目录
大家在看本篇博客可以先去看一下我的第一篇动态规划的博客,这样会更加容易理解本篇博客的下列题目:
leetcode题目
一、按摩师
面试题 17.16. 按摩师 - 力扣(LeetCode)https://leetcode.cn/problems/the-masseuse-lcci/description/1.题目解析
给定一个数组,数组元素表示预约时间,不能选择数组相邻元素,求最长的预约时长
2.算法分析
1.状态表示
dp[i]: 选择到 i 位置的时候,此时的最长预约时长
--->i位置可以选,可以不选,进一步细化
f[i]:选择到i位置的时候,nums[i]必选,此时的最长预约时长
g[i]:选择到i位置的时候,nums[i]不选,此时的最长预约时长
2.状态转移方程
注意题目说了不能选相邻的~
3.初始化
f[0] = nums[0], g[0] = 0;
4.填表顺序
从左向右两个表一起填
5.返回值
max(f[n-1], g[n-1])
3.算法代码
class Solution {
public:
int massage(vector<int>& nums)
{
//1.创建dp表
int n = nums.size();
if(n == 0) return 0; //处理边界情况
vector<int> f(n), g(n);
//2.初始化dp表
f[0] = nums[0];
//3.填表
for(int i = 1; i < n; i++)
{
f[i] = g[i-1] + nums[i];
g[i] = max(f[i-1], g[i-1]);
}
//4.返回值
return max(f[n-1], g[n-1]);
}
};
二、打家劫舍
198. 打家劫舍 - 力扣(LeetCode)https://leetcode.cn/problems/house-robber/description/
1.题目解析
给定一个数组,数组元素表示房屋的金额,不能偷相邻房屋的金额,求能偷到的最大金额
2.算法分析
本质和题目一按摩师没有任何区别
1.状态表示
dp[i]: 偷到 第i个房屋的时候,此时偷到的最大金额
--->i位置可以选,可以不选,进一步细化
f[i]:偷到第i个房屋的时候,偷nums[i], 此时偷到的最大金额
g[i]: 偷到第i个房屋的时候,不偷nums[i], 此时偷到的最大金额
2.状态转移方程
f[i] = g[i-1] + nums[i]
g[i] = max(f[i-1], g[i-1]
3.初始化
f[0] = nums[0], g[0] = 0;
4.填表顺序
从左向右两个表一起填
5.返回值
max(f[n-1], g[n-1])
3.算法代码
class Solution {
public:
int rob(vector<int>& nums)
{
//1.创建dp表
int n = nums.size();
vector<int> f(n), g(n);
//2.初始化dp表
f[0] = nums[0];
//3.填表
for(int i = 1; i < n; i++)
{
f[i] = g[i-1] + nums[i];
g[i] = max(f[i-1], g[i-1]);
}
//4.返回值
return max(f[n-1], g[n-1]);
}
};
三、打家劫舍 II
213. 打家劫舍 II - 力扣(LeetCode)https://leetcode.cn/problems/house-robber-ii/1.题目解析
给定一个数组,首尾是相邻的(本质是个环),每个元素代表金额,不能偷相邻元素的金额,求能偷到的最大金额数
2.算法分析
本题目本质就是题目一"按摩师"的变形,最大的区别就是收尾相邻的,我们可以尝试将本题转化成题目一
我们可以分类讨论,分为偷0位置的金额和不偷0位置的金额,如果偷0位置的金额,那么1位置和n-1位置的金额都不能偷了,相当于(2, n-2)位置的"按摩师"问题;如果不偷0位置的金额,那么就是(1, n-1)位置的"按摩师"问题,只需要求这两种情况偷到的金额的最大值即可
1.状态表示
f[i]: 偷到i位置的时候,偷nums[i],此时偷到的最大金额
g[i]: 偷到i位置的时候,不偷nums[i],此时偷到的最大金额
2.状态转移方程
f[i] = g[i-1] + nums[i]
g[i] = max(f[i-1], g[i-1])
3.初始化
f[0] = nums[0], g[0] = 0;
4.填表顺序
从左向右两个表一起填
5.返回值
max(f[n-1], g[n-1])
3.算法代码
class Solution {
public:
int rob(vector<int>& nums)
{
int n = nums.size();
return max(nums[0] + rob1(nums, 2, n-2), rob1(nums, 1, n-1));
