动态规划(DP)
动态规划是面试中最常被问道的题目,但是一般情况下的都是常见的一些题目.
1. 最长上升子序列
题目: 最长上升子序列问题是在一个无序的给定序列中找到一个尽可能长的由低到高排列的子序列,这种子序列不一定是连续的或者唯一的.
解析:
dp[j]: 表示以j结尾的最长子序列的长度,
dp[j] = max(dp[j], dp[i]+1) if(a[i]<d[j]) {i in [1,j]}
return max(dp[1-n])
使用二分查找可以得到O(nlog)的算法,这里就不给出,思路也很简单,读者自行查询.
int lis(vector<int> &nums) {
if(nums.size() == 0) return 0;
memset(dp,0,sizeof(dp));
int ans = 1;
dp[0] = 1;
for(int i=0;i<nums.size();i++){
dp[i] = 1;
for(int j=0;j<i;j++){
if(nums[j] < nums[i]){
dp[i] = max(dp[i],dp[j]+1);
}
}
ans = max(ans,dp[i]);
}
return ans;
}
2. 最长公共子序列
题目: 给出两个字符串,找到最长公共子序列(LCS),返回LCS的长度。
解析:
dp[i][j]: 表示以i和j结尾的最长序列的长度.
dp[i][j] = max(dp[i-1][j], dp[i][j-1]) if(a[i] != b[j])
dp[i][j] = dp[i-1][j-1] + 1 if(a[i]==b[j])
int lcs(string &A, string &B) {
int dp[A.size()+1][B.size()+1] = {0};
for(int i=1;i<=A.size();i++){
for(int j=1;j<=B.size();j++){
dp[i][j] = max(dp[i-1][j],dp[i][j-1]);
if(A[i-1] == B[j-1]){
dp[i][j] = max(dp[i][j],dp[i-1][j-1]+1);
}
}
}
return dp[A.size()][B.size()];
}
3. 最长整除子集
题目: 给定一个n个正整数的数组, 找出最长的子序列,使得序列中每一个较小的数都能整除较大的数.
Example:
Input : arr[] = {10, 5, 3, 15, 20}
Output : 3
最长子序列: 10, 5, 20.
因为: 20能被整除10, 10能被5整除.
解析: 这个可以参考最长上升子序列, 首先排序数组.
dp[i]: 表示下标i结尾的,最长的子序列长度
if(a[j] % a[i] == 0) dp[j] = max(dp[j], dp[i]+1) j in [i+1, n]
int largeSubset(int a[], int n) {
sort(a, a+n);
int dp[n] = {0};
dp[0] = 1;
for(int j = 1; j < n; j++) {
for(int i = 0; i < j; i++) {
if(a[j] % a[i] == 0) {
dp[j] = max(dp[j], dp[i]+1);
}
}
}
return *max_element(dp, dp+n);
}
4. 背包问题
题目: 在n个物品中挑选若干物品装入背包,最多能装多满?假设背包的大小为m,每个物品的大小为A[i].
解析:
表示dp[m]能否装满, dp[m] = dp[m] | dp[m-A[i]])