算法：动态规划

一般思路

解决动态规划问题：

• 写出状态表示
• 写出状态转移方程
  • Base情况
  • 一般情况
• 状态压缩——减小空间复杂度

198. 打家劫舍

对于每个i，维护抢还是不抢两个状态

买卖股票

状态表示

• 天数 i 、交易次数 k 、是否持有股票
• dp[i][k][0] 表示第i天，交易了k次，手上没有股票
• dp[i][k][1] 表示第i天，交易了k次，手上持有股票

状态方程

• $dp[i][k][0]=max(dp[i-1][k][0],dp[i-1][k][1]+price[i])$
  手上没有，或者卖了
• $dp[i][k][1]=max(dp[i-1][k-1][0],dp[i-1][k-1][0]-price[i])$
  手上有，或者买进

base case

• $dp[i][0][0]=0$
• $dp[i][0][1]=-inf$
• $dp[-1][k][0]=0$
• $dp[-1][k][1]=-inf$

121. 买卖股票的最佳时机

求差的最大值，每次计算先前最大与当前最大的最大。

122. 买卖股票的最佳时机 II

尽可能多买，就遇到差价就买

123. 买卖股票的最佳时机 III

交易两次的话，从头到尾看一次，从尾到头看一次。然后结合起来找最优。
相当于找左边与右边的最优。

子序列问题

状态表示的多样性:

• 一维dp[i]
  • 当前长度的最优解
  • 以当前nums[i]结尾数组的最优解
• 二维：dp[i][j]
  • nums[i:j]这个数组的最优解
  • 两个数组，数组nums1[:i],nums2[:j]的最优解

状态转移方程：

• base case可以扩增长度，避免i-1的问题

1143. 最长公共子序列

• 状态表示：dp[i][j] 表示数组1到i,数组2到j时最长公共子序列的长度
• 状态转移：
  $dp[i][j]=dp[i-1][j-1]+1ifnums1[i]=nums2[j]$
  $else=\max (dp[i-1][j],dp[i][j-1])$

300. 最长上升子序列

• 思路1：先排序，然后计算两个排序前后两个数组的最长公共子序列、$O(N^2)$
• 思路2：$O(N^2)$
  • 状态表示：dp[i]表示以nums[i]为结尾上升子序列的长度。【所以答案是max(dp[i])】
  • 状态转移：$dp[i]=max(dp[j]+1,j<i)ifnums[i]>nums[j]$
• 思路3：二分查找？$O(NlogN)$

516. 最长回文子序列

• 状态表示：$dp[i[[j]$表示数组nums[i:j+1]的最长回文子序列的长度
• 状态转移：
  • $dp[i][j]=dp[i+1][j-1]+2ifnums[i]=nums[j]$
  • else: $dp[i][j]=max(dp[i+1][j],dp[i][j-1])$

53. 最大子序和

• 状态表示：$dp[i]$表示以$nums[i]$为结尾的子序数组
• 状态转移：$dp[i]=max(dp[i-1]+nums[i],nums[i])$

背包问题

0-1背包问题是，对于一个承重W的背包，有N个物品，每个物品有对应的重量以及价值。怎么装才能获得最大价值？

• 状态表示：$dp[i][j]$表示前i个物品，承重j时的最大价值
• 状态转移方程：$dp[i][j]=max(dp[i-1][j],dp[i-1][j-nums[i])$ if j -nums[i] >=0
• 边界情况:都是0，要考虑i-1越界的情况。

背包问题的变体：

416. 分割等和子集

变成背包问题，但不需要考虑价值，只考虑能不能装（true or false）

322. 零钱兑换

状态表示：$dp[i]$，amount为i时最少硬币数。
状态转移方程：$dp[i]=min(dp[i-c],forcincoins)+1$

518. 零钱兑换 II

状态表示:$dp[i][j]$:使用前i个硬币，金额为j时的组合数
状态转移：$dp[i][j]=dp[i-1][j]+dp[i][j-coins[i]]$