动态规划——阶段小结

动态规划——阶段小结

最长公共子序列

题目描述

若给定序列$X=${$x_1,x_2,\cdots ,x_m$}，和$Y=${$y_1,y_2,\cdots ,y_m$},需要求X和Y的最长公共子序列

思路分析

考虑自下而上的方式，设dp[i][j]代表对于$X$下标在(0,i)和对于$Y$下标在(0,j)内的最长公共子序列

根据情况分类讨论：

首先确定边界条件，dp[0][0]=0(此时没有元素，下标从1开始)

分割点应当是 X[i]是否与Y[i]相同

状态转移方程应如下所示
$$dp[i][j]=\{\begin{array}{rc}dp[i-1][j-1]+1& X[i]==Y[j]\\ max(dp[i-1][j],dp[i][j-1])& X[i]!=Y[j]\end{array}$$

代码

class Solution:
    def longestCommonSubsequence(self, text1: str, text2: str) -> int:
        len1,len2=len(text1),len(text2)
        dp=[[0]*(len2+2) for _ in range(len1+2)]
        dp[0][0]=0
        for i in range(1,len1+1):
            for j in range(1,len2+1):
                if text1[i-1]==text2[j-1]:
                    dp[i][j]=dp[i-1][j-1]+1
                else:
                    dp[i][j]=max(dp[i-1][j],dp[i][j-1])
        return dp[len1][len2]

注意

这里text1和 text2的下标是0开始，而dp是1开始，要注意好区分

凸多边形最优三角剖分

题目描述

用多边形顶点的逆时针序列表示凸多边形，即$P=${$v_1,v_2,\cdots ,v_m$}表示具有m条边的凸多边形

多边形的三角剖分是将多边形分割成互不相交的三角形的弦的集合T

对于给定的凸多边形P，以及定义在由多边形的三个顶点组成的三角形上的权函数$w(v_i{v}_k{v}_j)$。要求确定最优三角剖分，使在该三角剖分上诸三角形上权之和为最小

思路分析

此题类似于矩阵的连乘最优次数

可以分析出多边形的最优三角剖分具有最优子结构的特点，即对于一个最优的三角剖分，其子图形的三角剖分也是最优的

如同矩阵连乘和扎气球问题，我们只需要从区间2开始遍历到n即可

状态转移方程应如下所示
$$dp[i][j]=\{\begin{array}{rc}0& i>=j\\ min(dp[i][k]+dp[k+1][j]+v[i-1]v[k]v[j])& i<j其中k\in [i+1,j-1]\end{array}$$

代码

class Solution:
    def minScoreTriangulation(self, values):
        lens=len(values)
        dp=[[0]*(lens+1) for _ in range(lens+1)]
        dp[0][0]=0
        for r in range(2,lens):
            for i in range(1,lens-r+1):
                j=i+r-1
                dp[i][j]=dp[i+1][j]+values[i-1]*values[i]*values[j]
                for k in range(i+1,j):
                    temp=dp[i][k]+dp[k+1][j]+values[i-1]*values[k]*values[j]
                    if temp<dp[i][j]:
                        dp[i][j]=temp
        return dp[1][lens-1]

注意

这里的中间是$values[i-1]\ast values[k]\ast values[j]$ 而非$values[i]\ast values[k]\ast values[j]$

股票买卖问题

题目描述

给定一个股价的序列，决定在何日买入和何日卖出来获得最大利益

如[7,1,5,3,6,4]可以选择在第二天买入，第五天卖出，得到最大利润6-1=5

思路分析

用dp[i][0]来代表第i天不持股，dp[i][1]来代表第i天持股

那么对于dp[i][0]来说，如果前一天不持股，那么就等于dp[i-1][0];如果前一天持股，那么就等于dp[i-1][1]+prices[i]即当天必须卖出

那么对于dp[i][1]来说，如果前一天持股，那么就等于dp[i-1][1];如果前一天不持股，那么就等于-prices[i]即当天必须买入

状态转移方程应如下所示
$$dp[i][0]=max(dp[i-1][0],dp[i-1][1]+prices[i])$$

$$dp[i][1]=max(dp[i-1][1],-prices[i])$$

很容易看出dp[i][0]里维护的是到第i天时的最大利润，dp[i][1]里维护的是到第i天时最佳的买入价格

代码

class Solution:
    def maxProfit(self, prices) -> int:
        lens=len(prices)
        dp=[[0]*2 for _ in range(lens+2)]
        dp[0][0]=0
        dp[0][1]=-prices[0]
        for i in range(1,lens):
            dp[i][0]=max(dp[i-1][0],dp[i-1][1]+prices[i])
            dp[i][1]=max(dp[i-1][1],-prices[i])
        return dp[lens-1][0]

​
​