区别在于，一个是字符串，一个是数组，数组中是字符串
- 这个是两个字符
-
最小覆盖子串(leetcode)
和找到子符串中所有字母的异位词(leetcode)进行比较:- 相同点:
- 都是从字符串中找子串
- 不同点:
- 当前的是子串里面可以有其它字符，而另一个要求不能有其它字符；这就导致，虽然两者都用到词频，但是前这是在连续的字符串上建词频，而当前的是可以在不连续的字符串上建词频。所以前者比较的是词频是否相等，当前的比较的是有效的字符数量是否相等（只有当某个字符的频率大于等于目标字符的个数时，才算一次有效）。
- 相同点:
-
- 人家要的是最小的正数，而不是连续的最小的正数
-
- 与环形链表(leetcode)的区别在于，这个是返回pos，那个是返回判断是否有环True或者False
-
- 与跳跃游戏(leetcode)相比，这个是返回最小的跳的次数，那个是返回是否能跳
背包问题（Knapsack problem）是一种组合优化的问题。它可以描述如下：假设有一个背包，它能承受的最大重量是 W，现在有 n 个物品，每个物品都有各自的重量 w1, w2, …, wn 和价值 v1, v2, …, vn。问如何选择装入背包的物品，使得背包中的物品总价值最大，同时不超过背包的最大承重。 背包问题有多种变体，其中最经典的是以下两种：
- 0-1背包问题：每种物品仅有一件，可以选择放或不放。
- 完全背包问题：每种物品有无限件，可以选择放任意件，包括不放。