update content

Author: labuladong

动态规划系列/动态规划之博弈问题.md

@@ -36,7 +36,7 @@
 
 这样推广之后就变成了一道难度比较高的动态规划问题了，力扣第 486 题「预测赢家」就是一道类似的问题：
 
-![](https://labuladong.github.io/pictures/博弈问题/title.jpg)
+<Problem slug="predict-the-winner" />
 
 函数签名如下：
 

动态规划系列/动态规划设计：最长递增子序列.md

@@ -234,7 +234,7 @@ int lengthOfLIS(int[] nums) {
 
 我们看一个经常出现在生活中的有趣问题，力扣第 354 题「俄罗斯套娃信封问题」，先看下题目：
 
-![](https://labuladong.github.io/pictures/信封嵌套/title.png)
+<Problem slug="russian-doll-envelopes" />
 
 **这道题目其实是最长递增子序列的一个变种，因为每次合法的嵌套是大的套小的，相当于在二维平面中找一个最长递增的子序列，其长度就是最多能嵌套的信封个数**。
 

动态规划系列/单词拼接.md

@@ -38,7 +38,7 @@
 
 首先看下力扣第 139 题「单词拆分」：
 
-![](https://labuladong.github.io/pictures/单词拆分/title.jpg)
+<Problem slug="word-break" />
 
 函数签名如下：
 
@@ -348,7 +348,7 @@ class Solution {
 
 有了上一道题的铺垫，力扣第 140 题「单词拆分 II」就容易多了，先看下题目：
 
-![](https://labuladong.github.io/pictures/单词拆分/title2.jpg)
+<Problem slug="word-break-ii" />
 
 相较上一题，这道题不是单单问你 `s` 是否能被拼出，还要问你是怎么拼的，其实只要把之前的解法稍微改一改就可以解决这道题。
 

动态规划系列/团灭股票问题.md

@@ -54,7 +54,7 @@ int maxProfit(vector<int>& prices) {
 
 这 6 道题目是有共性的，我们只需要抽出来力扣第 188 题「买卖股票的最佳时机 IV」进行研究，因为这道题是最泛化的形式，其他的问题都是这个形式的简化，看下题目：
 
-![](https://labuladong.github.io/pictures/股票问题/title.png)
+<Problem slug="best-time-to-buy-and-sell-stock-iv" />
 
 第一题是只进行一次交易，相当于 `k = 1`；第二题是不限交易次数，相当于 `k = +infinity`（正无穷）；第三题是只进行 2 次交易，相当于 `k = 2`；剩下两道也是不限次数，但是加了交易「冷冻期」和「手续费」的额外条件，其实就是第二题的变种，都很容易处理。
 
@@ -181,7 +181,7 @@ dp[i][k][1] = max(dp[i-1][k][1], dp[i-1][k-1][0] - prices[i])
 
 **第一题，先说力扣第 121 题「买卖股票的最佳时机」，相当于 `k = 1` 的情况**：
 
-![](https://labuladong.github.io/pictures/股票问题/title1.png)
+<Problem slug="best-time-to-buy-and-sell-stock" />
 
 直接套状态转移方程，根据 base case，可以做一些化简：
 
@@ -270,7 +270,7 @@ int maxProfit_k_1(int[] prices) {
 
 **第二题，看一下力扣第 122 题「买卖股票的最佳时机 II」，也就是 `k` 为正无穷的情况**：
 
-![](https://labuladong.github.io/pictures/股票问题/title2.png)
+<Problem slug="best-time-to-buy-and-sell-stock-ii" />
 
 题目还专门强调可以在同一天出售，但我觉得这个条件纯属多余，如果当天买当天卖，那利润当然就是 0，这不是和没有进行交易是一样的吗？这道题的特点在于没有给出交易总数 `k` 的限制，也就相当于 `k` 为正无穷。
 
@@ -322,7 +322,7 @@ int maxProfit_k_inf(int[] prices) {
 
 **第三题，看力扣第 309 题「最佳买卖股票时机含冷冻期」，也就是 `k` 为正无穷，但含有交易冷冻期的情况**：
 
-![](https://labuladong.github.io/pictures/股票问题/title3.png)
+<Problem slug="best-time-to-buy-and-sell-stock-with-cooldown" />
 
 和上一道题一样的，只不过每次 `sell` 之后要等一天才能继续交易，只要把这个特点融入上一题的状态转移方程即可：
 
@@ -381,7 +381,7 @@ int maxProfit_with_cool(int[] prices) {
 
 **第四题，看力扣第 714 题「买卖股票的最佳时机含手续费」，也就是 `k` 为正无穷且考虑交易手续费的情况**：
 
-![](https://labuladong.github.io/pictures/股票问题/title4.png)
+<Problem slug="best-time-to-buy-and-sell-stock-with-transaction-fee" />
 
 每次交易要支付手续费，只要把手续费从利润中减去即可，改写方程：
 
@@ -435,7 +435,7 @@ int maxProfit_with_fee(int[] prices, int fee) {
 
 **第五题，看力扣第 123 题「买卖股票的最佳时机 III」，也就是 `k = 2` 的情况**：
 
-![](https://labuladong.github.io/pictures/股票问题/title5.png)
+<Problem slug="best-time-to-buy-and-sell-stock-iii" />
 
 `k = 2` 和前面题目的情况稍微不同，因为上面的情况都和 `k` 的关系不太大：要么 `k` 是正无穷，状态转移和 `k` 没关系了；要么 `k = 1`，跟 `k = 0` 这个 base case 挨得近，最后也没有存在感。
 
