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
-
d
p
[
i
]
[
k
]
[
0
]
=
m
a
x
(
d
p
[
i
−
1
]
[
k
]
[
0
]
,
d
p
[
i
−
1
]
[
k
]
[
1
]
+
p
r
i
c
e
[
i
]
)
dp[i][k][0] = max(dp[i-1][k][0], dp[i-1][k][1] +price[i])
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 -
d
p
[
i
]
[
k
]
[
1
]
=
m
a
x
(
d
p
[
i
−
1
]
[
k
−
1
]
[
0
]
,
d
p
[
i
−
1
]
[
k
−
1
]
[
0
]
−
p
r
i
c
e
[
i
]
)
dp[i][k][1] = max(dp[i-1][k-1][0] ,dp[i-1][k-1][0] - price[i])
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
- d p [ i ] [ 0 ] [ 0 ] = 0 dp[i][0][0] = 0 dp[i][0][0]=0
- d p [ i ] [ 0 ] [ 1 ] = − i n f dp[i][0][1] = - inf dp[i][0][1]=−inf
- d p [ − 1 ] [ k ] [ 0 ] = 0 dp[-1][k][0] = 0 dp[−1][k][0]=0
- d p [ − 1 ] [ k ] [ 1 ] = − i n f dp[-1][k][1] = - inf 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:
d p [ i ] [ j ] = d p [ i − 1 ] [ j − 1 ] + 1 i f n u m s 1 [ i ] = n u m s 2 [ j ] dp[i][j] = dp[i-1][j-1]+1 \quad if\quad nums1[i]=nums2[j] dp[i][j]=dp[i−1][j−1]+1ifnums1[i]=nums2[j]
e l s e = max ( d p [ i − 1 ] [ j ] , d p [ i ] [ j − 1 ] ) else=\max(dp[i-1][j],dp[i][j-1]) 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 ) O(N^2) O(N2)
- 思路2:
O
(
N
2
)
O(N^2)
O(N2)
- 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: d p [ i ] = m a x ( d p [ j ] + 1 , j < i ) i f n u m s [ i ] > n u m s [ j ] dp[i] = max(dp[j] + 1,j < i) \quad if \quad nums[i] > nums[j] dp[i]=max(dp[j]+1,j<i)ifnums[i]>nums[j]
- 思路3:二分查找? O ( N l o g N ) O(NlogN) O(NlogN)
516. 最长回文子序列
- 状态表示: d p [ i [ [ j ] dp[i[[j] 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:
- d p [ i ] [ j ] = d p [ i + 1 ] [ j − 1 ] + 2 i f n u m s [ i ] = n u m s [ j ] dp[i][j] =dp[i+1][j-1] + 2 \quad if\quad nums[i]=nums[j] dp[i][j]=dp[i+1][j−1]+2ifnums[i]=nums[j]
- else: d p [ i ] [ j ] = m a x ( d p [ i + 1 ] [ j ] , d p [ i ] [ j − 1 ] ) dp[i][j] =max(dp[i+1][j],dp[i][j-1]) dp[i][j]=max(dp[i+1][j],dp[i][j−1])
53. 最大子序和
- 状态表示: d p [ i ] dp[i] dp[i]表示以 n u m s [ i ] nums[i] nums[i]为结尾的子序数组
- 状态转移: d p [ i ] = m a x ( d p [ i − 1 ] + n u m s [ i ] , n u m s [ i ] ) dp[i] =max(dp[i-1]+nums[i],nums[i]) 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: d p [ i ] [ j ] dp[i][j] 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: d p [ i ] [ j ] = m a x ( d p [ i − 1 ] [ j ] , d p [ i − 1 ] [ j − n u m s [ i ] ) dp[i][j] = max(dp[i-1][j],dp[i-1][j-nums[i]) 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:
d
p
[
i
]
dp[i]
dp[i],amount为i时最少硬币数。
状态转移方程:
d
p
[
i
]
=
m
i
n
(
d
p
[
i
−
c
]
,
f
o
r
c
i
n
c
o
i
n
s
)
+
1
dp[i] = min(dp[i-c],for \quad c\quad in \quad coins)+1
dp[i]=min(dp[i−c],forcincoins)+1
518. 零钱兑换 II
状态表示:
d
p
[
i
]
[
j
]
dp[i][j]
dp[i][j]:使用前i个硬币,金额为j时的组合数
状态转移:
d
p
[
i
]
[
j
]
=
d
p
[
i
−
1
]
[
j
]
+
d
p
[
i
]
[
j
−
c
o
i
n
s
[
i
]
]
dp[i][j] = dp[i-1][j] + dp[i][j-coins[i]]
dp[i][j]=dp[i−1][j]+dp[i][j−coins[i]]