一、动态规划问题基础
(1)先思考返回值是什么,true? length? value?
(2)边界条件
(3)状态转移,从1开始
(4)状态枚举,状态计算
(5)状态转移:dp[i]=max(dp[i],dp[j]+1)
(6)背包问题通用框架:
- dp[i] 表示是否存在和为 i 的 num 组合。
- 外层遍历 nums 每个 num;
- 内层遍历 target(由大到小)。
二、70. 爬楼梯
1 题目
2 解题思路
(1)定义状态:dp[i]表示爬到第i层的方式
(2)状态转移:dp[i]=dp[i-1]+dp[i-2]
(3)状态初始化:dp[1]=1 dp[2]=2
3 code
class Solution {
public:
int climbStairs(int n) {
if(n<=1) return n;
// 状态定义
vector<int> dp(n+1);
// 状态初始化
dp[1]=1;
dp[2]=2;
// 状态转移
// 注意i是从3开始的,且i<n+1
for(int i=3;i<n+1;i++)
{
dp[i]=dp[i-1]+dp[i-2];
}
return dp[n];
}
};
三、118. 杨辉三角
1 题目
2 解题思路
(1)把杨辉三角的每一排左对齐:
(2)状态转移:其余数字,等于左上方的数,加上正上方的数,即 dp[i][j]=dp[i−1][j−1]+dp[i−1][j]dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j] dp[i][j]=dp[i−1][j−1]+dp[i−1][j]。例如 4=1+3, 6=3+34=1+3,\ 6=3+34=1+3, 6=3+3 等。
(3)状态初始化:每一排的第一个数和最后一个数都是1,即 dp[i][0]=dp[i][i]=1 dp[i][0]=dp[i][i] = 1 dp[i][0]=dp[i][i]=1。
3 code
class Solution {
public:
vector<vector<int>> generate(int numRows) {
//状态定义
vector<vector<int>> dp(numRows);
for(int i=0;i<numRows;i++)
{
dp[i].resize(i+1,1);
for(int j =1;j<i;j++)
{
// 状态转移,左上方的数+正上方的数
dp[i][j]=dp[i-1][j]+dp[i-1][j-1];
}
}
return dp;
}
};
四、198. 打家劫舍
1 题目
2 解题思路
(1)状态定义:dp[i]代表前i家能偷盗的最大金额
(2)状态初始化:如果只有一家,只能偷这家dp[i]=nums[i];如果有两家,因为是连通的,所以,只能偷较富的dp[i]=max(nums[i],nums[i-1])
(3)状态转移:如果大于等于3家,转移方程为:dp[i]=max(dp[i-1],dp[i-2]+nums[i])
3 code
class Solution {
public:
int rob(vector<int>& nums) {
// 状态定义
vector<int> dp(nums.size(),0);
// 状态初始化
int size = nums.size();
if(size ==1)
{
return nums[0];
}
dp[0]=nums[0];
dp[1]=max(nums[0],nums[1]);
// 状态转移
for(int i=2;i<nums.size();i++)
{
dp[i]=max(dp[i-1],dp[i-2]+nums[i]);
}
return dp[nums.size()-1];
}
};
五、322. 零钱兑换
1 题目
2 解题思路
(1)coins逐渐增加
(2)amount逐渐增加
(3)状态转移:dp[j+coin]=min(dp[j+coin],dp[j]+1);
3 code
class Solution {
public:
int coinChange(vector<int>& coins, int amount) {
// 状态定义
vector<int> dp(amount+5,1e4+5);
// 状态初始化
dp[0]=0;
// 双重状态转移
for(int i=0;i<coins.size();i++)
{
int coin=coins[i];
for(int j=0;j<=amount-coin;j++)
{
dp[j+coin]=min(dp[j+coin],dp[j]+1);
}
}
if(dp[amount]==1e4+5)
{
dp[amount]=-1;
}
return dp[amount];
}
};
六、139. 单词拆分
1 题目
2 解题思路
(1)状态定义: dp[i]表示字符串s的前i个字符是否可以拆分成wordDict,其值有两个true 和false。
(2)状态计算: 假设当前遍历到了第i个字符,依据最后一次拆分成的字符串str划分集合,最后一次拆分成的字符串str可以为s[0 ~ i - 1],s[1 ~ i - 1],,,s[j ~ i - 1]。
(3)状态转移方程: f[i] = ture 的条件是 :f[j] = ture并且s[j, i - 1]在hash表中存在。
(4)初始化: f[0] = true,表示空串合法。
(5)实现细节:
为了快速判断字符串s拆分出来的子串在wordDict中出现,我们可以用一个哈希表存贮wordDict中的每个word。
时间复杂度分析: 状态枚举O(n),状态计算O(n),因此时间复杂度为O(n^2)。