}
int rob1(vector<int>& nums, int left, int right)
{
if(left > right) return 0; //处理边界情况
//1.创建dp表
int n = nums.size();
vector<int> f(n), g(n);
//2.初始化dp表
f[left] = nums[left];
//3.填表
for(int i = left + 1; i <= right; i++)
{
f[i] = g[i-1] + nums[i];
g[i] = max(f[i-1], g[i-1]);
}
//4.返回值
return max(f[right], g[right]);
}
};
四、删除并获得点数
740. 删除并获得点数 - 力扣(LeetCode)https://leetcode.cn/problems/delete-and-earn/description/1.题目解析
数组中可能有重复元素,每次选择删除值为 x 的元素,将获得 x 大小的点数,同时 x + 1 与 x - 1大小的数组元素将都被删除,求最终能够获得的最大点数
2.算法分析
这道题我们本质可以转化成"打家劫舍"问题~
我们可以先给nums数组排序,排完序之后如果想转化成打家劫舍问题,必须是相邻的位置不能选,而相邻的位置点数关系不一定刚好差1,而下标是连续的,因此我们可以开辟一个新的数组
nums数组的值为x,就将arr数组中下标位x的位置填充上nums数组中所有x的和, 这样的话arr数组相邻位置就不能选了,我们就可以在arr数组上进行"打家劫舍"了
1.状态表示
f[i]: 选到 i 位置的时候,选arr[i],此时获得的最大点数
g[i]: 选到 i 位置的时候,不选arr[i],此时获得的最大点数
2.状态转移方程
f[i] = g[i-1] + arr[i]
g[i] = max(f[i-1], g[i-1])
3.初始化
f[0] = nums[0], g[0] = 0;
4.填表顺序
从左向右两个表一起填
5.返回值
max(f[n-1], g[n-1])
3.算法代码
class Solution {
public:
int deleteAndEarn(vector<int>& nums)
{
const int N = 10001; //题目说了,数据最大是10000
//1.预处理
int arr[N] = {0};
for(auto x : nums)
arr[x] += x;
//2."打家劫舍"
//2.1 创建dp表
vector<int> f(N), g(N);
//2.2 初始化dp表
f[0] = arr[0]; //可以不用写,arr数组已经初始化成了0
//2.3 填表
for(int i = 1; i < N; i++)
{
f[i] = g[i-1] + arr[i];
g[i] = max(f[i-1], g[i-1]);
}
//2.4 返回值
return max(f[N-1], g[N-1]);
}
};
五、粉刷房子
LCR 091. 粉刷房子 - 力扣(LeetCode)https://leetcode.cn/problems/JEj789/description/1.题目解析
有一排房子,每个房子可以粉刷成红蓝绿,但是相邻房子颜色不同粉刷不同颜色的成本不同,粉刷成本题目是以n×3的矩阵给出的,costs[i][0], costs[i][1], costs[i][2]分别表示第i个房子粉刷成红、蓝、绿的成本, 求粉刷完所有房子的最小花费成本
2.算法分析
1.状态表示
dp[i]: 粉刷到 i 位置的时候,此时的最小花费, 而第i个房子颜色有三种选择,进一步细化:
dp[i][0]: 粉刷到 i 位置的时候,i位置粉刷红色,此时的最小花费
dp[i][1]: 粉刷到 i 位置的时候,i位置粉刷蓝色,此时的最小花费
dp[i][2]: 粉刷到 i 位置的时候,i位置粉刷绿色,此时的最小花费
2.状态转移方程
以dp[i][0]为例,i位置粉刷红色,由于相邻位置颜色不能相同,因此i-1位置只能粉刷蓝色/绿色,此时的最小花费就是i-1位置粉刷蓝色/绿色的最小花费加上i位置的花费
dp[i][0] = min(dp[i-1][1], dp[i-1][2]) + costs[i][0]
dp[i][1] = min(dp[i-1][0], dp[i-1][2]) + costs[i][1]
dp[i][2] = min(dp[i-1][0], dp[i-1][1]) + costs[i][2]
3.初始化
添加虚拟头节点即可, 注意下标的映射关系~
4.填表顺序
从左向右三个表一起填
5.返回值
min(dp[n][0], dp[n][1], dp[n][2])
3.算法代码
class Solution {
public:
int minCost(vector<vector<int>>& costs)
{
//1.创建dp表
int n = costs.size();
vector<vector<int>> dp(n+1, vector<int>(3));
//2.初始化dp表
dp[0][1] = dp[0][1] = dp[0][2] = 0; //vector默认是0, 可以不用初始化
//3.填表
for(int i = 1; i <= n; i++)
{
dp[i][0] = min(dp[i-1][1], dp[i-1][2]) + costs[i-1][0];
dp[i][1] = min(dp[i-1][0], dp[i-1][2]) + costs[i-1][1];
dp[i][2] = min(dp[i-1][0], dp[i-1][1]) + costs[i-1][2];
}
//4.返回值
return min(min(dp[n][0], dp[n][1]), dp[n][2]);
}
};
六、买卖股票的最佳时机
121. 买卖股票的最佳时机 - 力扣(LeetCode)https://leetcode.cn/problems/best-time-to-buy-and-sell-stock/1.题目解析
给定prices数组,prices[i]表示一支给定的股票在第i天的价格,可以选择在任意一天买入股票,并在未来的某一天卖出,求能获得的最大利润
ps:本题从头到尾只能完成一笔交易
2.算法分析
1.状态表示
dp[i]: 第 i 天结束的时候,此时获得的最大利润 ---> 进一步细化
dp[i][0]: 第 i 天结束的时候,处于"买入"状态,此时获得的最大利润
dp[i][1]: 第 i 天结束的时候,处于"卖出"状态,此时获得的最大利润
2.状态转移方程 --- 根据最近的一步划分问题
第i天结束时,处于"买入"状态, 则第i-1天结束时,可以处于"买入"状态,第i天什么都不做即可;第i-1天结束时, 也可以处于"卖出"状态(因为只有1支股票, 本质是还没有买入过), 第i天买入了, 支付了prices[i]的费用!
dp[i][0] = max(dp[i-1][0], -prices[i])
第i天结束时,处于"卖出"状态, 则第i-1天结束时,可以处于"卖出"状态,第i天什么都不做即可;第i-1天也可以处于"买入"状态, 第i天将股票卖出, 获得prices[i]的利润!
dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i])
3.初始化
dp[0][0] = -prices[0], dp[0][1] = 0
4.填表顺序
从左向右两个表一起填
5.返回值
dp[n-1][1]
ps: 最后一天结束时手上还有股票,一定不会获得最大利润~
3.算法代码
class Solution {
public:
int maxProfit(vector<int>& prices)
{
//1.创建dp表
int n = prices.size();
vector<vector<int>> dp(n, vector<int>(2));
//2.初始化dp表
dp[0][0] = -prices[0];
//3.填表
for(int i = 1; i < n; i++)
{
dp[i][0] = max(dp[i-1][0], -prices[i]);
dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i]);
}
//4.返回值
return dp[n-1][1];
}
};
七、买卖股票的最佳时机 II
122. 买卖股票的最佳时机 II - 力扣(LeetCode)https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-ii/1.题目解析
与题目五的区别在于,没有限制可以完成多少笔交易,只要最后利润最大即可~
2.算法分析
1.状态表示
dp[i]: 第 i 天结束的时候,此时获得的最大利润 ---> 进一步细化
dp[i][0]: 第 i 天结束的时候,处于"买入"状态,此时获得的最大利润
dp[i][1]: 第 i 天结束的时候,处于"卖出"状态,此时获得的最大利润
2.状态转移方程 --- 根据最近的一步划分问题
第i天结束时,处于"买入"状态, 则第i-1天结束时,可以处于"买入"状态,第i天什么都不做即可;第i-1天结束时, 也可以处于"卖出"状态, 第i天买入了, 支付了prices[i]的费用!
dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i])
第i天结束时,处于"卖出"状态, 则第i-1天结束时,可以处于"卖出"状态,第i天什么都不做即可;第i-1天也可以处于"买入"状态, 第i天将股票卖出, 获得prices[i]的利润!
dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i])
3.初始化
dp[0][0] = -prices[0], dp[0][1] = 0
4.填表顺序
从左向右两个表一起填
5.返回值
dp[n-1][1]
ps: 最后一天结束时手上还有股票,一定不会获得最大利润~
3.算法代码
class Solution {
public:
int maxProfit(vector<int>& prices)
{
//1.创建dp表
int n = prices.size();
vector<vector<int>> dp(n, vector<int>(2));
//2.初始化dp表
dp[0][0] = -prices[0];
//3.填表
for(int i = 1; i < n; i++)
{
dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i]);
dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i]);
}
//4.返回值
return dp[n-1][1];
}
};
八、买卖股票的最佳时机含冷冻期
与题目六的区别在于 股票卖出后,第二天处于冷冻期,不能买入,必须等冷冻期解除后才能买入股票
2.算法分析
1.状态表示
dp[i]: 第 i 天结束之后,此时的最大利润 ---> 可以继续细分
dp[i][0]: 第 i 天 结束之后,处于"买入状态", 此时的最大利润
dp[i][1]: 第 i 天 结束之后,处于"可交易状态"(冷冻期已经解封了), 此时的最大利润
dp[i][2]: 第 i 天 结束之后,处于"冷冻期"(刚把股票卖出去了), 此时的最大利润
2.状态转移方程
3.初始化
dp[0][0] = -prices[0], dp[0][1] = 0, dp[0][2] = 0(当天买了又卖)
4.填表顺序
从左向右三个表一起填
5.返回值
max(dp[n-1][1], dp[n-1][2])
ps:最后一天手里还有股票,也就是处于"买入状态"是不可能获得最大利润的~
3.算法代码
class Solution {
public:
int maxProfit(vector<int>& prices)
{
//1.创建dp表
int n = prices.size();
vector<vector<int>> dp(n, vector<int>(3));
//2.初始化dp表
dp[0][0] = -prices[0];
//3.填表
for(int i = 1; i < n; i++)
{
dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i]);
dp[i][1] = max(dp[i-1][1], dp[i-1][2]);
dp[i][2] = dp[i-1][0] + prices[i];
}
//4.返回值
return max(dp[n-1][1], dp[n-1][2]);
}
};
九、买卖股票的最佳时机含手续费
本题与前面题目的不同就是一笔交易要支付一次手续费,可以在买入股票的时候支付手续费,也可以再卖出的时候支付手续费
2.算法分析
1.状态表示
dp[i]: 第 i 天结束的时候,此时获得的最大利润 ---> 进一步细化
dp[i][0]: 第 i 天结束的时候,处于"买入"状态,此时获得的最大利润
dp[i][1]: 第 i 天结束的时候,处于"卖出"状态,此时获得的最大利润
2.状态转移方程 --- 根据最近的一步划分问题
2.1 卖出的时候支付费用
dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i])
dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i] - fee)
2.2买入的时候支付费用
dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i] - fee)
dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i])
3.初始化
3.1 卖出的时候支付费用
dp[0][0] = -prices[0], dp[0][1] = 0
3.2 买入的时候支付费用
dp[0][0] = -prices[0] - fee, dp[0][1] = 0
4.填表顺序
从左向右两个表一起填
5.返回值
dp[n-1][1]
ps: 最后一天结束时手上还有股票,一定不会获得最大利润~
3.算法代码
3.1 卖出的时候支付费用
class Solution {
public:
int maxProfit(vector<int>& prices, int fee)
{
//1.创建dp表
int n = prices.size();
vector<vector<int>> dp(n, vector<int>(2));
//2.初始化
dp[0][0] = -prices[0];
//3.填表
for(int i = 1; i < n; i++)
{
dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i]);
dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i] - fee);
}
//4.返回值
return dp[n-1][1];
}
};
3.2 买入的时候支付费用
class Solution {
public:
int maxProfit(vector<int>& prices, int fee)
{
//1.创建dp表
int n = prices.size();
vector<vector<int>> dp(n, vector<int>(2));
//2.初始化
dp[0][0] = -prices[0] - fee;
//3.填表
