2301_79881188的博客

解法（动态规划）算法流程1.状态表⽰：这道题可以「根据题⽬的要求」直接定义出状态表⽰： dp[i] 表⽰：第i个泰波那契数的值。2.状态转移⽅程：题⽬已经⾮常贴⼼的告诉我们了：3.初始化：从我们的递推公式可以看出，dp[i]在i = 0以及i = 1的时候是没有办法进⾏推导的，因为 dp[-2]或dp[-1]不是⼀个有效的数据。因此我们需要在填表之前，将 0, 1, 2位置的值初始化。题⽬中已经告诉我们4.填表顺序：毫⽆疑问是「从左往右」。5.

解法（动态规划）：算法思路：1.状态表⽰：对于这种「路径类」的问题，我们的状态表⽰⼀般有两种形式：i.从 [i, j]位置出发，巴拉巴拉；ii.从起始位置出发，到达 [i, j]位置，巴拉巴拉。这⾥选择第⼆种定义状态表⽰的⽅式：dp[i][j]表⽰：⾛到[i, j]位置处，⼀共有多少种⽅式。2.状态转移⽅程：简单分析⼀下。如果dp[i][j]表⽰到达[i, j]位置的⽅法数，那么到达 [i, j] 位置之前的⼀⼩步，有两种情况：i.

解法（动态规划）：算法思路：1.状态表⽰：对于简单的线性dp，我们可以⽤「经验 + 题⽬要求」来定义状态表⽰：i.以某个位置为结尾，巴拉巴拉；ii.以某个位置为起点，巴拉巴拉。这⾥我们选择⽐较常⽤的⽅式，以某个位置为结尾，结合题⽬要求，定义⼀个状态表⽰：dp[i]表⽰：选择到i位置时，此时的最⻓预约时⻓。但是我们这个题在 i位置的时候，会⾯临「选择」或者「不选择」两种抉择，所依赖的状态需要细分：▪。

解法（动态规划）：算法思路：1.状态表⽰：对于线性dp，我们可以⽤「经验 + 题⽬要求」来定义状态表⽰：i.以某个位置为结尾，巴拉巴拉；ii.以某个位置为起点，巴拉巴拉。这⾥我们选择⽐较常⽤的⽅式，以「某个位置为结尾」，结合「题⽬要求」，定义⼀个状态表⽰：dp[i]表⽰：以i位置元素为结尾的「所有⼦数组」中和的最⼤和。2.状态转移⽅程：dp[i]的所有可能可以分为以下两种：i.⼦数组的⻓度为 1 ：此时 dp[i] = nums[i]；ii.

解法（动态规划）：算法思路：1.状态表⽰：对于线性dp，我们可以⽤「经验 + 题⽬要求」来定义状态表⽰：i.以某个位置为结尾，巴拉巴拉；ii.以某个位置为起点，巴拉巴拉。这⾥我们选择⽐较常⽤的⽅式，以某个位置为结尾，结合题⽬要求，定义⼀个状态表⽰：dp[i]表⽰：以i位置元素为结尾的「所有⼦序列」中，最⻓递增⼦序列的⻓度。2.状态转移⽅程：对于 dp[i] ，我们可以根据「⼦序列的构成⽅式」，进⾏分类讨论：i.

解法（动态规划）：算法思路：我们可以先「预处理」⼀下，将所有⼦串「是否回⽂」的信息统计在dp 表⾥⾯，然后直接在表⾥⾯统计 true的个数即可。1.状态表⽰：为了能表⽰出来所有的⼦串，我们可以创建⼀个n * n的⼆维dp 表，只⽤到「上三⻆部分」即可。其中， dp[i][j]表⽰：s字符串[i, j]的⼦串，是否是回⽂串。2.状态转移⽅程：对于回⽂串，我们⼀般分析⼀个「区间两头」的元素：i.当 s[i]!

解法（动态规划）：算法思路：1.状态表⽰：对于两个数组的动态规划，我们的定义状态表⽰的经验就是：i.选取第⼀个数组 [0, i]区间以及第⼆个数组[0, j]区间作为研究对象；ii.结合题⽬要求，定义状态表⽰。在这道题中，我们根据定义状态表⽰为：dp[i][j]表⽰：s1的[0, i]区间以及s2的[0, j]区间内的所有的⼦序列中，最⻓公共⼦序列的⻓度。2.状态转移⽅程：分析状态转移⽅程的经验就是根据「最后⼀个位置」的状况，分情况讨论。对于。

背包问题概述背包问题概述背包问题 (Knapsack problem) 是⼀种组合优化的NP完全问题。问题可以描述为：给定⼀组物品，每种物品都有⾃⼰的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最⾼。根据物品的个数，分为如下⼏类：•01 背包问题：每个物品只有⼀个•完全背包问题：每个物品有⽆限多个•多重背包问题：每件物品最多有 si 个•混合背包问题：每个物品会有上⾯三种情况......•。