动态规划练习题

343、整数拆分

虽然感觉用二维数组，但二维数组并不能拆，二维数组不能用那么就试试一维数组

class Solution {
public:
    int integerBreak(int n) {
        vector<int>dp(n+1, 1);
        if (n == 2) return 1;
        int ret = 0;
        for (int i = 3; i <= n; i++)
        {
            for (int j = 1; j < i; j++)
            {
                dp[i] = max(max(dp[i-j]*j,(i-j)*j),dp[i]);
            }
        }
        return dp[n];
    }
};

一、打家劫舍问题

198. 打家劫舍

初始化 dp[1]是前两个元素的最大值

dp[0] = nums[0];
dp[1] = max(nums[0], nums[1]);

213. 打家劫舍 II

环形
拆成两个上种类型的数组，第一个数组是从0到n-2 第二个数组是从1到n-1
然后求他们两个的最大值

二、买股票问题

121. 买卖股票的最佳时机

初始化时仅初始化从上面到下面的箭头就行

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        if (prices.size() == 1)
            return 0;
        vector<vector<int>>dp(prices.size(), vector<int>(2));
        dp[0][0] = 0;
        dp[0][1] = -prices[0];
        for (int i = 1; i < prices.size(); i++)
        {
            dp[i][0] = max(dp[i - 1][1]+prices[i],dp[i-1][0]);
            dp[i][1] = max(dp[i - 1][1],-prices[i]);
        }
        
        return dp[prices.size() - 1][0];
    }
};

122.买卖股票的最佳时机II

给你一个整数数组 prices ，其中 prices[i] 表示某支股票第 i 天的价格。

在每一天，你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买，然后在 同一天 出售。

返回 你能获得的 最大 利润 。

123. 买卖股票的最佳时机 III

给定一个数组，它的第 i 个元素是一支给定的股票在第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你最多可以完成 两笔 交易。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

利润最大一定是卖出时的状态，而每次卖出一定是第二次卖出的利润最大

return dp[prices.size() - 1][4];

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        if (prices.size() == 1)
            return 0;
        vector<vector<int>>dp(prices.size(), vector<int>(5)); 
        dp[0][1] = -prices[0];  //默认初始化为0 所以第一行和第一列不用初始化
        dp[0][3] = -prices[0];
        for (int i = 1; i < prices.size(); i++)
        {
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
            dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] + prices[i]);
            dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
            dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
        }
        
        return dp[prices.size() - 1][4];
    }
};

188.买卖股票的最佳时机IV

新加限制，最大为k笔，不是最多两笔了

和上面一样，最后不是2了改为k

309. 最佳买卖股票时机含冷冻期

给定一个整数数组prices，其中第 prices[i] 表示第 i 天的股票价格 。​

设计一个算法计算出最大利润。在满足以下约束条件下，你可以尽可能地完成更多的交易（多次买卖一支股票）:

卖出股票后，你无法在第二天买入股票 (即冷冻期为 1 天)。
注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

输入: prices = [1,2,3,0,2]
输出: 3
解释: 对应的交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]

日子是有冷冻期的，因此必须要有冷冻期，不能仅没有股票和右股票

714. 买卖股票的最佳时机含手续费

给定一个整数数组 prices，其中 prices[i]表示第 i 天的股票价格 ；整数 fee 代表了交易股票的手续费用。

你可以无限次地完成交易，但是你每笔交易都需要付手续费。如果你已经购买了一个股票，在卖出它之前你就不能再继续购买股票了。

返回获得利润的最大值。

注意：这里的一笔交易指买入持有并卖出股票的整个过程，每笔交易你只需要为支付一次手续费。

加个减去手续费的过程

买卖股票总结

三、子序列问题

1、300.最长递增子序列

给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。

子序列是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。

示例 1： 输入：nums = [10,9,2,5,3,7,101,18] 输出：4 解释：最长递增子序列是 [2,3,7,101]，因此长度为 4 。

示例 2： 输入：nums = [0,1,0,3,2,3] 输出：4

示例 3： 输入：nums = [7,7,7,7,7,7,7] 输出：1

输入：nums = [10,9,2,5,3,7,101,18] 输出：4 解释：最长递增子序列是 [2,3,7,101]，因此长度为 4 。

不需要连续

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        vector<int>v(nums.size(), 1);
        int minIndex = -1;
        for (int i = 1; i < nums.size(); i++)
        {
            for (int j = 0; j < i; j++)
            {
                
                if(minIndex!= -1)  //如果mininde还是-1 那么能跑就跑
                    minIndex = nums[j] < nums[i]&& v[minIndex]<v[j] ? j : minIndex;
                else//minidex不是-1了那么就要考虑哪个大了
                    minIndex = nums[j] < nums[i] ? j : minIndex;
            }
            
            v[i] = minIndex==-1?1:v[minIndex] + 1;
            minIndex = -1;
        }

        int maxret = 1;
        for (int j = 0; j < nums.size(); j++)
        {
            maxret = max(v[j], maxret);
        }
        return maxret;

