口诀
- 01背包 dp[j] 代表物品[i]可以装入的物品最大价值 先物品后背包 背包从大到小
- 完全背包 dp[j]
- 求组合数 先物品后背包 背包从小到大
- 求排列数 先背包后物品 从小到大
1.完全平方数
-
做题前发现有点遗忘问题的定义以及解法 今天先回顾背包的问题
-
完全背包:有N件物品放入背包重量为W中,此时每个物品可以放入背包多次,求将哪些物品放入背包中价值总和最大
- 物品可重复装入 且 背包容量为n —— 完全背包问题
- 求的是最少数量 因此不要求求组合或者排列数 因此遍历顺序均可以
- 组合数:外层遍历物品 内层遍历背包
- 排列数:外层遍历背包 内层遍历物品
class Solution(object):
def numSquares(self, n):
"""
:type n: int
:rtype: int
"""
# 完全平方数
# 找组成n的最少数量 商品价值为1
# 物品可重复装入 且 背包容量为n —— 完全背包问题
# 求的是最少数量 因此不要求求组合或者排列数 因此遍历顺序均可以
# 组合数:外层遍历物品 内层遍历背包
# 排列数:外层遍历背包 内层遍历物品
# dp[j] 物品i装入容量j的背包中 所装的最少数量
#
# 1.初始化 因为求最小值 初始化为最大值 且dp[n]有值
dp = [float("inf")] * (n + 1)
dp[0] = 0
dp[1] = 1
# 完全背包 先物品后背包 背包从小到大
# 注意这里的物品的取值和背包的取值
for i in range(1, int(n ** 0.5) + 1):
for j in range(i * i, n + 1):
# 凑足j- i*i 的最少数量为dp[j-i*i],只要再加上1个(i的平方数)就可以凑成j
dp[j] = min(dp[j], dp[j - i*i] + 1)
#print(i, dp)
return dp[n]
2.零钱兑换
class Solution(object):
def coinChange(self, coins, amount):
"""
:type coins: List[int]
:type amount: int
:rtype: int
"""
# 硬币数量是无限 —— 完全背包问题
# 求组合数 先物品后背包 背包从小到大
if amount == 0:
return 0
dp = [float("inf")] * (amount + 1)
dp[0] = 0
for i in range(len(coins)):
for j in range(coins[i], amount + 1):
dp[j] = min(dp[j], dp[j - coins[i]] + 1)
if dp[amount] == float("inf"):
return -1
else :
return dp[amount]
3.单词拆分
class Solution(object):
def wordBreak(self, s, wordDict):
"""
:type s: str
:type wordDict: List[str]
:rtype: bool
"""
# 单词重复出现 - 完全背包问题
# 单词拆分 有先后顺序为排列数
# 排列数 先背包后物品
# dp[j] 指的是s[:j]能否被拼接
dp = [ False ] * (len(s) + 1)
# dp[0]就是递推的根基,dp[0]一定要为true,否则递推下去后面都都是false了
dp[0] = True # 这里的dp[0]只是为了推导公式因为题目说了为非空子串
for j in range(0,len(s) + 1):
for i in range(0,j): # 物品相当于组成j的字符串
# 只有当i:j的字符串位于字典 且0:i-1的字符可以被拼接 这个j才可以被拼接
if s[i:j] in wordDict and dp[i]:
dp[j] = True
return dp[-1]
4.最长递增子序列
class Solution(object):
def lengthOfLIS(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
# dp[i] 以nums[i]结尾的时候最长的递增子序列长度
if len(nums) == 1: return 1
dp = [1] * len(nums)
# 注意这里要找的是非连续的
for i in range(0,len(nums)):
for j in range(0, i):
if nums[i] > nums[j]:
dp[i] = max(dp[i], dp[j] + 1)
# 注意返回的值是整个数组中最大的,因为最长子序列并不一定是以nums[-1]结尾的
return max(dp)
# for i in range(len(nums)-1):
# if nums[i + 1] > nums[i]:
# dp[i+1] = dp[i]+1 这是找连续的
# return max(dp)
5.乘积最大的子数组
class Solution(object):
def maxProduct(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
# 由于乘积会因为数字本身的正负影响 因此不仅需要最大的dp 还需要最小的dp
# dp[i] 为包含第nums[i]结尾的最大子数组乘积
if len(nums) == 1: return nums[0]
dp_max = nums[:]
dp_min = nums[:]
for i in range(1, len(nums)):
# 要想到比较的值应该是3个
dp_max[i] = max(nums[i], dp_max[i-1] * nums[i], dp_min[i-1]* nums[i])
dp_min[i] = min(nums[i], dp_max[i-1] * nums[i], dp_min[i-1]* nums[i])
