动态规划

思路

动态规划的⼀般流程就是3步： 暴⼒的递归解法 -> 带备忘录的递归解法 -> 迭代的动态规划解法。

思考流程也是3步： 找到状态和选择 -> 明确 dp 数组/函数的定义 -> 寻找状态之间的关系。

框架：

for 状态1 in 状态1的所有取值：
	for 状态2 in 状态2的所有取值：
		for ...
			dp[状态1][状态2][...] = 择优(选择1， 选择2...)

leetcode题目汇总

第 1 部分：「动态规划」基本问题

• 递归 + 记忆化：记忆化递归（记忆化搜索），这是「自上而下」的思路；
• 掌握「自底向上」递推求解问题的方法；
• 理解「重复子问题」、「最优子结构」、「无后效性」；
• 掌握「状态定义」、「状态转移方程」

题目序号	题解	知识点
509. 斐波那契数（简单）		递归做一定要加缓存。
70. 爬楼梯（简单）		和斐波拉契数是同一道问题。

第 2 部分：最优子结构

题目序号	题解	知识点
279. 完全平方数（中等）
322. 零钱兑换（中等）		动态规划、使用「完全背包」问题思路、图的广度优先遍历
343. 整数拆分（中等）		“贪心选择”性质的简单证明、记忆化搜索、动态规划

第 3 部分：无后效性

题目序号	题解	知识点
198. 打家劫舍（简单）		二维状态消除后效性
62. 不同路径（中等）
63. 不同路径 II（中等）

第 4 部分：经典问题（1）

题目序号	题解	知识点
5. 最长回文子串		Manacher 算法 + 动态规划；使用动态规划的方法得到子串的回文性质；填表顺序很重要
10. 正则表达式匹配（困难）
44 通配符匹配（选做）
53. 最大子序和		1、经典动态规划问题；2、分治
72. 编辑距离（困难）	liweiwei、labuladong	实用算法
120. 三角形最小路径和（中等）
152 乘积最大的子数组
279 完全平方数
300. 最长上升子序列		定义了状态后，用贪心和二分查找
343 整数拆分
877 石子游戏
887 鸡蛋掉落（困难）	liweiwei	动态规划+二分查找
1143 最长公共子串
1371		每个元素包含偶数次的最长子字符串；状态压缩dp问题，知识点很密集，涉及异或、前缀和、哈希表

第 5 部分：经典问题（2）背包问题

题目序号	题解	知识点
416. 分割等和子集		0-1 背包；很重要的动态规划模型，必须掌握
474. 一和零		转换为 0-1 背包
494. 目标和		0-1 背包
322. 零钱兑换（中等）		完全背包、图的广度优先遍历
518. 零钱兑换 II		完全背包
377. 组合总和 Ⅳ		注意不是完全背包问题

优化空间的写法！ 知道一维表格下【01背包】逆向，【完全背包】正向填表的原因

第 6 部分：经典问题（3）股票问题

题目序号	题解	知识点
121. 买卖股票的最佳时机（简单）		暴力枚举 + 动态规划 + 差分思想
122. 买卖股票的最佳时机 II（简单）		暴力搜索 + 贪心算法 + 动态规划
123. 买卖股票的最佳时机 III（困难）		1、从后向前写可以把状态压缩到一维；2、分解成两个 121 题。
188. 买卖股票的最佳时机 IV（困难）
309. 最佳买卖股票时机含冷冻期（中等）
714. 买卖股票的最佳时机含手续费（中等）

其他经典问题：

• 打家劫舍系列：198、213、337 （337是树形dp问题）

第 4 部分：经典问题（1）

72 编辑距离

（鹅厂面试题）最长公共子序列的拓展。

解决两个字符串的动态规划问题， ⼀般都是⽤两个指针 i,j 分别指向两个字符串的最后， 然后⼀步步往前走， 缩小问题的规模。

状态：dp[i][j] 表示word1的前i个字母转换成word2的前j个字母所使用的最少操作。

选择：跳过、插入、删除、替换

思路：

if s1[i] == s2[j]:
	skip
	i, j 同时向前移动
else:
	三选⼀：
		插⼊（insert）
		删除（delete）
		替换（replace）

代码：

class Solution {
   
public:
    int minDistance(string word1, string word2) {
   
        int n1 = word1.length(), n2 = word2.length();
        vector<vector<int>> dp(n1+1,vector<int>(n2+1));
        //base case
        for(int i = 1;i <= n1;i++){
      //dp[i][0]  word2为空，则要删去所有word1中的字符
            dp[i][0] = i;
        }
        for(<