动态规划题库

最新推荐文章于 2024-04-29 04:18:49 发布
最新推荐文章于 2024-04-29 04:18:49 发布
阅读量199 收藏
点赞数
分类专栏： leetcode刷题 Java学习 文章标签： 动态规划 算法 java leetcode
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_52641463/article/details/120556023
版权

leetcode70.爬楼梯

题目描述：假设你正在爬楼梯。需要 n 阶你才能到达楼顶。每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？（注意：给定 n 是一个正整数。）

最优子结构： f(n-1)和f(n-2)
边界： f(1)=1,f(2)=2
状态转移函数： f(n)=f(n-1)+f(n-2)
问题细化为最后一次爬楼梯是爬1个台阶还是2个台阶。

解法

时间复杂度o(n)，空间复杂度o(n)

class Solution {
    public int climbStairs(int n) {
        int dp[] = new int[n + 1];
        dp[1] = 1;
        if (n == 1) return dp[1];
        dp[2] = 2;
        if (n == 2) return dp[2];
        for (int i = 3; i < n + 1; i++) {
            dp[i] = dp[i - 1] + dp[i - 2];
        }
        return dp[n];
    }
}
优化

根据最优子结构和状态转移函数，对每个子状态，只需要前两个阶段的结果，因此其实不需要dp数组。
时间复杂度o(n)，空间复杂度o(1)

class Solution {
    public int climbStairs(int n) {
        if (n == 1) return 1;
        if (n == 2) return 2;
        int p = 1;
        int q = 2;
        int r = 0;
        for (int i = 3; i < n + 1; i++) {
            r = p + q;
            p = q;
            q = r;
        }
        return r;
    }
}

leetcode1143.最长公共子序列

题目描述

给定两个字符串 text1 和 text2，返回这两个字符串的最长公共子序列的长度。如果不存在公共子序列 ，返回 0 。
一个字符串的 子序列 是指这样一个新的字符串：它是由原字符串在不改变字符的相对顺序的情况下删除某些字符（也可以不删除任何字符）后组成的新字符串。
例如，“ace” 是 “abcde” 的子序列，但 “aec” 不是 “abcde” 的子序列。
两个字符串的 公共子序列 是这两个字符串所共同拥有的子序列。

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

使用dp[i][j]表示text1前i个字符和text2前j个字符最长公共子序列的长度
边界： dp[0][j]=0, dp[i][0]=0
状态转移函数： dp[i][j]=max(dp[i-1][j], dp[i][j-1]) 或 dp[i][i]=dp[i-1][j-1]+1

解法
class Solution {
    public int longestCommonSubsequence(String text1, String text2) {
        int m = text1.length();
        int n = text2.length();
        int[][] dp = new int[m + 1][n + 1];
        if (m == 0 || n == 0) return 0;
        for (int i = 1; i < m + 1; i++) {
            for (int j = 1; j < n + 1; j++) {
                if (text1.charAt(i - 1) == text2.charAt(j - 1)) {
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                }
                else {
                    dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
                }
            }
        }
        return dp[m][n];
    }
}

leetcode583.两个字符串的删除操作

题目描述

给定两个单词 word1 和 word2，找到使得 word1 和 word2 相同所需的最小步数，每步可以删除任意一个字符串中的一个字符。

样例
输入: "sea", "eat"
输出: 2
解释: 第一步将"sea"变为"ea"，第二步将"eat"变为"ea"
解法1

设word1和word2的长度分别为m和n，最长子序列的长度为x，则答案为m-x+n-x
时间复杂度o(mn), 空间复杂度o(mn)

class Solution {
    public int minDistance(String word1, String word2) {
        int m = word1.length();
        int n = word2.length();
        int[][] dp = new int[m + 1][n + 1];
        if (m == 0 || n == 0) return 0;
        for (int i = 1; i < m + 1; i++) {
            for (int j = 1; j < n + 1; j++) {
                if (word1.charAt(i - 1) == word2.charAt(j - 1)) {
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                }
                else {
                    dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
                }
            }
        }
        return m + n - 2 * dp[m][n];
    }
}
解法2

