在整數陣列中，如果一個整數的出現頻次和它的數值大小相等，我們就稱這個整數為「幸運數」。
給你一個整數陣列 arr，請你從中找出並返回一個幸運數。
如果陣列中存在多個幸運數，只需返回 最大 的那個。
解釋：陣列中的唯一幸運數是 2，因為數值 2 出現的頻次也是 2。
本道題主要考察 JavaScript 中的 Map 資料結構的使用。
第一步：利用 Map 可以來統計每個數字出現的次數。
第二步：從 Map 中找出次數出現相同並且數值最大的數。
時間複雜度 O(n)，空間複雜度 O(n)。
n 名士兵站成一排。每個士兵都有一個 獨一無二 的評分 rating 。
每 3 個士兵可以組成一個作戰單位，分組規則如下：
從隊伍中選出下標分別為 i、j、k 的 3 名士兵，他們的評分分別為 rating[i]、rating[j]、rating[k]
作戰單位需滿足：rating[i] < rating[j] < rating[k] 或者 rating[i] > rating[j] > rating[k] ，其中 0 <= i < j < k < n
請你返回按上述條件可以組建的作戰單位數量。每個士兵都可以是多個作戰單位的一部分。
輸入：rating = [2, 5, 3, 4, 1]
解釋：可以組建三個作戰單位（2, 3, 4）（5, 3, 1）（5, 4, 1）
由於本道題的陣列長度給定的範圍非常小，嘗試了一下暴露列舉竟然過了。
時間複雜度 O(n^3)。
總共要求有三個士兵，那麼可以以中間的士兵為參考點，向兩邊尋找滿足要求的士兵。
這實際上就是利用雙指標技巧來降維，時間複雜度優化為 O(n^2)。
請你實現一個類 UndergroundSystem ，它支援以下 3 種方法：
1. checkIn(int id, string stationName, int t)
編號為 id 的乘客在 t 時刻進入地鐵站 stationName 。
2. checkOut(int id, string stationName, int t)
編號為 id 的乘客在 t 時刻離開地鐵站 stationName 。
3. getAverageTime(string startStation, string endStation)
返回從地鐵站 startStation 到地鐵站 endStation 的平均花費時間。
平均時間計算的行程包括當前為止所有從 startStation 直接到達 endStation 的行程。
呼叫 getAverageTime 時，詢問的路線至少包含一趟行程。
你可以假設所有對 checkIn 和 checkOut 的呼叫都是符合邏輯的。也就是說，如果一個顧客在 t1 時刻到達某個地鐵站，那麼他離開的時間 t2 一定滿足 t2 > t1 。所有的事件都按時間順序給出。
看完本道題的描述，大部分 coder 都會想到利用 HashMap 來統計，但是要統計哪些資訊來方便 getAverageTime 方法計算呢？
首先，對於任意一個乘客，他必然是先進再出，依次迴圈，那麼當我們拿到他出站的資訊時，只需要保留進站和出站的時間間隔即可，之前的進站和出站資訊可以刪除掉，不然再統計該乘客後續的進出站就比較麻煩了。
最後執行 getAverageTime 方法時，利用進站和出站資訊查詢 HashMap 計算和值即可。
空間複雜度 O(n)，checkIn 和 checkOut 的時間複雜度為 O(1)，getAverageTime 的時間複雜度為 O(n)。
給你兩個長度為 n 的字串 s1 和 s2 ，以及一個字串 evil 。請你返回 好字串 的數目。
好字串 的定義為：它的長度為 n ，字典序大於等於 s1 ，字典序小於等於 s2 ，且不包含 evil 為子字串。
由於答案可能很大，請你返回答案對 10^9 + 7 取餘的結果。
輸入：n = 2, s1 = 'aa', s2 = 'da', evil = 'b'
解釋：總共有 25 個以 'a' 開頭的好字串：'aa'，'ac'，'ad'，...，'az'。還有 25 個以 'c' 開頭的好字串：'ca'，'cc'，'cd'，...，'cz'。最後，還有一個以 'd' 開頭的好字串：'da'。
本題涉及兩個知識點：
首先，我們可以將 evil 這個條件忽略，如何求解 [s1, s2] 之間的所有字串？
比較容易想到的思路是：判斷上下限，暴力列舉出所有情況。
這個方法存在兩個問題：
在列舉的過程中，同時處理上下限是比較複雜的
暴力列舉會出現很多重複列舉的情況，效率低
對於第一個問題：可以將這個問題轉為更加簡單的形式，先求解出字典序小於等於 s1，再求解出字典序小於等於 s2，那麼結果就是 s2 - s1 + 1。
對於第二個問題：從高位開始列舉結合記憶化優化重複列舉操作，這就是數位 DP。
本題難點在於：不包含 evil 字串。
這就需要 KMP 演算法中的 next 陣列來幫助我們記錄當前字串是否匹配上 evil 字串。
那麼在數位 DP 的過程中，我們需要新增一個當前匹配上 evil 字元長度的狀態，並且在列舉的過程中利用 KMP 的 next 陣列來求解當前匹配上的字元。
