文章目录
前言
在本文章中,我们将要详细介绍一下有关多状态dp问题的求解。采用动态规划解决。
213. 打家劫舍 II
题目分析
算法原理
1.状态表示
由于房子都是围成一圈的,我们偷了第一个屋子就不能偷取第二个屋子。
我们可以对此进行分类讨论。
⭐️从【0,n-2】位置进行一次打家劫舍
⭐️从【1,n-1】位置进行一次打家劫舍
列出dp表,dp表中值的含义是什么
这可以细分为两个表,因为经过该房间时不确定偷与不偷
⭐️ .f[i]表示到达i房间时,资金被偷
⭐️.g[i]表示到达i房间时,资金没有被偷
2.状态转移方程
根据最近一步划分问题
🌟 f[i]:i位置被偷,那么根据题目规定,i-1位置就不能被偷,这不就正好是g[i-1],再加上i位置被偷的资金;
🌟g[i]:i位置没有被偷,i-1位置我们不确定有没有被偷,所以需要分为两种情况,这两种情况取最大值
🐧.i-1位置也没有被偷,就是g[i-1]
🐧.i-1位置被偷了,就是f[i-1]
结论:
f[i]=g[i-1]+nums[i];
g[i]=max(g[i-1],f[i-1])
3.初始化
保证填表不越界
f[1]需要g[0]的值;g[1]需要g[0]和f[0]的值, 所以需要初始化g[0]和f[0].
不用开辟额外的空间,这道题目的初始化很简单。
注意:数组的下标和边界条件
4.填表顺序
两个表一起填,从左往右
5.返回值是什么
max(f[n-1],g[n-1]);
代码实现
class Solution {
public:
int n;
int _rob(vector<int>& nums,int begin,int end)
{
//建表
vector<int>f(n,0);
vector<int>g(n,0);
//初始化
f[begin]=nums[begin];
for(int i=begin+1;i<=end;i++)
{
f[i]=nums[i]+g[i-1];
g[i]=max(g[i-1],f[i-1]);
}
return max(f[end],g[end]);
}
int rob(vector<int>& nums)
{
n=nums.size();
if(n==0) return 0;
if(n==1) return nums[0];
return max(_rob(nums,0,n-2),_rob(nums,1,n-1));
}
};
740. 删除并获得点数
题目分析
算法原理
本题的关键是:
选择一个数之后,删除所有等于 nums[i] - 1和nums[i] + 1 的元素。
这不就和我们上面的题目很相似吗??
选择了这一个,旁边的两个不能选择。
但是这种情况下必须是有序的才好进行操作。
那我们就想办法把它变为有序,不就行了??
如何变化呢??
假设我们有这样一组数据nums【3,2,1,6,4,3】;
我们重开一个数组arr,范围是【0,数组最大值】;
我们就可以通过下标映射这个值,映射结果为:
【0,1,2,6,4,0,6】;
nums中有两个3,映射下来就是6,放到下标为3的位置。
根据数组arr进行一次打家劫舍就可以。
不需要再对数组nums进行操作了。
代码编写
class Solution {
public:
int deleteAndEarn(vector<int>& nums)
{
//预处理
//找出nums最大值
int Max=nums[0];
for(auto&e:nums)
{
Max=max(Max,e);
}
vector<int>arr(Max+1,0);
for(auto&e:nums)
{
arr[e]+=e;
}
//打家劫舍
vector<int>f(Max+1,0);
vector<int>g(Max+1,0);
for(int i=1;i<=Max;i++)
{
f[i]=arr[i]+g[i-1];
g[i]=max(f[i-1],g[i-1]);
}
return max(f[Max],g[Max]);
}
};
309. 买卖股票的最佳时机含冷冻期
算法原理
1.状态表示
列出dp表,dp表中值的含义是什么
dp[i]表示第i天之后此时的最大利润
由于第i天不确定具体状态,多状态dp问题
🌟 .dp[i][0]:手中有股票没有卖出,我们简单称为买入状态,此时的最大利润
🌟 .dp[i][1]:处于冷冻期,无法购买股票,我们称为冷冻期,此时的最大利润
🌟 .dp[i][2]:手中没有股票,也不处于冷冻期,此时的最大利润
2.状态转移方程
根据最近一步划分问题
根据状态表示,我们可以划分为9种不同的转换
🌟 .(i-1)天处于买入状态,第i天处于买入状态:这个是可以的,这一天啥也不干
🌟 .(i-1)天处于买入状态,第i天处于冷冻期状态:这个可以,就是这天把股票卖了,赚了钱,需要加上prices[i]的值(涉及利润)
🌟 .(i-1)天处于买入状态,第i天处于正常状态:这个不可以,你手中有股票,不处于正常状态,即使把股票卖了,也得先经过冷冻期才可以
🌟 .(i-1)天处于冷冻期状态,第i天处于冷冻期状态:这个不可以,冷冻期只能有一天
🌟 .(i-1)天处于冷冻期状态,第i天处于买入状态:这个不可以,冷冻期是不能买股票的
🌟 .(i-1)天处于冷冻期状态,第i天处于正常状态:这个可以,经过一天之后进入正常状态。
🌟 .(i-1)天处于正常状态,第i天处于正常状态:这个可以,感觉这个股票不好,等一等再买
🌟 .(i-1)天处于正常状态,第i天处于买入状态:这个可以,可以进行购买股票,买股票需要花钱,需要减去股票的钱pricesi
🌟 .(i-1)天处于正常状态,第i天处于冷冻期状态:这个不可以,冷冻期是在股票卖了之后才进入的
下面有个简图描述上面信息
箭头方向表示:从(i-1)天到第i天
3.初始化+边界条件
本题初始化比较简单,不需要创建虚拟节点了
