datawhale leetcode 刷题 2 动态规划

动态规划

主要步骤

• 确定动态规划状态
• 写出状态转移方程（画出状态转移表）
• 考虑初始化条件
• 考虑输出状态
• 考虑对时间，空间复杂度的优化（Bonus）

DP table

对我自己， DP table 有一个通用的考虑方式：
claim:

$$S(i)=max\{\begin{array}{l}v(i)+S(pre(i))\\ S(i-1)\end{array}$$

leetcode 题目

300. 最长上升子序列

A 为数列， s[i] 为 A[i,…n] 的最长递增数列。
$$S(i)=1+max(s(j):j>i,A[j]>A[i])$$

674. 最长连续递增序列

与上题相似，
s(i) = 1+s[i-1] 或 s(i) = 1

模板总结：

for i in range(len(nums)):
            for j in range(i):
                    dp[i]=最值(dp[i],dp[j]+...)

5. 最长回文子串

516. 最长回文子序列

这两题比较相似，需要使用二维dp解决，
使用dp[i][j]来表示字符串i-j 之间的回文子串情况。

模板总结：

for i in range(len(nums)):
            for j in range(n):
            	if s[i]==s[j]:
                    dp[i][j]=dp[i][j]+...
                else:
                	dp[i][j]=最值(...)

72. 编辑距离

这个题目的状态转移方程是最难想的一个。
采用从末尾开始遍历word1和word2， 当word1[i]等于word2[j]时，说明两者完全一样，所以i和j指针可以任何操作都不做，用状态转移式子表示就是dp[i][j]=dp[i-1][j-1]，也就是前一个状态和当前状态是一样的。

当word1[i]和word2[j]不相等时，就需要对三个操作进行递归了，这里就需要仔细思考状态转移方程的写法了。(相当于是无论如何都需要一步来解决匹配问题)
对于插入操作，当我们在word1中插入一个和word2一样的字符，那么word2就被匹配了，所以可以直接表示为dp[i][j-1]+1 对于删除操作，直接表示为dp[i-1][j]+1 对于替换操作，直接表示为dp[i-1][j-1]+1 所以状态转移方程可以写成min(dp[i][j-1]+1,dp[i-1][j]+1,dp[i-1][j-1]+1)​

198. 打家劫舍

213. 打家劫舍 II

这两题比较相似，都是使用dp[i]表示达到第i户能盗窃的最大资金。
dp[i] = max(dp[i-1], nums[i]+dp[i-2])
不同的是，第二题中街道为环形，所以将数组变换为 1-n-1 和 2-n 两种情况考虑。