直接动态规划
时间复杂度o(mn), 空间复杂度o(mn)

class Solution {
    public int minDistance(String word1, String word2) {
        int m = word1.length();
        int n = word2.length();
        int dp[][] = new int[m + 1][n + 1];
        for (int i = 0; i <= m; i++) {
            for (int j = 0; j <= n; j++) {
                if (i == 0) {
                    dp[i][j] = j;
                }
                else if (j == 0) {
                    dp[i][j] = i;
                }
                else if (word1.charAt(i - 1) == word2.charAt(j - 1)){
                    dp[i][j] = dp[i - 1][j - 1];
                }
                else {
                    dp[i][j] = Math.min(dp[i - 1][j], dp[i][j - 1]) + 1;
                }
            }
        }
        return dp[m][n];
    }
}

leetcode 198.打家劫舍

题目描述

你是一个专业的小偷，计划偷窃沿街的房屋。每间房内都藏有一定的现金，影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警。

给定一个代表每个房屋存放金额的非负整数数组，计算你不触动警报装置的情况下 ，一夜之内能够偷窃到的最高金额。

样例
输入：[1,2,3,1]
输出：4
解释：偷窃 1 号房屋 (金额 = 1) ，然后偷窃 3 号房屋 (金额 = 3)。
     偷窃到的最高金额 = 1 + 3 = 4 。
解法

边界： dp[1] = nums[0], dp[2] = max(nums[0], nums[1])
状态转移函数： dp[i] = max(dp[i] + dp[i - 2], dp[i - 1])

class Solution {
    public int rob(int[] nums) {
        if (nums.length == 1) return nums[0];
        int[] dp = new int[nums.length + 1];
        dp[1] = nums[0];
        dp[2] = Math.max(nums[0], nums[1]);
        for (int i = 3; i < nums.length + 1; i++) {
            dp[i] = Math.max(dp[i - 1], nums[i-1] + dp[i - 2]);
        }
        return dp[nums.length];
    }
}
优化
class Solution {
    public int rob(int[] nums) {
        if (nums.length == 1) return nums[0];
        int pre1 = nums[0];
        int pre2 = Math.max(nums[0], nums[1]);
        int result = pre2;
        for (int i = 2; i < nums.length; i++) {
            result = Math.max(pre2, nums[i] + pre1);
            pre1 = pre2;
            pre2 = result;
        }
        return result;
    }
}

leetcode 243.打家劫舍Ⅱ

题目描述

你是一个专业的小偷，计划偷窃沿街的房屋，每间房内都藏有一定的现金。这个地方所有的房屋都 围成一圈 ，这意味着第一个房屋和最后一个房屋是紧挨着的。同时，相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警 。

给定一个代表每个房屋存放金额的非负整数数组，计算你 在不触动警报装置的情况下 ，今晚能够偷窃到的最高金额。

样例
输入：nums = [2,3,2]
输出：3
解释：你不能先偷窃 1 号房屋（金额 = 2），然后偷窃 3 号房屋（金额 = 2）, 因为他们是相邻的。

可分为两种 情况：

  • 偷窃第一间房屋到倒数第二间房屋的最大金额。
  • 偷窃第二间房屋到最后一间房屋的最大金额。

取这两种情况的最大值即为题解。

解法
class Solution {
    public int rob(int[] nums) {
        if (nums.length == 0) return 0;
        if (nums.length == 1) return nums[0];
        if (nums.length == 2) return Math.max(nums[0], nums[1]);

        return Math.max(optimizedHelp(nums, 0, nums.length - 1), optimizedHelp(nums, 1, nums.length));
    }

    //动态规划传统解法
    public int robHelp(int[] nums, int start, int end) {
        int[] cache = new int[nums.length];
        cache[start] = nums[start];
        cache[start + 1] = Math.max(nums[start], nums[start + 1]);
        for (int i = start + 2; i < end; i++) {
            cache[i] = Math.max(nums[i] + cache[i - 2], cache[i - 1]);
        }
        return cache[end - 1];
    }

