第 10 天
动态规划 Dynamic programming 记忆化搜索 Memory Search
这道题和斐波那契数列的题一样,只不过多了一个判断条件
递推公式:
if 最后两个数>25 or 最后两个数<10:
out(n) = out(n-1)
else:
out(n) = out(n-1) + out(n-2)
这里解释一下,当最后两个数大于25时它不能构成一个字母,只能由除了最后一个数字以外所有的可能+最后一个数字构成;当最后两个数小于10时,他为0X,0已经是一个字母了,0X的值等于X,所以和刚才的情况一样。
当最后两个数小于等于25,大于等于10时,这两个数可以拆开看也可以合起来看,有两种可能,拆开看是out(n-1),合起来看是out(n-2)。
class Solution:
def translateNum(self, num: int) -> int:
string = str(num)
n = len(string)
if n == 1:
return 1
if n == 2:
if num<=25:
return 2
return 1
index = 2
b = 1
if int(string[0:index])<=25:
a = 2
else:
a = 1
index = 3
while index <= n:
if int(string[index-2:index])>25 or int(string[index-2:index])<10:
a = a
b = a
else:
tem = a
a += b
b = tem
index += 1
return a
本题为最长子序列的题不过稍微做了一点更改,思路如下
设置keys = [],记录到目前为止没有重复的最长子串,先将第一个字符加入keys;并且设置length为keys的长度。从第二个字符开始搜索,如果遇到不充分字符,加入keys;遇到重复字符,将keys在重复字符处截断取后半部分。设置max参数用于实施记录length最大值。
class Solution:
def lengthOfLongestSubstring(self, s: str) -> int:
if s is "": return 0
n = len(s)
max_length = 1
keys = [s[0]]
for i in range(1,n):
for j in range(len(keys)):
if s[i] == keys[j]:
keys = keys[j+1:]
break
keys.append(s[i])
length = len(keys)
if max_length < length:
max_length = length
return max_length
大佬借助动态规划+哈希表可以将空间复杂的降低到O(n)
代码如下
class Solution: def lengthOfLongestSubstring(self, s: str) -> int: dic = {} res = tmp = 0 for j in range(len(s)): i = dic.get(s[j], -1) # 获取索引 i dic[s[j]] = j # 更新哈希表 tmp = tmp + 1 if tmp < j - i else j - i # dp[j - 1] -> dp[j] res = max(res, tmp) # max(dp[j - 1], dp[j]) return res