    }
};

优化

2、最长重复子数组

输入：nums1 = [1,2,3,2,1], nums2 = [3,2,1,4,7]
输出：3
解释：长度最长的公共子数组是 [3,2,1] 。

公共的要看前面的已有的状态，用二维数组表示，

如果前面相等了，那两个数组都会向后移动一位，那么在二维数组上体现在是在斜对角上，因此
dp[i][j] = dp[i - 1][j - 1] + 1;

最开始代码

优化后

3、最长公共子序列

text1 = “abcde”, text2 = “ace” 输出：3 解释：最长公共子序列是 “ace”，它的长度为 3。

“ace” 是 “abcde” 的子序列，但 “aec” 不是 “abcde” 的子序列
要求顺序是一样的，中间可以有其他元素在里面

注意这个题和上面题的差别
这个题对下标异常严格

dp[i][j]表示的是两个字符串前面的最大公共子序列

如果当前两个比较相同 是前面dp[i-1][j-1]的值+1

如果不相同，max(dp[i][j-1],dp[i-1][j])

这里还是有点模糊

4、不相交的线

我们在两条独立的水平线上按给定的顺序写下 A 和 B 中的整数。

现在，我们可以绘制一些连接两个数字 A[i] 和 B[j] 的直线，只要 A[i] == B[j]，且我们绘制的直线不与任何其他连线（非水平线）相交。

以这种方法绘制线条，并返回我们可以绘制的最大连线数。

和上面的题一模一样

5、最大子序和

示例: 输入: [-2,1,-3,4,-1,2,1,-5,4] 输出: 6 解释: 连续子数组 [4,-1,2,1] 的和最大，为 6

需要连续，可以一个数

注意，dp[i-1]就是i-1和之前的最好状态

分析i的状态那就要看到i有几种路
1、既然dp[i-1]是之前的最好状态，那么我当前元素加入dp[i-1]+nums[i]
2、当前元素不加入，我直接是开头dp[i]=nums[i]

上面两条路求最大值，我不用管前面是怎么样的，我只知道现在的我有几种路可以选择

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        vector<int>dp(nums.size() + 1, -10000);
        int ret = -10000;
        for (int i = 1; i <= nums.size(); i++)
        {
            dp[i] = max(dp[i - 1] + nums[i-1], nums[i-1]);
            ret = max(ret, dp[i]);
        }
        return ret;

    }
};

注意最小值INT_MIN再加负数就会变成超级大的正数

6、判断子序列（注意）

"ace"是"abcde"的一个子序列，而"aec"不是

示例 1： 输入：s = “abc”, t = “ahbgdc” 输出：true

示例 2： 输入：s = “axc”, t = “ahbgdc” 输出：false

经典重现，当前位置dp[i-1]是前面的最长的子序列，然而这个题不是这样的

这是两个数组，一个数组是完全用到的，一个元素添加上看对整个局势的影响 因此 这个题很类似背包的问题

但又完全不是，可以借鉴最长公共子序列的解法

dp[i][j]表示的是从0到i和从0到j的最大公共子序列的长度，这里可以用一眼的做法，只要到最后长度是最小的数组的长度就可以了、

 if (s[i - 1] == t[j - 1]) dp[i][j] = dp[i - 1][j - 1] + 1;
 else dp[i][j] = dp[i][j - 1];

为什么可以有个平行的箭头，删除上面不一样的元素，就回退到前面
相对顺序不会有影响，b获得的永远在a的下边

7、不同的子序列

给定一个字符串 s 和一个字符串 t ，计算在 s 的子序列中 t 出现的个数。

字符串的一个 子序列 是指，通过删除一些（也可以不删除）字符且不干扰剩余字符相对位置所组成的新字符串。（例如，“ACE” 是 “ABCDE” 的一个子序列，而 “AEC” 不是）

这道题目如果不是子序列，而是要求连续序列的，那就可以考虑用KMP。

转换一下，

8、两个字符串的删除操作

找公共相同的最长长度最小步数
sea和eat最长的为ea，需要删两次才能一样。也就是找公共最长长度，然后两个单词长度分别减公共最长长度，然后加起来就是他们的最小步数。

思考过程

9. 编辑距离

给你两个单词 word1 和 word2，请你计算出将 word1 转换成 word2 所使用的最少操作数
你可以对一个单词进行如下三种操作：

• 插入一个字符
• 删除一个字符
• 替换一个字符

一样时直接等于斜上角，因为不用做任何变化
不一样时