    //动态规划优化，不用数组
    public int optimizedHelp(int[] nums, int start, int end) {
        int pre1 = nums[start];
        int pre2 = Math.max(nums[start], nums[start + 1]);
        int res = pre2;
        for (int i = start + 2; i < end; i++) {
            res = Math.max(pre1 + nums[i], pre2);
            pre1 = pre2;
            pre2 = res;
        }
        return res;
    }
}

leetcode 712.两个字符串的最小ASCII删除和

题目描述

给定两个字符串s1, s2，找到使两个字符串相等所需删除字符的ASCII值的最小和。

样例
输入: s1 = "sea", s2 = "eat"
输出: 231
解释: 在 "sea" 中删除 "s" 并将 "s" 的值(115)加入总和。
在 "eat" 中删除 "t" 并将 116 加入总和。
结束时，两个字符串相等，115 + 116 = 231 就是符合条件的最小和。
解法
class Solution {
    public int minimumDeleteSum(String s1, String s2) {
        int m = s1.length();
        int n = s2.length();
        int dp[][] = new int[m + 1][n + 1];
        for (int i = 0; i < m + 1; i++) {
            for (int j = 0; j < n + 1; j++) {
                if (i == 0) {
                    int temp_len = 0;
                    for (int k = 0; k < j; k++) {
                        temp_len = temp_len + s2.codePointAt(k);
                    }
                    dp[i][j] = temp_len;
                } else if (j == 0) {
                    int temp_len = 0;
                    for (int k = 0; k < i; k++) {
                        temp_len = temp_len + s1.codePointAt(k);
                    }
                    dp[i][j] = temp_len;
                } else if (s1.charAt(i - 1) == s2.charAt(j - 1)) {
                    dp[i][j] = dp[i - 1][j - 1];
                } else {
                    dp[i][j] = Math.min(dp[i - 1][j] + s1.codePointAt(i - 1), dp[i][j - 1] + s2.codePointAt(j - 1));
                }
            }
        }
        return dp[m][n];
    }
}

leetcode 72.编辑距离

题目描述

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
样例
输入：word1 = "horse", word2 = "ros"
输出：3
解释：
horse -> rorse (将 'h' 替换为 'r')
rorse -> rose (删除 'r')
rose -> ros (删除 'e')
解法
class Solution {
    public int minDistance(String word1, String word2) {
        int m = word1.length();
        int n = word2.length();
        int[][] dp = new int[m+1][n+1];
        for (int i = 0; i < m + 1; i++) {
            for (int j = 0; j < n + 1; j++) {
                if (i == 0) {
                    dp[i][j] = j;
                }
                else if (j == 0) {
                    dp[i][j] = i;
                }
                else {
                    char c1 = word1.charAt(i - 1);
                    char c2 = word2.charAt(j - 1);
                    if (c1 == c2) {
                        dp[i][j] = Math.min(Math.min(dp[i-1][j] + 1, dp[i][j-1] + 1), dp[i-1][j-1]);
                    }
                    else {
                        dp[i][j] = Math.min(Math.min(dp[i-1][j] + 1, dp[i][j-1] + 1), dp[i-1][j-1] + 1);
                    }
                }
            }
        }
        return dp[m][n];
    }
}

leetcode 1312.让字符串成为回文串的最少插入次数

题目描述

给你一个字符串 s ，每一次操作你都可以在字符串的任意位置插入任意字符。

请你返回让 s 成为回文串的 最少操作次数 。

「回文串」是正读和反读都相同的字符串。

样例
输入：s = "zzazz"
输出：0
解释：字符串 "zzazz" 已经是回文串了，所以不需要做任何插入操作

输入：s = "mbadm"
输出：2
解释：字符串可变为 "mbdadbm" 或者 "mdbabdm" 

输入：s = "no"
输出：1
分析

设原始字符串为s，回文串为s’。存在两种情况：
s’的字符数为奇数时，中心为一个字符，且这个字符一定是s中的，否则相当于多了一步插入操作。
s’的字符数为偶数时，中心为相等的两个字符，且这两个字符一定是s中的两个字符，否则相当于多了一步插入操作；且它们在s中连续，因为只能执行插入操作，不能执行删除操作。

这样，我们就可以找到在s中找到s’的中心c\cc，然后计算其左右两边的两个字符串的最长公共子序列r来确定插入值的个数。

但这样做的时间复杂度为o(n^3)，会超时。

进一步考虑：上述过程实际得到的是 inv®+c\cc+r 的子序列，且都是原始序列中的，因此，上述过程相当于找到了s的最长回文子序列，即s和inv(s)的最长公共子序列，然后再插入剩余字符数量的字符即可将s变为s’。

