LeetCode打卡Task10-动态规划篇

最新推荐文章于 2024-08-15 05:02:54 发布

SASIOVERLXRD

最新推荐文章于 2024-08-15 05:02:54 发布

阅读量213

点赞数

文章标签： leetcode 深度优先算法

本文链接：https://blog.csdn.net/qq_42842202/article/details/123302407

版权

本文介绍了动态规划的五步解题法，并通过五个经典例子——最大子数组和、最长公共子序列、买卖股票的最佳时机、买卖股票的最佳时机II、最长回文子序列进行详细解析，展示如何运用动态规划解决实际问题。每个例子都包含了解决方案的代码实现，帮助读者深入理解动态规划思想。

摘要由CSDN通过智能技术生成

一、知识点

动态规划五部曲

1.确定dp数组以及其下标的含义
2.确定递推公式
3.确定dp数组的初始化
4.确定遍历顺序
5.举例推导dp数组

二、例题

1.最大子数组和
在这里插入图片描述

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        opt=[nums[0]]
        for i in nums[1:]:
            opt.append(max(opt[-1]+i,i))
        return max(opt)

2.最长公共子序列
在这里插入图片描述

class Solution:
    def longestCommonSubsequence(self, text1: str, text2: str) -> int:
        len1,len2=len(text1),len(text2)
        opt=[[0 for j in range(len2+1)] for i in range(len1+1)]
        for i in range(len1):
            for j in range(len2):
                if text1[i]==text2[j]:
                    opt[i+1][j+1]=opt[i][j]+1
                else:
                    opt[i+1][j+1]=max(opt[i+1][j],opt[i][j+1])
        return opt[len1][len2]

3.买卖股票的最佳时机
在这里插入图片描述

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        min_in=prices[0]
        max_out=0
        for i in range(1,len(prices)):
            min_in=min(prices[i],min_in)
            max_out=max(prices[i]-min_in,max_out)
        return max_out

4.买卖股票的最佳时机 II
在这里插入图片描述
两种解法：1.dp 2.贪心

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        # dp=[[0,0] for _ in range(len(prices))]
        # dp[0][0],dp[0][1]=0,-prices[0]
        # for i in range(1,len(prices)):
        #     dp[i][0]=max(dp[i-1][0],dp[i-1][1]+prices[i])
        #     dp[i][1]=max(dp[i-1][1],dp[i-1][0]-prices[i])
        # return dp[len(prices)-1][0]
        ans=0
        for i in range(len(prices)-1):
            ans+=max(0,prices[i+1]-prices[i])
        return ans

5.最长回文子序列
在这里插入图片描述

class Solution:
    def longestPalindromeSubseq(self, s: str) -> int:
        n=len(s)
        dp = [[0]*n for _ in range(n)]
        for i in range(n):
            dp[i][i]=1
        for i in range(n-1,-1,-1):
            for j in range(i+1,n):
                if s[i]==s[j]:
                    dp[i][j]=dp[i+1][j-1]+2
                else:
                    dp[i][j]=max(dp[i+1][j],dp[i][j-1])
        return dp[0][-1]