动态规划题目

本文题目来自LeetCode,关于动态规划步骤来自公众号 labuladong

1.最大子数组和

 动态规划步骤：

先确定状态：就是原问题和子问题中变化的变量。比如 零钱兑换 给你一个硬币数组 coins ，让你输出凑出目标金额 amount 所需的最少金额数，那么你无法确定有什么样的硬币供你使用，它是作为输入的，所以唯一的状态就是目标金额 amount

然后确定 dp 函数的定义：在例子中, dp(n) 表示当前的目标金额是 n ，凑成该金额所需的最少硬币数

然后确定选择并择优：就是对于每个状态可以做出什么选择改变当前状态。

不同路径 该题目更为直观，机器人每次只能向下或者向右移动一步，也就是说机器人当前的位置取决于其相邻左边和右边的位置，由于机器人任意选择向右或向上，求当前路径数也就等于左边位置的路径数加上上边的。（这里的 dp 二维列表初始化就将最左边一列和最上边一行设置为1，也就是 dp[0][i]=1,dp[i][0]=1，因为对于最上边一行机器人只能通过向右走才能到达，这也就是接下来的确定边界情况）（相似题目：下降路径最小和）

 #dp[i][j]表示为从start到达[i][j]的路径个数
        dp=[[1]*n]+[[1]+[0]*(n-1) for _ in range(m-1)]
        for i in range(1,m):
            for j in range(1,n):
                dp[i][j]=dp[i][j-1]+dp[i-1][j]
        return(dp[m-1][n-1])

那么第一个例子可以做出什么选择呢，无论当前的目标金额是多少（为什么总是说当前的，因为使用动态规划，当前状态时刻改变，目标结果往往是最终状态或者所有状态的最值），选择就是从 coins 中选择一个硬币，然后目标金额相应的减少，就是 coins=[1,2,5]，amount=11，当你选择5时，amoun减去5，凑成目标金额的最少硬币数就变成凑成amount-5=6的最少硬币数+1，当然选择为 数组 coins 中的每一个硬币

最后确定 base case：就是边界情况，以及状态转移方程可能溢出的，上图机器人代码中循环内的语句就是状态转移方程，再加上特殊情况

（在当前的状态只于前几个状态有关，可以使用【滚动数组思想】，例如买卖股票的最佳时机||，当然方法二为特殊方法）

#方法一
        n=len(prices)
        dp0,dp1=0,-prices[0]
        for i in range(1,n):
           newdp0=max(dp0,dp1+prices[i])
           newdp1=max(dp1,dp0-prices[i])
           dp0=newdp0
           dp1=newdp1
        return(dp0)
#方法二
        max=0
        for i in range(1,len(prices)):
            num=prices[i]-prices[i-1]
            if num>0:
                max+=num
        return(max)

那么题目1的代码就呼之欲出了

#方法一
        pre,maxAns=0,nums[0] 
        #pre代表以第i个元素为结尾的连续子数组的最大和
        #pre其实用了滚动数组思想，
        #maxAns与pre比较前代表前i-1个元素任取一个作为结尾的连续子数组的最大和
        for i in nums:
            pre=max(pre+i,i)
            maxAns=max(maxAns,pre)
        return(maxAns)
#方法二
        #如果前一个元素大于0，就加入当前元素上
        for i in range(1,len(nums)):
            if nums[i-1]>0:
                nums[i]+=nums[i-1]
        return(max(nums))

 类似的还有 最长递增子序列 与零钱兑换相似

        n=len(nums)
        dp=[1]*n 
        for i in range(n):
            for j in range(0,i):
                if nums[j]<nums[i]:
                    dp[i]=max(dp[i],dp[j]+1)
        return(max(dp))

2.通配符匹配

状态转移方程如下

        #dp[i][j] 表示字符串 s 的前 i个字符和模式 p的前 j 个字符是否能匹配
        n,m=len(s),len(p)
        dp=[[False]*(m+1) for _ in range(n+1)]
        dp[0][0]=True
        for i in range(1,m+1):
            if p[i-1]=='*':
                dp[0][i]=True
            else:
                break
        #dp[i][0](i>0,且s不为空)均等于False，这里判断dp[0][i-1]是否为False,只有前 i 个字符均为 * 时才为True
        #这样就判断了边界情况dp[0][0]--dp[0][m],dp[0][0]--dp[n][0]
        for i in range(1,n+1):
            for j in range(1,m+1):
                if p[j-1]=='*':
                   dp[i][j]=dp[i][j-1] | dp[i-1][j]
                elif p[j-1]=='?' or s[i-1]==p[j-1]:
                   dp[i][j]=dp[i-1][j-1]
        return(dp[n][m])