2 - DP 动态规划

1、算法思想

2、训练

42. 连续子数组的最大和

解法一：直接暴力，两层 for 循环不断的迭代进行求和，判断，更新最大值。
时间复杂度：O(n)

class Solution {
public:    
    int maxSubArray(vector<int>& nums) {
        int tmp = 0, max = INT_MIN, len = nums.size(); 
        for(int i = 0; i < len; i++) {
            tmp = nums[i];
            if(max < tmp)       max = tmp;
            for(int j = i + 1; j < len; j++) {
                tmp += nums[j]; 
                if(max < tmp)       max = tmp;
            }
        }
        return max;
    }
};

解法二：利用 DP 数组来存储当前状态，如果上一子数组连续和小于 0， 则丢弃，加入当前值；否则，继续加和。

class Solution {
public:    
    int maxSubArray(vector<int>& nums) {
        vector<int> dp = {nums[0]};
        for(int i = 1; i < nums.size(); i++) {            
            if(dp.back() < 0)
                dp.push_back(nums[i]);
            else
                dp.push_back(nums[i] + dp.back());
        }
        return *max_element(dp.begin(), dp.end());
    }
};

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        if(nums.size() == 0)    return 0;
        int sum = nums[0], ans = nums[0];
        for(int i = 1; i < nums.size(); i++) {
            sum = (sum < 0) ? nums[i] : sum + nums[i];
            ans = max(ans, sum);                           
        }
        return ans;
    }
};

121. 买卖股票的最佳时机

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int max = 0, tmp = 0, len = prices.size();
        for(int i = 0; i < len - 1; i++) {
            for(int j = i + 1; j < len; j++) {
                tmp = prices[j] - prices[i];
                max = (max > tmp) ? max : tmp;
            }
        } 
        return max;
    }
};

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int dp_ans = 0, dp_price = INT_MIN;
        for(int i = 0; i < prices.size(); i++) {
            dp_ans = max(dp_ans, dp_price + prices[i]);
            dp_price = max(dp_price, -prices[i]);
        }
        return dp_ans;
    }
};