解法
class Solution {
    public int minInsertions(String s) {
        int m = s.length();
        String sr = new StringBuffer(s).reverse().toString();
        int[][] dp = new int[m + 1][m + 1];
        for (int i = 1; i < m + 1; i++) {
            for (int j = 1; j < m + 1; j++) {
                char a = s.charAt(i - 1);
                char b = sr.charAt(j - 1);
                if (a == b) {
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                } else {
                    dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
                }
            }
        }
        return m - dp[m][m];
    }
}
爱学习的包青蛙
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
动态规划问题经典例题
dddddrrrzz的博客
02-23 7792
DP（Dynamic Programming）定义： 动态规划是分治思想的延伸，通俗一点来说就是大事化小，小事化无的艺术。在将大问题化解为小问题的分治过程中，保存对这些小问题已经处理好的结果，并供后面处理更大规模的问题时直接使用这些结果。 动态规划具备了以下三个特点： 把原来的问题分解成了几个相似的子问题。 所有的子问题都只需要解决一次。 储存子问题的解 动态规划的本质，是对问题状态的定义和状态转移方程的定义(状态以及状态
动态规划题集（背包问题等）
瓦刀
05-23 447
有了四步解题法模板，再也不害怕动态规划！ 例题 120. 三角形最小路径和 class Solution { public int minimumTotal(List<List<Integer>> triangle) { for(int i = triangle.size()-1; i > 0 ; i--){ for(int j = 0; j < i ; j++){ triangle.get(
动态规划算法经典题目
09-15
几道动态规划的经典算法 非常经典 值得分享
动态规划-各种题型及思路整理（自用笔记，大神绕道）_动态规划题型
最新发布
2401_84302816的博客
04-29 1065
动态规划就是保存子问题结果的递归。一维时，将结果存放至一维数组。二维时，将结果存放在二维数组。我们需要找到出口，一维时为数组的前几个，二维时一般为首行和首列。然后确定状态转移方程，找到dp[i][j]与其他子问题的关系。动态规划考虑前几个状态，常见有前缀和思想。最后，填一维数组或二维数组即可。
算法学习 | 动态规划经典练习题合集
qq_58284486的博客
10-28 2655
动态规划思想~带权值的最小路径和、背包问题（二）、分割回文串-ii、编辑距离
动态规划经典例题汇总 （附最全题目链接）
好多鱼
02-18 1万+
本文总结了王道机试指南中动态规划（Dynamic Progamming）部分的所有例题。 一.基本思想 与分治法类似，其基本思想也是将待求解问题分解成若干子问题，先求解子问题，然后从这些子问题的解中得到原问题的解。 与分治法不同的是，分治法会使得有些子问题被重复计算多次。而动态规划的做法是将已解决子问题的答案保存下来，在需要子问题答案的时候便可直接获得，而不需要重复计算，节约效率。 二.经典题目 ...
动态规划题库及其问题描述
03-23
其中包括动态规划的各个题型，及其问题描述，还包括测试数据
zju动态规划试题选集
02-08
zju动态规划试题选集 ，有ZOJ所有的动态规划题及其代码，很好的！！！
旅行商问题解决方案.doc
04-22
2. 动态规划（Dynamic Programming）：使用动态规划方法，将问题分解为子问题，并存储子问题的解，以便在解决更大的问题时可以重用。这种方法的时间复杂度仍然很高，但对于较小的问题规模，可以找到最优解。 3. ...
整理的机试面试题库.docx
07-28
本资源摘要信息对应的题库涵盖了多种类型的编程题目，涉及到数学、字符串处理、数组操作、动态规划等多个领域。下面将对每道题目进行详细的解析和知识点总结。 题目 1：全排列 知识点： * 递归算法 * 数组操作 * ...
动态规划题集
weixin_45785536的博客
06-19 796
动态规划题目集合1.使用动态规划策略设计算法，最重要的步骤是：2.流水线证明题3.多段图计算题4.TSP问题设计题5.多段图简答题6.动态规划设计题7.动态规划简答题8.动态规划01背包9.流水线调度问题计算题10.动态规划在实际应用中的适用条件11.最优二分检索树12.动态规划选择题13.动态规划简答题14.动态规划计算题TSP 1.使用动态规划策略设计算法，最重要的步骤是： 2.流水线证明题 3.多段图计算题 4.TSP问题设计题 贪心算法简介 贪心算法（又称贪婪算法）是指，在对问题求解时
