动态规划Dynamic programming
把原问题分解为相对简单的子问题的方式求解复杂问题的方法
思考
- 考虑能否将问题规模减小。(每次减少一半,每次减少一个)
- 线性动态规划 状态转移:
dp[n] = f(dp[n-1], ..., dp[0])
- 区间动态规划
- dp[i][j] 仅与常数个更小规模子问题有关 (时间空间复杂度O(n2))
dp[i][j] = f(dp[i + 1][j], dp[i][j - 1], dp[i + 1][j - 1])
for len = 1..n for i = i..len j = i + len - 1 dp[i][j] = max(dp[i][j], f(dp[i+1][j], dp[i][j-1], dp[i+1][j-1]))
- dp[i][j] 与 O(n) 个更小规模子问题有关
dp[i][j] = g(f(dp[i][k], dp[k + 1][j])) 其中 k = i .. j-1
for len = 1..n for i = i..len j = i + len - 1 for k = i..j dp[i][j] = max(dp[i][j], f(dp[i][k], dp[k][j]))
- dp[i][j] 仅与常数个更小规模子问题有关 (时间空间复杂度O(n2))
作者:力扣 (LeetCode)
链接:https://leetcode-cn.com/leetbook/read/dynamic-programming-1-plus/5ailv3/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
```
方法
题目
- 509. 斐波那契数
- 初始值:
F(0)=0 和 F(1)=1
- 状态转移方程:
F(n)=F(n−1)+F(n−2)
- 初始值:
- 1137. 第 N 个泰波那契数
- 初始值:
T(0)=0, T(1)=1, T(2)=1
- 状态转移方程:
T(n)=T(n−1)+T(n−2)+T(n−3)
- 初始值:
- 70. 爬楼梯
- 初始值:
f(0)=1
- 状态转移方程:
f(x)=f(x−1)+f(x−2)
- 初始值:
- 746. 使用最小花费爬楼梯
- 初始值:
dp[0]=dp[1]=0
- 状态转移方程:
dp[i]=min(dp[i−1]+cost[i−1],dp[i−2]+cost[i−2])
- 初始值:
- 198. 打家劫舍
- 初始值:
dp[0]=nums[0], dp[1] = Math.max(nums[0], nums[1])
- 状态转移方程:
dp[i] = Math.max(dp[i - 2] + nums[i], dp[i - 1]);
- 初始值:
- 213. 打家劫舍 II
- 前提处理:分成两个子问题进行处理(0,n-2),(1,n-1)
- 初始值:
dp[0]=nums[0], dp[1] = Math.max(nums[0], nums[1])
- 状态转移方程:
Math.max(rob(0, n - 2, nums), rob(1, n - 1, nums))
- 740. 删除并获得点数
- 前提处理:获取对应的点数数组
- 初始值:
dp[0]=nums[0], dp[1] = Math.max(nums[0], nums[1])
- 状态转移方程:
dp[i] = Math.max(dp[i - 2] + nums[i], dp[i - 1]);
-
- 初始值:
- 状态转移方程:
-
- 初始值:
- 状态转移方程:
-
- 初始值:
- 状态转移方程: