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、198. 打家劫舍
198. 打家劫舍
Note:经典题目打家劫舍
class Solution {
public:
int rob(vector<int>& nums) {
if (nums.size() == 0) return 0;
if (nums.size() == 1) return nums[0];
//1. 确定dp数组(dp table)以及下标的含义
//dp[i]:i间房屋最多可以偷窃的金额为dp[i]。
vector<int> dp(nums.size());
//2. 确定递推公式
//dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);
//3. dp数组如何初始化
dp[0] = nums[0];
dp[1] = max(nums[0], nums[1]);
//4. 确定遍历顺序
for (int i = 2; i < nums.size(); i++) {
dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);
}
//5. 举例推导dp数组
return dp[nums.size() - 1];
}
};
二、213. 打家劫舍 II
213. 打家劫舍 II
Note:经典动规打家劫舍第二题
class Solution {
public:
int rob(vector<int>& nums) {
if (nums.size() == 0) return 0;
if (nums.size() == 1) return nums[0];
//分两种情况考虑
int result1 = robRange(nums, 0, nums.size() - 2); //不考虑尾元素
int result2 = robRange(nums, 1, nums.size() - 1); //不考虑头元素
return max(result1, result2);
}
int robRange(vector<int>& nums, int start, int end) {
if (start == end) return nums[start]; //1. 确定dp数组(dp table)以及下标的含义
//dp[i]:i间房屋最多可以偷窃的金额为dp[i]。
vector<int> dp(nums.size());
//2. 确定递推公式
//dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);
//3. dp数组如何初始化
dp[start] = nums[start];
dp[start + 1] = max(nums[start], nums[start + 1]);
//4. 确定遍历顺序
for (int i = start + 2; i <= end; i++) {
dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);
}
//5. 举例推导dp数组
return dp[end];
}
};
三、337. 打家劫舍 III
337. 打家劫舍 III
Note:经典动规打家劫舍第三题
/**
* Definition for a binary tree node.
* struct TreeNode {
* int val;
* TreeNode *left;
* TreeNode *right;
* TreeNode() : val(0), left(nullptr), right(nullptr) {}
* TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}
* TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}
* };
*/
class Solution {
public:
int rob(TreeNode* root) {
vector<int> result = robTree(root);
return max(result[0], result[1]);
}
vector<int> robTree(TreeNode* cur) {
if (cur == NULL) return vector<int>{0, 0};
vector<int> left = robTree(cur->left);
vector<int> right = robTree(cur->right);
int val1 = cur->val + left[0] + right[0];
int val2 = max(left[0], left[1]) + max(right[0], right[1]);
return {val2, val1};
}
};
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。