0. 刷题bgm:**** Being Sober - Annika Wells
1. 斐波那契数列
描述:
输入:
输出:
算法:DP
#include <vector>
class Solution {
public:
int Fibonacci(int n) {
vector<int> FB(n,0);
FB[0] = 1;
FB[1] = 1;
for(int i(2);i<n;i++)
{
FB[i] = FB[i-1] + FB[i-2];
}
return FB[n - 1];
}
};
分析:找到状态函数,即可获得递推公式,该题直接将递推公式吐出来了。
2.爬楼梯
#include <memory>
#include <vector>
class Solution {
public:
int jumpFloor(int number) {
vector<int> JF;
JF.push_back(1);
if(number == 1) return 1;
JF.push_back(2);
for(int i(2);i<number;i++)
{
JF.push_back(JF[i-1]+ JF[i-2]);
}
return JF[JF.size() - 1];
}
};
分析:push_back效率较低,运算速度不如直接指定vector容量进行运算。
3.最小花费爬楼梯
#include <bits/types/clockid_t.h>
#include <cmath>
class Solution {
public:
/**
* 代码中的类名、方法名、参数名已经指定,请勿修改,直接返回方法规定的值即可
*
*
* @param cost int整型vector
* @return int整型
*/
int minCostClimbingStairs(vector<int>& cost) {
// write code here
vector<int> CCS(cost.size() + 1,0);
if (cost.size() == 1) return 0;
CCS[0] = 0;
CCS[1] = 0;
for(int i(2);i<cost.size() + 1;i++)
{
CCS[i] = min(cost[i-1] + CCS[i-1],cost[i-2] + CCS[i-2]);
}
return CCS[cost.size()];
}
};
4. 买卖股票的最好时机(一)
#include <climits>
class Solution {
public:
/**
*
* @param prices int整型vector
* @return int整型
*/
int maxProfit(vector<int>& prices) {
// write code here
vector<int>MP(prices.size(),0);
MP[0] = 0;
MP[1] = (prices[1] - prices[0] > 0) ? prices[1] - prices[0] : 0;
int minnum = min(prices[1],prices[0]);
for(int i(2);i<prices.size();i++)
{
minnum = (prices[i] < minnum)?prices[i]:minnum;
MP[i] = max(MP[i-1],prices[i] - minnum);
}
return MP[prices.size()-1];
}
};
5. 买卖股票的最好时机(二)
#include <memory>
#include <vector>
class Solution {
public:
/**
* 代码中的类名、方法名、参数名已经指定,请勿修改,直接返回方法规定的值即可
* 计算最大收益
* @param prices int整型vector 股票每一天的价格
* @return int整型
*/
int maxProfit(vector<int>& prices) {
// write code here
vector<int>MP(prices.size(),0);
MP[0] = 0;
MP[1] = (prices[1] - prices[0]<0)?0:prices[1] - prices[0];
for(int i(2);i<prices.size();i++)
{
MP[i] = max(MP[i-1],MP[i-1]+prices[i]-prices[i-1]);
}
return MP[prices.size()-1];
}
};
6.打家劫舍(一)
#include <vector>
class Solution {
public:
/**
* 代码中的类名、方法名、参数名已经指定,请勿修改,直接返回方法规定的值即可
*
*
* @param nums int整型vector
* @return int整型
*/
int rob(vector<int>& nums) {
// write code here
vector<int>R(nums.size(),0);
R[0] = nums[0];
R[1] = (nums[1] > nums[0])?nums[1]:nums[0];
for(int i(2);i<nums.size();i++)
{
R[i] = max(R[i-1],R[i-2]+nums[i]);
}
return R[nums.size()-1];
}
};
7.打家劫舍(二)
#include <cmath>
#include <type_traits>
#include <vector>
class Solution {
public:
/**
* 代码中的类名、方法名、参数名已经指定,请勿修改,直接返回方法规定的值即可
*
*
* @param nums int整型vector
* @return int整型
*/
int rob(vector<int>& nums) {
// write code here
if(nums.size() == 1) return nums[0];
if(nums.size() == 2) return max(nums[0],nums[1]);
vector<int> R1(nums.size(),0),R2(nums.size(),0);
R1[0] = nums[0];
R2[0] = nums[1];
R1[1] = nums[0];
R2[1] = nums[1];
R2[2] = max(nums[1],nums[2]);
R1[2] = max(R1[1],R1[0] + nums[2]);
for(int i(3);i<nums.size();i++)
{
R1[i] = max(R1[i-1],R1[i-2]+nums[i]);
R2[i] = max(R2[i-1],R2[i-2]+nums[i]);
}
return max(R1[nums.size()-2],R2[nums.size()-1]);
}
};
分析:该题需要考虑前三种情况,否则代码会出错。
8.连续子数组的最大和 ***
#include <algorithm>
#include <vector>
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