for(int i = 1; i < n; i++)
{
dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i] - fee);
dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i]);
}
//4.返回值
return dp[n-1][1];
}
};
十、买卖股票的最佳时机 III
123. 买卖股票的最佳时机 III - 力扣(LeetCode)https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-iii/1.题目解析
本题限制了最多完成两笔交易~
2.算法分析
1.状态表示
dp[i]: 第 i 天结束的时候,此时获得的最大利润 ---> 进一步细化(本题为了方便解释,就不用n×2的数组表示了,而是直接用两个表)
f[i] 第 i 天结束的时候,处于"买入"状态,此时获得的最大利润
g[i]: 第 i 天结束的时候,处于"卖出"状态,此时获得的最大利润
但是本题还有交易次数的限制,因此我们还要给f和g表加一个表示交易次数的维度
f[i][j]: 第i天结束的时候,完成了j笔交易,处于"买入"状态,此时获得的最大利润
g[i][j]:第i天结束的时候,完成了j笔交易,处于"卖出"状态,此时获得的最大利润
2.状态转移方程
f[i][j] = max(f[i-1][j], g[i-1][j] - prices[i])
g[i][j] = max(g[i-1][j], f[i-1][j-1] + prices[i])
3.初始化
由于g[i][j]状态转移方程中用到了 i -1 和 j - 1, 因此我们本应该初始化一行和一列,但是我们可以稍微修改一下g[i][j]的状态转移方程就可以更加方便初始化
①g[i][j] = g[i-1][j]
②if(j - 1 >= 0) g[i][j] = max(g[i][j], f[i-1][g-1] + prices[i])
此时只需要将f表和g表的第一行进行初始化即可
f[0][j]表示在第1天的时候,处于"买入"状态,获得的最大利润
g[0][j]表示在第1天的时候,处于"卖出"状态,获得的最大利润
为了获得最大利润,我们应该要尽可能珍惜交易次数,所以无论是买入还是卖出,我们都希望在第一天是0笔交易,因此 f[0][1] 与 f[0][2] 与 g[0][1] 与 g[0][2] 都初始化成 负无穷,这样求max就不会影响后续结果, 而f[0][0] = -prices[0], g[0][0] = 0
细节问题: 如果将上述几个值初始化成 负无穷, f[i][j] = max(f[i-1][j], g[i-1][j] - prices[i]) 这个转移方程中,g[i-1][j]还会减去一个正数,就会超出int的最小值,因此在做题中一个常用的值是 0x3f3f3f3f3f, 为啥设置成这个值,大家可以参考下面的博客
从上往下填每一行,每一行从左往右,两个表一起填
5.返回值
g 表最后一行的最大值(最后一天的时候,交易1笔,2笔,一直到 j 笔交易,这些值中的最大)
ps: f 表表示的是"买入状态",绝对不可能是最终结果
3.算法代码
class Solution {
public:
const int INF = 0x3f3f3f3f;
int maxProfit(vector<int>& prices)
{
//1.创建dp表
int n = prices.size();
vector<vector<int>> f(n, vector<int>(3, -INF));
auto g = f;
//2.初始化dp表
f[0][0] = -prices[0], g[0][0] = 0;
//3.填表
for(int i = 1; i < n; i++)
{
for(int j = 0; j < 3; j++)
{
f[i][j] = max(f[i-1][j], g[i-1][j] - prices[i]);
g[i][j] = g[i-1][j];
if(j >= 1)
g[i][j] = max(g[i][j], f[i-1][j-1] + prices[i]);
}
}
//4.返回值
int ret = 0;
for(int j = 0; j < 3; j++)
ret = max(ret, g[n-1][j]);
return ret;
}
};
十一、买卖股票的最佳时机 IV
188. 买卖股票的最佳时机 IV - 力扣(LeetCode)https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-iv/1.题目解析
本题限制了最多完成 k 笔交易~
2.算法分析
有了题目九的详细分析,本题就是把题目九的两笔交易改成了k笔交易,大家直接改代码中的for循环次数即可, 注意vector的列数要变一下~
3.算法代码
class Solution {
public:
const int INF = 0x3f3f3f3f;
int maxProfit(int k, vector<int>& prices)
{
//1.创建dp表
int n = prices.size();
vector<vector<int>> f(n, vector<int>(k + 1, -INF));
auto g = f;
//2.初始化dp表
f[0][0] = -prices[0], g[0][0] = 0;
//3.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] - prices[i]);
g[i][j] = g[i-1][j];
if(j >= 1)
g[i][j] = max(g[i][j], f[i-1][j-1] + prices[i]);
}
}
//4.返回值
int ret = 0;
for(int j = 0; j <= k; j++)
ret = max(ret, g[n-1][j]);
return ret;
}
};