@@ -547,7 +547,7 @@ int maxProfit_k_2(int[] prices) {
 
 **第六题，看力扣第 188 题「买卖股票的最佳时机 IV」，即 `k` 可以是题目给定的任何数的情况**：
 
-![](https://labuladong.github.io/pictures/股票问题/title.png)
+<Problem slug="best-time-to-buy-and-sell-stock-iv" />
 
 有了上一题 `k = 2` 的铺垫，这题应该和上一题的第一个解法没啥区别，你把上一题的 `k = 2` 换成题目输入的 `k` 就行了。
 

动态规划系列/编辑距离.md

@@ -31,7 +31,7 @@
 
 力扣第 72 题「编辑距离」就是这个问题，先看下题目：
 
-![](https://labuladong.github.io/pictures/editDistance/title.png)
+<Problem slug="edit-distance" />
 
 函数签名如下：
 

数据结构系列/BST1.md

@@ -64,7 +64,7 @@ void traverse(TreeNode root) {
 
 这是力扣第 230 题「二叉搜索树中第 K 小的元素」，看下题目：
 
-![](https://labuladong.github.io/pictures/BST1/title.png)
+<Problem slug="kth-smallest-element-in-a-bst" />
 
 这个需求很常见吧，一个直接的思路就是升序排序，然后找第 `k` 个元素呗。BST 的中序遍历其实就是升序排序的结果，找第 `k` 个元素肯定不是什么难事。
 
@@ -152,7 +152,7 @@ class TreeNode {
 
 力扣第 538 题和 1038 题都是这道题，完全一样，你可以把它们一块做掉。看下题目：
 
-![](https://labuladong.github.io/pictures/BST1/title1.png)
+<Problem slug="convert-bst-to-greater-tree" />
 
 题目应该不难理解，比如图中的节点 5，转化成累加树的话，比 5 大的节点有 6，7，8，加上 5 本身，所以累加树上这个节点的值应该是 5+6+7+8=26。
 

数据结构系列/dijkstra算法.md

@@ -503,7 +503,7 @@ Dijkstra 算法的时间复杂度是多少？你去网上查，可能会告诉
 
 第一题是力扣第 743 题「网络延迟时间」，题目如下：
 
-![](https://labuladong.github.io/pictures/dijkstra/title1.jpg)
+<Problem slug="network-delay-time" />
 
 函数签名如下：
 
@@ -615,7 +615,7 @@ int[] dijkstra(int start, List<int[]>[] graph) {
 
 感觉这道题完全没有难度，下面我们再看一道题目，力扣第 1631 题「最小体力消耗路径」：
 
-![](https://labuladong.github.io/pictures/dijkstra/title2.jpg)
+<Problem slug="path-with-minimum-effort" />
 
 函数签名如下：
 
@@ -747,7 +747,7 @@ int minimumEffortPath(int[][] heights) {
 
 最后看一道题吧，力扣第 1514 题「概率最大的路径」，看下题目：
 
-![](https://labuladong.github.io/pictures/dijkstra/title3.jpg)
+<Problem slug="path-with-maximum-probability" />
 
 函数签名如下：
 

数据结构系列/二叉树系列1.md

@@ -162,7 +162,7 @@ TreeNode invertTree(TreeNode root) {
 
 这是力扣第 116 题「填充每个二叉树节点的右侧指针」，看下题目：
 
-![](https://labuladong.github.io/pictures/二叉树系列/title1.png)
+<Problem slug="populating-next-right-pointers-in-each-node" />
 
 函数签名如下：
 
@@ -255,7 +255,7 @@ void traverse(Node node1, Node node2) {
 
 这是力扣第 114 题「将二叉树展开为链表」，看下题目：
 
-![](https://labuladong.github.io/pictures/二叉树系列/title2.png)
+<Problem slug="flatten-binary-tree-to-linked-list" />
 
 函数签名如下：
 

数据结构系列/二叉树系列2.md

@@ -52,7 +52,7 @@
 
 先来道简单的，这是力扣第 654 题「最大二叉树」，题目如下：
 
-![](https://labuladong.github.io/pictures/二叉树系列2/title1.png)
+<Problem slug="maximum-binary-tree" />
 
 函数签名如下：
 
@@ -148,7 +148,7 @@ TreeNode build(int[] nums, int lo, int hi) {
 
 力扣第 105 题「从前序和中序遍历序列构造二叉树」就是这道经典题目，面试笔试中常考：
 
-![](https://labuladong.github.io/pictures/二叉树系列2/title3.png)
+<Problem slug="construct-binary-tree-from-preorder-and-inorder-traversal" />
 
 函数签名如下：
 
@@ -339,7 +339,7 @@ TreeNode build(int[] preorder, int preStart, int preEnd,
 
 类似上一题，这次我们利用**后序**和**中序**遍历的结果数组来还原二叉树，这是力扣第 106 题「从后序和中序遍历序列构造二叉树」：
 
-![](https://labuladong.github.io/pictures/二叉树系列2/title2.png)
+<Problem slug="construct-binary-tree-from-inorder-and-postorder-traversal" />
 
 函数签名如下：
 

数据结构系列/单调栈.md

@@ -79,7 +79,7 @@ int[] nextGreaterElement(int[] nums) {
 
 单调栈的使用技巧差不多了，首先来一个简单的变形，力扣第 496 题「下一个更大元素 I」：
 
-![](https://labuladong.github.io/pictures/单调栈/title.jpg)
+<Problem slug="next-greater-element-i" />
 
 这道题给你输入两个数组 `nums1` 和 `nums2`，让你求 `nums1` 中的元素在 `nums2` 中的下一个更大元素，函数签名如下：