qq_41427793的博客

问题描述： 输入3个子串， 输出这3个子串的最大公共子串 样例输入： abcd acb abc ab #include<cstdio> #include<iostream> #include<map> #include<vector> #include<cstring> #include<string> #include<algorithm> using namespace std; const int ma.

经动态规划：编辑距离 #include<iostream> #include<string> #include<algorithm> using namespace std; const int maxn = 110; int dp[maxn][maxn]; int main() { string s1, s2; cin >> s1 >> s2; for (int i = 1; i < s1.length()...

题目描述 给n个信封的长度和宽度。如果信封A的长和宽都小于信封B，那么信封A可以放到信封B里，请求出信封最多可以嵌套多少层。 输入描述: 输出包含多行，第一行包括一个整数，代表信封的个数n(1≤n≤10e5)。接下来n行，每行两个整数li​和wi​，代表信封的长度和宽度(−1e9≤li​,wi​≤1e9)。 输出描述: 输出包括一行，代表信封最多嵌套多少层。 输入 9 3 4 2 3 4 5 1 3 2 2 3 6 1 2 3 2 2 4 输出 4 先对宽度w进行升序排序，如果遇到w相同的情况，.

给你输入两个字符串s1和s2，请你找出他们俩的最长公共子序列，返回这个子序列的长度。 比如说输入s1 = "zabcde", s2 = "acez"，它俩的最长公共子序列是lcs = "ace"，长度为 3，所以算法返回 3 递归 dp函数的定义是：dp(s1, i, s2, j)计算s1[i..]和s2[j..]的最长公共子序列长度 明确选择：具体到每一个字符，思考每个字符该做什么 还有一个小的优化，情况三「s1[i]和s2[j]都不在 lcs 中」其实可以直接忽略 base case：i.

题目： 有2*n 的地板，用1*2和 2*1 的骨牌进行铺地板。问共有多少种情况。结果对 999983 取余，1<=n<=10000 。 输入： 6 输出： 13 #include<iostream> using namespace std; const int maxn = 11000; int main() { int dp[maxn] = {}; int n; cin >> n; dp[1] = 1; dp[2] = 2; ...

给定一个无序的整数数组，找到其中最长上升子序列长度。 输入： 8 10 9 2 5 3 7 101 18 输出： 4 明确dp含义：dp[i]表示以nums[i]这个数结尾的最长递增子序列的长度 明确选择：假设dp[0...i-1]都已经被算出来了，然后问自己：怎么通过这些结果算出dp[i](数学归纳思想） 明确 base case：dp[i]初始值为 1，因为以nums[i]结尾的最长递增子序列起码要包含它自己 #include<iostream> #in...

明确dp数组：以nums[i]结尾的「最大的子数组和」为dp[i] 明确选择：dp[i]有两种「选择」，要么与前面的相邻子数组连接，形成一个和更大的子数组；要么不与前面的子数组连接，自成一派，自己作为一个子数组 明确base case：dp[i]初始值为 num[i] #include<iostream> #include<algorithm> using namespace std; const int maxn=110; int main() { int n, n...

动态规划 动态规划问题的一般形式就是求最值，核心问题是穷举。因为要求最值，肯定要把所有可行的答案穷举出来，然后在其中找最值。动态规划的穷举有点特别，因为这类问题存在「重叠子问题」，如果暴力穷举的话效率会极其低下，所以需要「备忘录」或者「DP table」来优化穷举过程，避免不必要的计算。而且，动态规划问题一定会具备「最优子结构」。要符合「最优子结构」，子问题间必须互相独立。 思维框架： 明确「状态」 -> 定义 dp 数组/函数的含义 -> 明确「选择」-> 明确 base

题目：给你k种面值的硬币，面值分别为c1, c2 ... ck，每种硬币的数量无限，再给一个总金额amount，问你最少需要几枚硬币凑出这个金额，如果不可能凑出，算法返回 -1 。