手撕代码题型总结

最新推荐文章于 2024-09-17 16:44:51 发布

不吃饭就会放大招

最新推荐文章于 2024-09-17 16:44:51 发布

阅读量744

点赞数

分类专栏：算法题秋招复习

本文链接：https://blog.csdn.net/qq_31347869/article/details/106423504

版权

88 篇文章

订阅专栏

15 篇文章

订阅专栏

1. 类型题

【动态规划解题思路】

如何找动态规划和状态转移间的关系？ 通用技巧：数学归纳法

明确 dp 数组所存数据的含义，想要表示什么，决定了后面的状态转移公式；
根据 dp 数组的定义，运用数学归纳法的思想，假设 dp[0...i-1] 都已知，想办法求出 dp[i]；
如果感觉无法归纳出状态转移关系，可能是 dp 数组定义不恰当，也可能是 dp 数组存储的信息不够，考虑将其扩展到二维数组甚至三维数组；
另外，动规问题很多都会有 dp 数组第 i 个位置的状态会和前 i-1 个状态都有某些关联，此时就需要用到二重循环，外层循环遍历 dp 数组，内层循环用于求解每个位置的状态。

【动态规划和贪心算法】

动态规划和贪心算法都是用来求 “最优化问题”，且都必须有 “最优子结构”（一个问题的最优解包含其子问题的最优解）。贪心可以解决的问题，动态规划都能解决，可以说，贪心是动态规划的一个特例。

动态规划：自底向上，通过组合子问题的解来求解原问题。关键是 状态转移方程，即如何由已求出的局部最优解来推导全局最优解，全局最优解一定包含某个局部最优解，但不一定包含前一个局部最优解，因此需要记录之前的所有最优解。边界条件 是最简单的，可以直接得出的局部最优解。
贪心算法：自顶向下，进行一次次选择，将给定问题变得更小。从问题的某一个初始解出发逐步逼近给定的目标，总是做出当时看来最佳的选择，由上一步的最优解推导下一步的最优解，因此只需要记录上一步的最优解。

动态规划的核心就是 “穷举”，因为要找 “最值”，肯定要把所有可能情况都列出来，才能找最值呀。但这里的穷举不是真的 “老实人穷举法”，一般这类问题都存在 “重叠子问题”，通过 “备忘录” 或者 “DP table” 可以优化穷举过程，避免重复的计算。

动态规划的 3 个核心：① 重叠子问题，② 最优子结构，③ 状态转移方程。

参考文章：
【1】动态规划 LeetCode 题解，总结了各种经典的DP题目
【2】动态规划系列，搭建动态规划思维框架