动态规划的实现（二）---LeetCode面试题08.01与17.16

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158

点赞数 1

分类专栏： LeetCode 文章标签：动态规划 leetcode

本文链接：https://blog.csdn.net/SunnyL00V/article/details/108078687

版权

LeetCode 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

08.01三步问题

## 主要思路：

假设现在求到i阶阶梯的方法种数dp[i]，可以考虑它的上一步，分为三种情况：从i-1阶迈一步到达，i-1阶的方法数dp[i-1]；从i-2阶一次上2阶到达，方法数dp[i-2]；从i-3阶一次上3阶到达，方法数dp[i-3]。因此dp[i]=dp[i-1]+dp[i-2]+dp[i-3]为状态转移方程。

class Solution:
    def waysToStep(self, n: int) -> int:
        if n<3:
            return n
        if n==3:
            return 4
        dp=[0]*(n+1)
        dp[0],dp[1],dp[2],dp[3]=0,1,2,4
        for i in range(4,n+1):
            dp[i]=(dp[i-1]+dp[i-2]+dp[i-3])%1000000007
        return dp[n]

17.16 按摩师

主要思路：
dp[i-1]代表请求序列长度为i时的最优解，也就是最长分钟数。
序列长度为1时，dp[0]=nums[0]
序列长度为2时，dp[1]=max(nums[0],nums[1])
序列长度为3时，dp[2]=max(nums[1],nums[0]+nums[2]) //因为要保证不能相邻，所以三个元素要么选中间一个，要么选第一个与第三个的和，两者比较选最大值
序列长度为4时，dp[3]=max(dp[2],dp[1]+nums[3]) 如果选择nums[3],nums[2]一定不能选，最大长度为0~1 的最大长度即dp[1]加上nums[3]；如果不选nums[3]，最大长度即为0~2 的最长时间dp[2]；两种情况选择最大。
状态转移方程为dp[i]=max(dp[i-1],dp[i-2]+nums[i])。

class Solution:
    def massage(self, nums: List[int]) -> int:
        if not nums:
            return 0
     
        dp=[0 for _ in nums]
        if len(nums)==1:
            return nums[0]
        if len(nums)==2:
            return max(nums[1],nums[0])
        dp[0]=nums[0]
        dp[1]=max(nums[1],nums[0])
        for i in range(2,len(nums)):
            dp[i]=max(dp[i-1],dp[i-2]+nums[i])
        return dp[-1]

自己写的有点复杂，看了官方的答案，果然够简洁又明了

class Solution:
    def massage(self, nums: List[int]) -> int:   
        last,now=0,0
        for num in nums:
            last,now=now,max(last+num,now)
        return now