知识点

1. DFS深度优先算法可以解决的问题，我们其实也可以使用Union-Find算法来进行解决。
2. 将二维坐标映射到一维常用方法：二维坐标(x,y)可以转换成x * n + y这个数（m是棋盘的行数，n是棋盘的列数）
3. 上下左右搜索：可以使用一个方向数组int[][] d = new int[][]{{1,0}, {0,1}, {0,-1}, {-1,0}};

LeetCode算法题

1. LeetCode算法题
   1. 130.【被环绕的区域】
      解题思路：边和角上的0肯定不被X完全包围不需要替换，并且和边、角上0相连通的0肯定不需要替换。因此，思路1：使用for遍历棋盘的边，使用DFS，将边、角的0和与边、角的0相连通的0替换为特殊字符例如#；然后遍历整个棋盘，替换剩下的0为X；最后，遍历棋盘，将#还原为0，算法结束。思路2：使用Union-Find算法实现，该方法比较复杂，效率不如DFS，仅做拔高。
2. 指定算法题：
   1. 判定合法算式：给你一个数组equations，装着若干字符串表示的算式。每个算式equations[i]长度都是 4，而且只有这两种情况：a==b或者a!=b，其中a,b可以是任意小写字母。你写一个算法，如果equations中所有算式都不会互相冲突，返回 true，否则返回 false。
      解题思路：我们可以将原问题拆解成图的动态连通性问题，==关系就是建立动态连通性，!=关系就是破坏连通性，则该题真实目的为，如果!=没有破坏==建立的动态连通性，则返回true，否则返回false。
3. LRU算法的实现
   1. LRU算法是什么
      LRU全名Least Recently Used，最近最少使用原则。LRU算法是一种缓存淘汰算法
      计算机中缓存的存储资源有限，如果缓存用尽就必须清除部分内容，因此我们需要使用缓存淘汰算法来决定哪些数据要保存，哪些数据要淘汰。
   2. LeetCode题目
      1. 146.【LRU缓存机制】
         解题思路：
         要满足put和get方法时间复杂度为O(1)，则cache的数据结构必须满足：1、cache中的元素必须有序，顺序为时序，用以区分最近使用的和没有使用的；2、cache必须可以快速查找到某个元素；3、每次访问cache中的某个key，需要将这个元素变为最近使用的。
         哈希表查找快，但是数据无固定顺序；链表有顺序之分，插入删除快，但是查找慢，因此我们使用两者的结合哈希链表。LRU缓存算法的核心数据结构就是哈希链表，双向链表和哈希表的结合体