return max(dp_max)
6.分割等和子集
class Solution(object):
def canPartition(self, nums):
"""
:type nums: List[int]
:rtype: bool
"""
# 思路:其实找到子数组和为sum/2就行
# 相当于0-1背包 每个物品只能装一次 背包容量为 sum/ 2
if sum(nums) % 2 != 0 or len(nums) <= 1:
return False
bag = sum(nums) / 2
# dp[0] = nums[0] 这是错误的 考虑到dp[j]的定义
# dp[0] 是背包容量为0的时候装入的物品价值
# 指的是背包容量为j的时候 装入物品0到i的最大价值
# 01背包 先物品 后背包 背包从大到小
dp = [0] * (bag + 1)
for i in nums:
for j in range(bag, i - 1, -1):
# 是否要装入该物品
dp[j] = max(dp[j], dp[j - i] + i)
return dp[bag] == bag
7.最长有效括号
- 思路:最重要的是dp[j] 指代的是有效括号以i结尾的字符中 最长的有效括号长度
- 代码链接
class Solution(object):
def longestValidParentheses(self, s):
"""
:type s: str
:rtype: int
"""
# dp[i] 指的是有效括号结尾为i的字符中 最长的有效括号长度
if len(s) <= 1 : return 0
dp = [0] * len(s)
dp[0] = 0
if s[0] == "(" and s[1] == ")":
dp[1] = 2
for i in range(2, len(s)):
if s[i] == "(":
#此时字符串一定不有效
dp[i] = 0
elif s[i] == ")" and s[i - 1] == "(":
dp[i] = dp[i-2] + 2 # 匹配的字符为上一个字符
# 下一次则寻找最近的上一个匹配的括号在哪里
elif s[i] == ")" and i - dp[i-1] - 1 >= 0 and s[i - dp[i-1] - 1] == "(":
# 首先 明确 s[i-1]s[i] = "))"
# 因此dp[i-1]为 以s[i-1]结尾的的最长有效括号长度 那么最近的这个"(", 下标为 i - (dp[i-1]) -1
# 那么当前的长度 两部分 dp[i-1]的最长括号 + dp[i - dp[i-1] - 2]前的长度+2
dp[i] = dp[i - dp[i-1] - 2] + 2 + dp[i - 1]
return max(dp)
8.不同路径
class Solution(object):
def uniquePaths(self, m, n):
"""
:type m: int
:type n: int
:rtype: int
"""
# 思路:动态规划
# dp[i][j] 指的是到达(i,j)位置的路径数目
if m == 1 or n==1: return 1
dp = [[0] * n for _ in range(m)] # 初始化方法明确
# 对于行列初始化为1
for i in range(m):
dp[i][0] = 1
for j in range(n):
dp[0][j] = 1
for i in range(1, m):
for j in range(1, n):
dp[i][j] = dp[i][j-1] + dp[i-1][j]
return dp[-1][-1]
9.最小路径和
class Solution(object):
def minPathSum(self, grid):
"""
:type grid: List[List[int]]
:rtype: int
"""
m = len(grid)
n = len(grid[0])
dp = [[0] * n for _ in range(m)] # 初始化方法明确
# 对于行列初始化为1
dp[0][0] = grid[0][0]
for i in range(1, m):
dp[i][0] = dp[i-1][0] + grid[i][0]
for j in range(1, n):
dp[0][j] = dp[0][j - 1] + grid[0][j]
for i in range(1, m):
for j in range(1, n):
dp[i][j] = min(dp[i][j-1]+grid[i][j], grid[i][j] + dp[i-1][j])
return dp[-1][-1]
10.最长回文子串
class Solution(object):
def longestPalindrome(self, s):
"""
:type s: str
:rtype: str
"""
# 思路 中心扩展法
# 从两边往中间看
# 返回的是 l和r区间范围内两端相同的字符串
def palidrome(s, l, r):
while l >= 0 and r < len(s) and s[l] == s[r]:
l -= 1
r += 1
return s[l+1:r]
max_str = ""
max_num = 0
for i in range(len(s)):
dan_str = palidrome(s, i, i) # 取出单子符串
print(dan_str)
if len(dan_str) > max_num:
max_num = len(dan_str)
max_str = dan_str
ou_str = palidrome(s, i, i + 1)
if len(ou_str) > max_num:
max_num = len(ou_str)
max_str = ou_str
return max_str