动态规划的实现（一）——LeetCode198、53题

最新推荐文章于 2024-09-28 10:34:40 发布

usst_ls

最新推荐文章于 2024-09-28 10:34:40 发布

阅读量139

点赞数

分类专栏： LeetCode 文章标签： leetcode 数据结构

本文链接：https://blog.csdn.net/SunnyL00V/article/details/107898945

版权

LeetCode 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

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)