int dp = array[0], sum = dp;
for (int i = 1; i<array.size(); i++) {
dp = (dp < 0)?array[i]:dp+array[i];
sum = sum > dp ?sum:dp;
}
return sum;
}
};
分析:
9. 不同路径的数目(一)
#include <vector>
class Solution {
public:
/**
*
* @param m int整型
* @param n int整型
* @return int整型
*/
int uniquePaths(int m, int n) {
// write code here
vector<vector<int>>dp (m, vector<int>(n, 1));
for (int i(1); i < m; i++) {
for (int j(1); j < n; j++) {
dp[i][j] = dp[i][j-1] + dp[i-1][j];
}
}
return dp[m-1][n-1];
}
};
10.矩阵的最小路径和
class Solution {
public:
/**
*
* @param matrix int整型vector<vector<>> the matrix
* @return int整型
*/
int minPathSum(vector<vector<int> >& matrix) {
// write code here
int m = matrix.size();
int n = matrix[0].size();
vector<vector<int>>dp (m, vector<int>(n, 1));
dp[0][0] = matrix[0][0];
for(int i(1);i<m;i++)
{
dp[i][0] = dp[i-1][0] + matrix[i][0];
}
for(int i(1);i<n;i++)
{
dp[0][i] = dp[0][i-1] + matrix[0][i];
}
for (int i(1); i < m; i++) {
for (int j(1); j < n; j++) {
dp[i][j] = min(dp[i][j-1],dp[i-1][j]) + matrix[i][j];
}
}
return dp[m-1][n-1];
}
};
11.兑换零钱(一)
#include <climits>
#include <vector>
class Solution {
public:
/**
* 最少货币数
* @param arr int整型vector the array
* @param aim int整型 the target
* @return int整型
*/
int minMoney(vector<int>& arr, int aim) {
// write code here
// int n = arr.size();
// vector<int> index;
// vector<int> dp(aim + 1, -1);
// dp[0] = 0;
// index.push_back(0);
// int aimer;
// for (int i(1); i < aim + 1; i++) {
// if (index.size() == 1) {
// aimer = i;
// auto iter = find(arr.begin(), arr.end(), aimer);
// if (iter != arr.end()) {
// dp[i] = 1;
// index.push_back(i);
// }
// } else {
// for (int j(0); j < index.size(); j++) {
// aimer = i - index[j];
// auto iter = find(arr.begin(), arr.end(), aimer);
// if (iter != arr.end()) {
// dp[i] = (min(dp[i], dp[index[j]] + 1) != -1) ? min(dp[i],
// dp[index[j]] + 1) : dp[index[j]] + 1;
// if ( find(index.begin(), index.end(), i) == index.end()) {
// index.push_back(i);
// }
// }
// }
// }
// }
vector<int>dp (aim + 1,1e8);
dp[0] = 0;
for(auto c : arr)
{
for(int j(c);j<=aim;j++)
{
dp[j] = min(dp[j], dp[j-c] + 1);
}
}
return dp[aim] != 1e8?dp[aim]:-1;
}
};
TRICK:以零钱数组作为最外环(时间复杂度(O(nm)),而非用目标作为最外环(时间复杂度(O(nm*logn))
12. 买卖股票的最好时机(二)
#include <vector>
class Solution {
public:
/**
* 代码中的类名、方法名、参数名已经指定,请勿修改,直接返回方法规定的值即可
* 两次交易所能获得的最大收益
* @param prices int整型vector 股票每一天的价格
* @return int整型
*/
int maxProfit(vector<int>& prices) {
// write code here
vector<int> first(prices.size(), 0);
int minp = prices[0];
for (int i = 1; i < prices.size(); ++i) {
minp = min(minp, prices[i]);
first[i] = max(first[i - 1], prices[i] - minp);
}
vector<int> second(prices.size(), 0);
int maxp = prices[prices.size() - 1];
for (int i = prices.size() - 2; i >= 0; --i) {
maxp = max(maxp, prices[i]);
second[i] = max(second[i + 1], maxp - prices[i]);
}
int ans = 0;
for (int i = 0; i < prices.size(); ++i) {
ans = max(ans, first[i] + second[i]);
}
return ans;
}
};
TRICK:利用左右极值遍历,保证分解线,再做循环。
13.最长公共子序列(二)
思路:
首先,区分两个概念:子序列可以是不连续的;子数组(子字符串)需要是连续的;
另外,动态规划也是有套路的:单个数组或者字符串要用动态规划时,可以把动态规划 dp[i] 定义为 nums[0:i] 中想要求的结果;当两个数组或者字符串要用动态规划时,可以把动态规划定义成两维的 dp[i][j] ,其含义是在 A[0:i] 与 B[0:j] 之间匹配得到的想要的结果。