全面的动态规划学习资料（内附习题及详细解答）
08-02
动态规划基本原理 1 机器分配（HNOI’95） 3 最长不下降序列（HNOI’97） 4 凸多边形三角划分（HNOI’97） 6 系统可靠性（HNOI’98） 8 快餐问题（HNOI’99） 9 求函数最大值(CTSC'95) 14 石子合并（NOI’95） 15 游览街区（NOI’97） 17 积木游戏（NOI’97） 20 免费馅饼（NOI’98） 24 棋盘分割（NOI’99） 27 钉子和小球（NOI’99） 30 SUBSET（NOI’99） 33 陨石的秘密（NOI’2001） 38 商店购物（IOI’95） 42 最长前缀（IOI’96） 48 多边形（IOI’98） 52 花店橱窗布置（IOI’99） 56 选课（CTSC’98） 59 拯救大兵瑞恩（CTSC’99） 63 补丁VS错误（CSTS’99） 69 迷宫改造（WC’99） 72 奶牛浴场（WC’2002） 80 HPC (WC’2001) 85 交叉匹配 (WC’2001 练习题) 90 CODES (IOI‘99) 93 快乐的蜜月 (CTSC 2000) 102 INTEGER (HNOI 2000) 108 BAR 110 序关系计数问题 (福建试题) 113 CHAIN 116 LAND (IOI’99) 119 理想收入 125
动态规划入门练习题
09-03
关于动态规划的一些题目，值得一做。
动态规划经典教程及题目（含代码）
05-29
动态规划作为一种经典的算法，在对如递归等场景进行优化，大大提高代码执行效率，但是较难掌握，这里整理了一些经典动态规划题目，包括答案。
Leetcode动态规划题目
weixin_44972129的博客
02-10 537
Leetcode10 正则表达式匹配 class Solution { public: bool isMatch(string s, string p) { int n = s.size(), m = p.size(); s = ' ' + s, p = ' ' + p; vector<vector<bool>> f(n+1,vector<bool>(m+1)); //vector<int> vec(
【动态规划】常见动态规划题目总结
I am what i am
08-10 4368
此博客是为总结动态规划常见题目 题目1：word break 1.1 题目描述： Given a string s and a dictionary of words dict, determine if s can be segmented into a space-separated sequence of one or more dictionary words. For exa...
动态规划经典题目总结
Microstrong
12-27 4万+
微信公众号 在算法中，动态规划题目算是比较经典的一类题目。在找工作中，不管是笔试，还是面试，我们经常会遇到用动态规划来解决问题的情况，有时候面试官还需要我们现场手写出动态规划解法的代码。因此，在求职中能灵活的运用动态规划就相当重要了。下面我总结出了一些经典的动态规划题目，其中有些还是面试中遇到的。 1. 什么是动态规划 【1】牛客网在线编程专题《剑指offer-面试题9》斐波那契数列 【...
LeetCode 动态规划（DP）题单
独自莫凭欗的博客
01-19 498
代码随想录——LeetCode DP题单 整数划分 LeetCode 343 整数划分 class Solution { public: int integerBreak(int n) { vector<int> dp(n+1); dp[2] = 1; for(int i = 3; i <= n; i++) { for(int j = 1; j <= i-1 ; j++) {
动态规划(DP)的整理-Python描述
热门推荐
MrLevo520的博客
07-22 4万+
今天整理了一下关于动态规划的内容，道理都知道，但是python来描述的方面参考较少，整理如下，希望对你有所帮助，实验代码均经过测试。 请先好好阅读如下内容–什么是动态规划？ 摘录于《算法图解》 以上的都建议自己手推一下，然后知道怎么回事，核心的部分是142页核心公式，待会代码会重现这个过程，推荐没有算法基础的小伙伴看这本书《算法图解》很有意思的书，讲的很清晰，入门足够 更深入的请阅读pytho
codeforces动态规划题单
08-23
如果你想在Codeforces上找到更多的动态规划题目，可以访问它们的官方网站并浏览题库。<span class="em">1</span><span class="em">2</span><span class="em">3 #### 引用[.reference_title] - *1* [牛客练习_21314:...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值