动态规划的四步:定义状态,设计状态转移方程,初始化边界,确定答案。
109. 数字三角形
这个形状和树的结构相似,可以利用分治的思路求解。但是会超时,时间复杂度O(n^2)。
class Solution {
public:
int minimumTotal(vector<vector<int>> &triangle) {
int n=triangle.size();
return dfshelper(triangle,0,0,n);
}
int dfshelper(vector<vector<int>> &triangle,int x,int y,int n) {
if (x==n) return 0;
return triangle[x][y]+min(dfshelper(triangle,x+1,y,n),dfshelper(triangle,x+1,y+1,n));
}
};
分析结构发现,这个三角形和树不同的地方在于每个节点左上和右上均有联通节点,因此计算过程中可能存在重复访问。如果能记录下已经算过的节点的最小路径和,就不用再重复计算了。时间复杂度降低为O(n*n)。
class Solution {
public:
int minimumTotal(vector<vector<int>> &triangle) {
int n=triangle.size();
int m=triangle[n-1].size();
vector<vector<int>> f(n,vector<int>(m,INT_MAX));
return dfshelper(triangle,0,0,n,f);
}
int dfshelper(vector<vector<int>> &triangle,int x,int y,int n,vector<vector<int>> &f) {
if (x==n) return 0;
if (f[x][y]!=INT_MAX) return f[x][y];
else f[x][y]=triangle[x][y]+min(dfshelper(triangle,x+1,y,n,f),dfshelper(triangle,x+1,y+1,n,f));
return f[x][y];
}
};
写成for循环的形式,就是动态规划。
class Solution {
public:
int minimumTotal(vector<vector<int>> &triangle) {
int n=triangle.size();
for (int i=n-2;i>=0;i--) {
for (int j=0;j<triangle[i].size();j++)
triangle[i][j]+=min(triangle[i+1][j],triangle[i+1][j+1]);
}
return triangle[0][0];
}
};
124. 最长连续序列
这个题是典型的不能使用动态规划的代表。使用的数据是一个集合而不是有序的序列(即没有方向性)。这个题为了使时间复杂度降到O(n),必须使用哈希表。且当每次访问了这个元素之后,在哈希表内删除(精髓中的精髓,保证每个元素最多访问一次)。
class Solution {
public:
int longestConsecutive(vector<int> &num) {
if (num.size()<=1) return num.size();
unordered_set<int> hash(num.begin(),num.end());
int res=1;
for (int i=0;i<num.size();i++) {
if (hash.find(num[i])!=hash.end()) {
hash.erase(num[i]);