dp[0][0]=-prices[0];这一天只买了股票,买是需要花钱的
dp[0][1]=0;买了有紧接着卖了,没有利润
dp[0][2]=0;
4.填表顺序
从左往右
5.返回值是什么
最后一天的最大收益有两种可能,而且一定是“不持有”状态下的两种可能,把这两种“不持有”比较一下大小,返回即可
max(dp[n-1][1],dp[n–1][2]);
代码实现
class Solution {
public:
int maxProfit(vector<int>& prices)
{
//建表
int n=prices.size();
if(n==0)
{
return 0;
}
vector<vector<int>>dp (n,vector<int>(3));
//初始化
dp[0][0]=-prices[0];
dp[0][1]=0;
dp[0][2]=0;
//填表
for(int i=1;i<n;i++)
{
dp[i][0]=max(dp[i-1][0],dp[i-1][2]-prices[i]);
dp[i][1]=dp[i-1][0]+prices[i];
dp[i][2]=max(dp[i-1][2],dp[i-1][1]);
}
//返回值
return max(dp[n-1][1],dp[n-1][2]);
}
};
188. 买卖股票的最佳时机 IV
题目解析
算法原理
1.状态表示
列出dp表,dp表中值的含义是什么
dp[i]:代表在第i天获得的最大利润
这个又可以细分为两种状况:
😾f[i]:第i天,手上有股票,处于买入状态,此时的最大利润。
😾g[i]:第i天,手上无股票,处于卖出状态,此时的最大利润。
题目中要求最多完成k笔交易:又可以细分
😾f[i][j]:在第i天,手上有股票,进行了j次交易,此时的最大利润
😾g[i][j]:在第i天,手上无股票,进行了j次交易,此时的最大利润
2.状态转移方程
dp[i]是什么,根据最近一步划分问题
多状态可以相互转化,画图
😾.在i-1天处于f状态,过了一天啥也不干,
此时最大利润,就是前一天的最大利润
😾.在i-1天处于g状态,过了一天啥也不干,此时最大利润,就是前一天的最大利润
😾.在i-1天处于g状态,第二天买了新股票,处于f状态,需要减去p[i],买东西要花钱,我们算的是利润
😾.在i-1天处于f状态,第二天卖出股票,处于g状态,买了就会有钱,但是这是在上一次交易到这一次交易获得的钱,需要用(j-1)次交易时的最大利润进行计算
f[i][j]=max(f[i-1][j],g[i-1[j]-p[i])
g[i][j]=max(g[i-1][j],f[i-1][j-1]+p[i])
3.初始化
g根据状态转移方程我们发现,我们需要初始化f第一行,g第一行和f的第一列。
我们能不能不对f第一列进行处理,只处理那两个呢??
通过修改状态转移方程实现:
g[i][j]=max(g[i-1][j],f[i-1][j-1]+p[i])
😾.当j>=1时,这个式子不会越界
😾.当j= =0时,会产生越界,那我们单独处理j==0的情况不就行了。
if(j==0) g[i][j]=g[i-1][j]
else g[i][j]=max(g[i-1][j],f[i-1][j-1]+p[i])
f和g表第一行初始化为神魔呢??
😾.首先看一下f表
🐯.f[0][0]:第一天有股票,那么肯定就购买了,就花钱了,所以f[0][0]=-p[0];
🐯.第一行其他位置初始化为0可不可以呢??
如果为零,g[i][j]=max(g[i-1][j],f[i-1][j-1]+p[i])。如果g[0][1]大于f[0][0]+p[i]就会对这个式子就会产生影响,所以这里值不存在,我们在求的时候不要干扰max,那我们设置一个最小值(INT_MIN)不就行。
如果是INT_MIN,对于这个表达式f[i][j]=max(f[i-1][j],g[i-1[j]-p[i]),最小值再减去一个值,就会发生越界。我们最好初始化为-0x3f3f3f3f(负整数的一半)。
emsp;😾.再看一下g表
🐯.g[0][0]:第一天无股票,啥也没干,g[0][0]=0;
🐯.对于其他位置,同上面f分析方式一致,初始化为-3f3f3f3f,这个也可以初始化为0,只要不影响就可以
如果是交易k笔次数:
若交易次数比(n/2)还大,那么剩下的就没有意义,需要对k进行缩小,因此我们可以将 k 取较小值之后再进行动态规划。
4.填表顺序
从上到下,从左往右,两个表一起填
5.返回值
我们只知道处于g状态,手上没有股票时利润才最大
但是具体交易几次利润最大我们不清楚。
返回的最大值需要在最后一行进行查找。
代码实现
class Solution {
public:
int maxProfit(int k, vector<int>& p)
{
int n=p.size();
//建表
vector<vector<int>>f(n,vector<int>(k+1,-0x3f3f3f));
vector<vector<int>>g(n,vector<int>(k+1,-0x3f3f3f));
//初始化
f[0][0]=-p[0];
g[0][0]=0;
//填表
for(int i=1;i<n;i++)
{
for(int j=0;j<=k;j++)
{
f[i][j]=max(f[i-1][j],g[i-1][j]-p[i]);
g[i][j]=g[i-1][j];
if(j-1>=0) g[i][j]=max(g[i-1][j],f[i-1][j-1]+p[i]);
}
}
int reMax=0;
for(int m=0;m<=k;m++)
{
reMax=max(reMax,g[n-1][m]);
}
return reMax;
}
};
总结
以上就是我们对,希望对大家的学习有所帮助,仅供参考 如有错误请大佬指点我会尽快去改正 欢迎大家来评论~~