3 code
class Solution {
public:
bool wordBreak(string s, vector<string>& wordDict) {
int n=s.size();
// 用一个哈希表存贮wordDict中的每个word
unordered_set<string> hash;
for(string word:wordDict){
hash.insert(word);
}
// 定义状态
vector<bool> dp(n+1,false);
// 状态初始化
dp[0]=true;
//状态转移,从1开始
for(int i=1;i<n+1;i++){
for(int j=0;j<i;j++){
if(dp[j] && hash.find(s.substr(j, i - j)) != hash.end()){
dp[i]=true;
break;
}
}
}
return dp[n];
}
};
七、300. 最长递增子序列
1 题目
2 解题思路
(1)状态枚举:for(int i=0;i<n;i++)
(2)状态计算:for(int j=0;j<i;j++)
(3)状态转移:dp[i]=max(dp[i],dp[j]+1)
3 code
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
int n=nums.size();
if(n==0) return 0;
// 状态定义
vector<int> dp(n,1);
int Maxn=1;
// 状态转移
for(int i=0;i<n;i++)
{
for(int j=0;j<i;j++)
{
if(nums[i]> nums[j])
{
dp[i]=max(dp[i],dp[j]+1);
}
Maxn=max(Maxn,dp[i]);
}
}
return Maxn;
}
};
八、152. 乘积最大子数组
1 题目
2 解题思路
(1)这题是求数组中子区间的最大乘积,对于乘法,我们需要注意,负数乘以负数,会变成正数,所以解这题的时候我们需要维护两个变量,当前的最大值,以及最小值,最小值可能为负数,但没准下一步乘以一个负数,当前的最大值就变成最小值,而最小值则变成最大值了。
(2)我们的动态方程可能这样:
maxDP[i + 1] = max(maxDP[i] * A[i + 1], A[i + 1],minDP[i] * A[i + 1])
minDP[i + 1] = min(minDP[i] * A[i + 1], A[i + 1],maxDP[i] * A[i + 1])
dp[i + 1] = max(dp[i], maxDP[i + 1])
(3)这里,我们还需要注意元素为 0 的情况,如果 A[i] 为 0,那么 maxDP 和 minDP 都为 0,
我们需要从 A[i + 1] 重新开始。
3 code
class Solution {
public:
int maxProduct(vector<int>& nums) {
int n=nums.size();
// 边界条件
if(n==0) return 0;
if(n==1) return nums[0];
int p = nums[0];
int maxP = nums[0];
int minP=nums[0];
// 状态转移,从1开始
for(int i=1;i<n;i++){
int t =maxP;
maxP=max(max(maxP*nums[i],nums[i]),minP*nums[i]);
minP=min(min(t*nums[i],nums[i]),minP*nums[i]);
p=max(maxP,p);
}
return p;
}
};
九、416. 分割等和子集
1 题目
2 解题思路
(1)本题要求把数组分成两个等和的子集,相当于找到一个子集,其和为 sum / 2,这个 sum / 2 就是 target(target 间接给出)。
于是转化为是否可以用 nums 中的数组合和成 target,01 背包问题,外层循环为选择池 num: nums,内层循环为 target。
(2)对于元素之和等于 i - num 的每一种组合,在最后添加 num 之后即可得到一个元素之和等于 i 的组合,因此dp[i] 依赖于 dp[i - num],并且在计算 dp[i - num] 时,要保证索引较小的元素值不被覆盖,需要后向更新 dp[i],并且当 i - num < i 时, dp[i] 已经更新过,于是:
dp[i] = dp[i] || dp[i - num]
(3)对于特例:如果 sum 为奇数,那一定找不到符合要求的子集,返回 False。
对于边界条件,我们定义 dp[0] = true 表示当 i - num = 0,存在一个 num 和为 i。
最后返回 dp[target]。
3 code
class Solution {
public:
bool canPartition(vector<int>& nums) {
int len =nums.size();
int sum=0;
for(int num:nums){
sum+=num;
}
if((sum&1)==1){
return false;
}
int target=sum/2;
vector<bool> dp(target+1);
dp[0]=true;
for(int num:nums){
for(int i=target;i>=num;i--){
dp[i]=dp[i] || dp[i-num];
}
}
return dp[target];
}
};