前言
一个本硕双非的小菜鸡,备战24年秋招,计划二刷完卡子哥的刷题计划,加油!
二刷决定精刷了,于是参加了卡子哥的刷题班,训练营为期60天,我一定能坚持下去,迎来两个月后的脱变的,加油!
推荐一手卡子哥的刷题网站,感谢卡子哥。代码随想录
动态规知识点
终于来到了守关boss。。。
动态规划中每一个状态一定是由上一个状态推导出来的
动规是由前一个状态推导出来的,而贪心是局部直接选最优的。
动规五部曲
动态规划一般分为如下五步:
- 确定dp数组(dp table)以及下标的含义
- 确定递推公式
- dp数组如何初始化
- 确定遍历顺序
- 举例推导dp数组
//1. 确定dp数组(dp table)以及下标的含义
//2. 确定递推公式
//3. dp数组如何初始化
//4. 确定遍历顺序
//5. 举例推导dp数组
解题时候多把dp数组打印出来,看看究竟是不是按照自己思路推导的。
写代码之前一定要把状态转移在dp数组的上具体情况模拟一遍,心中有数,确定最后推出的是想要的结果。
然后再写代码,如果代码没通过就打印dp数组,看看是不是和自己预先推导的哪里不一样。
如果打印出来和自己预先模拟推导是一样的,那么就是自己的递归公式、初始化或者遍历顺序有问题了。
如果和自己预先模拟推导的不一样,那么就是代码实现细节有问题。
一、52. 携带研究材料
52. 携带研究材料
Note:完全背包问题
#include <iostream>
#include <vector>
using namespace std;
void test_CompletePack(vector<int> weight, vector<int> value, int bagWeight) {
//1. 确定dp数组(dp table)以及下标的含义
vector<int> dp(bagWeight + 1, 0);
//2. 确定递推公式
//dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
//3. dp数组如何初始化
//4. 确定遍历顺序
for (int j = 0; j <= bagWeight; j++) {
for (int i = 0; i < weight.size(); i++) {
if (j - weight[i] >= 0)
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
//5. 举例推导dp数组
cout << dp[bagWeight] << endl;
}
int main()
{
int N, V;
cin >> N >> V;
vector<int> weight;
vector<int> value;
for (int i = 0; i < N; i++) {
int w, v;
cin >> w >> v;
weight.push_back(w);
value.push_back(v);
}
test_CompletePack(weight, value, V);
return 0;
}
二、518. 零钱兑换 II
518. 零钱兑换 II
Note:完全背包问题
class Solution {
public:
int change(int amount, vector<int>& coins) {
vector<int> dp(amount + 1, 0);
dp[0] = 1;
//1. 确定dp数组(dp table)以及下标的含义
//dp[j]:凑成金额的组合数
//2. 确定递推公式
//dp[j] += dp[j - coins[i]];
//3. dp数组如何初始化
//4. 确定遍历顺序
for (int i = 0; i < coins.size(); i++) {
for (int j = coins[i]; j <= amount; j++)
dp[j] += dp[j - coins[i]];
}
//5. 举例推导dp数组
return dp[amount];
}
};
三、377. 组合总和 Ⅳ
377. 组合总和 Ⅳ
Note:完全背包问题
class Solution {
public:
int combinationSum4(vector<int>& nums, int target) {
vector<int> dp(target + 1, 0);
dp[0] = 1;
//1. 确定dp数组(dp table)以及下标的含义
//dp[i]: 凑成目标正整数为i的排列个数为dp[i]
//2. 确定递推公式
//dp[i] += dp[i - nums[j]];
//3. dp数组如何初始化
//4. 确定遍历顺序
for (int i = 0; i <= target; i++) {
for (int j = 0; j < nums.size(); j++) {
if (i - nums[j] >= 0 && dp[i] < INT_MAX - dp[i - nums[j]]) {
dp[i] += dp[i - nums[j]];
}
}
}
//5. 举例推导dp数组
return dp[target];
}
};
总结
动态规划法,和分治法极其相似。区别就是,在求解子问题时,会保存该子问题的解,后面的子问题求解时,可以直接拿来计算。