【LeetCode刷题笔记】动态规划（一）

376. 摆动序列

解题思路：

• 1. 动态规划 ， 定义 up[i] 表示下标 i 的元素为 结尾 的【 最长上升摆动序列 】的 长度 ， down[i] 表示下标 i  的元素为 结尾 的【 最长下降摆动序列 】的 长度 。
• 初始时，up[0] = down[0] = 1，然后从下标 1 开始遍历数组，两两比较元素：
• ① 如果出现 上升 ， up[i] 等于前一个 down[i - 1] + 1 ， down[i] 保持跟前一个相同，
• ② 如果出现 下降 ， down[i] 等于前一个 up[i - 1] + 1 ， up[i] 保持跟前一个相同，
• ③ 如果出现 相等 ， up[i] 和 down[i] 都保持跟前一个相同。
• 最后返回 max(up[N-1], down[N-1]) 。

 

上面的动态规划代码还可以进行空间状态压缩，只使用两个变量来代替两个数组：

解题思路：

• 2.  贪心 ， 我们只需要统计该序列中「 峰 」与「 谷 」的 数量 即可 ， 具体解法请参考【 贪心篇 】 。

72. 编辑距离

解题思路：

• 动态规划 ，定义 dp[i][j] 表示  word1  前  i  个字符转换成  word2  前 j 个字符花的 最少操作数 ， 最终返回 dp[M][N] 的值。
• 首先初始化 第一行 和 第一列 的 dp 值为对应 下标值 ，表示由 空字符串 修改成 另一个字符串 （ 或者反过来 ） 需要的步数 ， 然后从 [1,1] 开始遍历， i  遍历 [1, M] ， j  遍历 [1, N] ,  求剩下的 dp 值，
• ① 如果 word1[i - 1] 和 word2[j - 1]  相等，那么 dp[i][j] 可由 左上角dp[i - 1][j - 1] 的值导出，
• ② 如果 word1[i - 1] 和 word2[j - 1]  不等，那么 dp[i][j] 由 左边列 、 上边行 以及 左上角 三个方向的最小值导出，即 min(dp[i][j - 1], dp[i - 1][j], dp[i - 1][j - 1]) + 1 , （加 1 表示修改的这一步数）
• 特判：如果有一个字符串长度是 0 ，就直接返回 另一个字符串长度 即可。

其实这个题的递推公式总结一下就是两种情况：

• 字符相等时，dp 值可由左上角的 dp 值推导出
• 字符不等时，dp 值由左、上、左上三个方向的最小 dp 值 + 1 推导出

注意， 上面代码中，dp的下标含义是表示的 个数 ，因此写 代码需要注意三点：

• 1）定义dp数组的长度时要在 M 和 N 的基础上多 加1个 ，
• 2）循环遍历的时候，遍历 下标 的区间 结束 值都是取到 M 和 N 的 闭区间 ，
• 3）在遍历dp表求值的时候，拿dp的下标到原始字符串中取字符值的时候，是用dp的下标 减1 才行。

本题属于典型的【 样本对应模型 】 或者说 【 行列对应模型 】 。

96. 不同的二叉搜索树

解题思路：

• dp + 卡特兰数应用 ： F(0) = 1,  F(1) = 1，F(n) = F(0) * F(n - 1) + F(1) * F(n - 2) + ... + F(n - 2) * F(1) + F(n - 1) * F(0)
• 定义 dp[i] 代表  i  个节点组成的互不相同的BST 数量 ， 最后返回 dp[n] 即可， 初始化 dp[0] = 1 ( 0 个节点只能形成一颗 空树 ), dp[1] = 1 ( 1 个节点只能形成一颗 BST),   
• 然后遍历 [2, n] ,  计算 dp[i] 的值，当选定 i 做根之后， 左子树 可选节点数的范围就是 [0, i-1] ， 右子树 可选 节点数的 范围就是 [i-1, 0] ，因此 dp[i] 的值就是 每次从左右子树的可选节点数范围中各取一种情况，将二者 相乘 并累加到 dp[i] 中， 即 dp[i]=∑ dp[j] * dp[i - j - 1] ，其中  j 的取值范围是 [0, i-1] 。

例如，左子树选择 0 个节点时，右子树可以选择 i - 1 个节点，此时的答案就是【左子树选择 0 个节点组成的不同BST数量】x【右子树选择 i - 1 个节点组成的不同BST数量】，把每一种选择情况的答案累加起来就是 dp[i] 的答案，因此也就是卡特兰数公式的应用。 

152. 乘积最大子数组

解题思路：

• 动态规划 + 最大/最小前缀乘积规律总结 ，定义 maxP[i] 表示以下标 i 的元素为 结尾 的【 连续子数组的最大乘积 】， minP[i] 表示以下标  i  的元素为 结尾 的【 连续子数组的最小乘积 】。
• 之所以还要定义一个 minP 数组，是因为数组值 有正有负 ，所以连续子数组的最大乘积，不只和之前的最大乘积有关，还可能和之前的最小乘积有关，因为一个最小的负数再乘以一个负数就可能变成最大的正数，
• 所以 maxP[i] 跟三个数有关系： max ( 上一次的最大乘积*当前数 ， 当前数 ， 上一次的最小乘积*当前数 ) maxP[i] 会在这三者之中产生，
• 同理 minP[i] 为 min ( 上一次的最小乘积*当前数 ， 当前数 ， 上一次的最大乘积*当前数 )，因为一个最大的正数再乘以一个负数也有可能变成最小的负数。
• 初始 maxP[0]=minP[0]=nums[0] , 然后遍历数组，从第 2 个元素开始每次按照上面规则更新 maxP[i] 和 minP[i] , 并记录每次 maxP[i] 的 最大值 作为最终返回的答案。

