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(