1、找零问题
假设有多枚硬币(例如1、3、5),为达到目标值(例如23),求最少需要多少硬币数,若无论如何组合都达不到该目标值就返回-1。
解题思路:
首先思考如何得到dp(n)
代码实现如下:
def solution1(v: [int], t: int):
dp = [0, ] # dp[i]表示目标值为i时,硬币总数
for n in range(1, t+1):
tmp = -1
for coin in v:
if n >= coin and dp[n-coin] >= 0:
if tmp == -1:
tmp = dp[n-coin] + 1
else:
tmp = min(dp[n-coin]+1, tmp)
dp.append(tmp)
return dp[-1]
v = [1, 3, 5]
t = 23
print(solution1(v, t))
v表示硬币的类型有哪些,t为目标值。在一个for循环中,就是要获得目标值为n时,最少需要的硬币数,为dp[n]。
2、背包问题-1
假设背包的容量是m(例如9kg),已知有一堆物品的容量(例如分别是2、6、4、3kg),使用的物品数量不限,求能容纳的最大容量?
解题思路:
其实和题1差不多
代码如下:
def solution2(weight_list: [int], capacity: int):
dp = [0, ] # dp[i]表示容量为i的背包所能装的最大值
for n in range(1, capacity+1):
dp.append(dp[-1])
for weight in weight_list:
if n >= weight:
dp[n] = max(dp[n], dp[n-weight]+weight)
if dp[n] == n:
break
return dp[-1]
v = [2, 2, 4, 6, 3]
t = 9
print(solution2(v, t))
在这里需要注意的是,dp[n]<=n,所以在第二个循环内可以做一个判断;还有dp[n]>=dp[n-1]。
3、背包问题-2
假设背包的容量是,已知有一堆物品的容量以及对应的价值,使用的物品数量不限,求背包能装入的最大价值?
解题思路:
其实和题2差不多,只是评价的指标从容量变成了价值,限制是容量,评价指标是价值
代码如下:
def solution3(weight_list: [int], value_list: [int], capacity: int):
assert len(weight_list) == len(value_list)
dp = [0, ] # dp[i]表示容量为i的背包所能装的最大价值
for n in range(1, capacity+1):
dp.append(dp[-1])
for i in range(len(weight_list)):
if n >= weight_list[i]:
dp[n] = max(dp[n], dp[n-weight_list[i]]+value_list[i])
return dp[-1]
weight_list = [2, 3, 4]
value_list = [3, 4, 5]
t = 9
print(solution3(weight_list, value_list, t))
4、背包问题-3
假设背包的容量是,已知有一堆物品的容量以及对应的价值,使用的物品数量有限,求背包能装入的最大价值?
解题思路:
其实和题3差不多,只是使用的物品有限
代码如下:
def solution4(weight_list: [int], value_list: [int], capacity: int):
assert len(weight_list) == len(value_list)
dp = [0, ] * (capacity + 1) # dp[i]表示容量为i的背包所能装的最大价值
for i in range(len(weight_list)):
for n in range(capacity, 0, -1):
if n >= weight_list[i]:
dp[n] = max(dp[n], dp[n-weight_list[i]] + value_list[i])
return dp[-1]
weight_list = [3, 2, 1, 1, 4]
value_list = [5, 2, 4, 2, 10]
t = 8
print(solution4(weight_list, value_list, t))
第二个循环必须要逆序。
5、有一个二维数组,比如下图,从左上角到达右下角的最短路径是多少?
1 3 5 9
2 1 3 4
5 2 6 7
6 8 4 3
解题思路:
不考虑边界条件,状态转移方程如下,其中,dp[i][j]表示到达i,j位置的最短路径,matrix表示原始的维数组。代码如下:
def solution5(matrix: [[int]]):
line = len(matrix)
col = len(matrix[0])
dp = [0, ] * col
for i in range(0, line):
dp[0] += matrix[i][0]
for j in range(1, col):
dp[j] = min(dp[j-1], dp[j]) + matrix[i][j]
return dp[-1]
matrix = [[1, 3, 5, 9],
[2, 1, 3, 4],
[5, 2, 6, 7],
[6, 8, 4, 3]]
print(solution5(matrix))
可以用一个一维dp数组来存储二维dp数组的内容。
6、编辑距离
有两个字符串,如果对其中某个字符进行修改,让这个字符变成另一个字符,修改的方式包括增、删、改,请问最少的修改次数是多少?
解题思路:
递归方程如下
其中,flag=0 if A[i]==B[j] else 1
MED(A,i,B,j)表示分析A的第i个字符、B的第j个字符是,最少的编辑距离
代码如下:
def min3(a, b, c):
a = min(a, b)
return min(a, c)
def minEditDistanceDP(A, len_A, B, len_B):
# 对dp进行初始化
dp = []
for i in range(len_A+1):
dp.append([])
for j in range(len_B+1):
dp[len(dp)-1].append(0)
for i in range(0, len_A+1):
dp[i][0] = i
for j in range(0, len_B+1):
dp[0][j] = j
for i in range(len_A):
for j in range(len_B):
if A[i] == B[j]:
flag = 0
else:
flag = 1
dp[i+1][j+1] = min3(dp[i][j] + flag, dp[i+1][j]+1, dp[i][j+1]+1)
return dp[len_A][len_B]
7、最长公共子串
有两个字符串,从字符串1中从左往右依次取出若干字符成s1,同样从字符串2中从左往右依次取出若干字符成s2,使得s1与s2一模一样,求s1的最长可能长度?
解题思路:
状态转移方程如下
代码如下:
def MAX(values):
m = values[0]
for value in values[1:]:
if value > m:
m = value
return m
def LCS(A, B):
dp = []
for _ in range(len(A)):
dp.append([])
for _ in range(len(B)):
dp[-1].append(0)
for i in range(len(A)):
for j in range(len(B)):
flag = 0
if A[i] == B[j]:
flag = 1
dp[i][j] = MAX([dp[i-1][j-1] + flag, dp[i-1][j], dp[i][j-1]])
return dp[-1][-1]
s = "flaw"
t = "lawn"
print(LCS(s, t))
8、最大连续子序列之和
给定一个数组,寻找连续子数组是的它们的和最大?
解题思路:
假定已知数组是A,B[j]表示以A[j]结尾的最大连续子序列之和,关键是把B[j]和B[j-1]扯上关系,即状态转移方程
另外只需要把初始条件处理下就是了,因为只存在B[j]与B[j-1]的关系,所以就不需要一个数组B来保存中间量了。
代码如下:
def maxCS(arr: [int]):
if len(arr) == 0:
return 0
maxV = arr[0]
curMaxV = arr[0]
for i in range(1, len(arr)-1):
if curMaxV < 0:
curMaxV = arr[i]
else:
curMaxV += arr[i]
maxV = max(maxV, curMaxV)
return maxV
l = [1, -1, -2, 3, 5, -1, 4, -2]
print(maxCS(l))