这个题的解法很自然，但是也很精妙，一般也很难想的到。 

312. 戳气球

解题思路：

• 1. DFS + 记忆优化搜索 ，首先创建一个长度 N+2 的数组，左右各补一个 1 ，方便处理边界问题，然后把原数组拷贝到新数组的 [1, N] 区间内。
• 递归函数返回 (L, R) 开区间内得到的最大硬币数，初始调用为 (0, N + 1) ，也就是求 [1, N] 范围的。
• 假设往 (L, R) 空区间 内 添加一个气球 ，如果戳爆这个气球，会得到一个临时积分: A[L] * A[i] * A[R] ，因此遍历区间 [L + 1, R - 1] 内的每一个  i ,  将区间分成两部分 (L, i) 和 (i, R) ，对这两部分分别进行DFS，即在剩余的两部分区间内继续选择 添加 气球，将两部分递归调用返回的结果再加上前面的临时积分就是 (L, R) 整个区间内的总积分。
• 每次遍历计算得到积分取最大，最后递归函数返回这个最大积分即可。
• 递归终止： L + 1 >= R 时，返回 0 ，因为此时已经超出了 [L + 1, R - 1] 区间范围。

解题思路：

• 2. 动态规划 ，状态定义： dp[i][j] 表示戳破开区间 (i, j) 之间的气球之后能得到的最大值(不包括  i  与 j )，
• 状态转移方程： dp[i][j] = max{  dp[i][j],  dp[i][k] + dp[k][j] + nums[i]*nums[k]*nums[j] } ，其中 i < k < j ，
• 上面方程中的 nums[i]*nums[k]*nums[j] 表示戳破气球 k 时能得到的金币数，这里  k  表示区间 (i, j) 中 最后一个 戳破的气球，由于  k  是最后一个戳破的，那么在之前，已经戳破了 (i, k) 和 (k, j) 这两个开区间的气球，分别获得 dp[i][k] 和 dp[k][j] 金币，最后只剩下  k ，戳爆它就得到了 nums[i]*nums[k]*nums[j] ，三者相加就是 dp[i][j] 。
• 具体代码，先创建一个长度 N+2 的数组，左右各补一个 1 ，方便处理边界问题，然后把原数组拷贝到新数组的 [1, N] 区间内。
• 同样 dp 数组的长度也是 N+2 ，因为最后要返回的是 dp[0][N+1] , 戳爆开区间 (0, N+1) 也就是闭区间 [1, N] 上的气球得到的答案。
• 在计算 dp[i][j] 的值时，dp计算过程中会使用到下标比  i  大的 行 的dp值，因此要 从下往上 遍历，先计算下面的行，再计算上面的行，为了枚举所有满足  i < k < j  关系的  i 、 k 、 j ，使用 3层for 循环，最 外层的 i 控制左边界，枚举区间 [N - 1, 0] ，中间的  k  枚举区间  [i + 1, N] ， 最内层的 j 控制右边界， 枚举区间 [k + 1, N + 1] ， dp[i][j] 每次取当前得分和之前的最大值。

198. 打家劫舍

解题思路：

• 1.   DFS + 记忆化搜索 ，递归函数中传递当前的偷窃的下标 i  ， 初始 i 从 0 开始，按照【 偷当前的  i 】和【 不偷当前的  i 】两种情况进行递归调用，
• 如果选择 偷当前的  i , 则获得当前  i  上的金额，递归调用时，只能偷 i + 2 号房屋，
• 如果选择 不偷当前的  i , 则递归调用时，可以选择偷 i + 1 号房屋，
• 将以上两种选择获得的金额 最大值 作为当前递归函数的返回值。
• 递归终止： i >= N , 越界返回 0 。

或者也可以让 i 从最后一个位置开始,  往前遍历，如果选择偷最后一个位置，则上一次只能偷 i - 2 位置, 否则如果选择不偷最后一个位置，则上一次可以是 i - 1, 递归终止条件变成：i==0 时，返回 nums[0],  i < 0 时，返回 0。

解题思路：

• 2. 动态规划 ，定义 dp[i] ：表示偷盗 [0, i] 区间房子得到的最大金额，则初始化  dp[0] = nums[0] ， dp[1] = max(nums[0], nums[1]) ，然后 i 从 2 开始遍历数组，
• 对于 dp[i] 的值，可能有两种情况，要么上次偷了 i - 1 位置，那么这次就不能再偷当前的  i 位置，要么 上次 偷了 i - 2 位置，那么 这次 可以偷当前  i  位置，
• 如果是前者，则 dp[i] 的值保持和 dp[i - 1] 一致，如果是后者，则 dp[i] 的值为 dp[i - 2] + nums[i] ,  所以 dp[i] 可以取两种情况的最大值 max(dp[i - 1], dp[i - 2] + nums[i]) 。
• 最终返回 dp[N - 1] 。

 

以上代码，可以使用两个滚动变量进行空间状态压缩，如下：

213. 打家劫舍 II

解题思路：

• 动态规划 , 可以考虑【 不偷第一个房间，偷剩余房间 】的最大值 和 【 不偷最后一个房间，偷剩余房间 】的最大值；二者取 最大 。
• 其中， 偷剩余房间的最大值 求法跟198.题完全一样，只不过遍历的区间范围修改下就行， max(rob(nums, 1, N-1), rob(nums, 0, N-2))

因此这个题其实就是在198题基础上指定区间调用两次而已。

337. 打家劫舍 III