动态规划的实现(一)
leetcode198题:打家劫舍问题
这是一道经典的动态规划问题,当然也可以用别的算法来解决,比如暴力枚举,或者是使用贪心算法来求出最后的结果,但是这些方法都没有动态规划要来的简单,将原问题分为子问题,找到状态转移方程,这里分为两种情况:第i间房屋被偷,那么第i-1间不被偷,此时金额总数为dp[i-2]+nums[i];第i间不被偷,此时金额总数为dp[i-1];两种情况下选择金额的最大值,即所要求的的结果。
class Solution {
public:
int rob(vector<int>& nums) {
if(nums.size()==0)
{
return 0;
}
if(nums.size()==1)
{
return nums[0];
}
vector<int>dp(nums.size(),0);
dp[0]=nums[0];
dp[1]=max(nums[0],nums[1]);
for(int i=2;i<nums.size();i++)
{
dp[i]=max(nums[i]+dp[i-2],dp[i-1]);
}
return dp[nums.size()-1];
}
};
LeetCode53题:最大子序和问题
最大子序和问题的关键是状态转移方程怎么构思,这里将dp[i]认为是以i为结尾的子序列,从右往左,考虑dp[i-1]是否小于零,这样来保证求得的最大和的序列是连续的,如果dp[i-1]<0,则不用加它,也就是dp[i]=max(nums[i],nums[i]+dp[i-1]);max_res用来记录最大的那个子序列的和。
class Solution {
public:
int maxSubArray(vector<int>& nums) {
vector<int>dp(nums.size(),0);
dp[0]=nums[0];
int max_res=dp[0];
for (int i=0;i<nums.size();i++)
{
dp[i]=max(nums[i],nums[i]+dp[i-1]);
if (dp[i]>max_res)
{
max_res=dp[i];
}
}
return max_res;
}
};
Python的代码真的是简洁啊~
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
for i in range(1,len(nums)):
nums[i]=max(nums[i-1]+nums[i],nums[i])
return max(nums)