动态规划刷题篇（二）

原创

已于 2022-07-05 16:47:59 修改 · 528 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #动态规划 #java

于 2022-05-21 12:06:25 首次发布

本文详细介绍了四个LeetCode中的动态规划和字符串处理问题，包括三角形最小路径和、交错字符串、解决智力问题以及数字1的个数。分别解析了每个问题的状态定义、状态转移方程、初始条件、计算顺序，并提供了相应的Java实现。通过这些实例，帮助读者深入理解动态规划和字符串处理技巧。

大家好鸭！这里是动态规划刷题频道，如果你也在学习动态规划，不妨一起来做做吧，题目选自LeetCode中等难度。

👉Example 1（三角形最小路径和）

给定一个三角形 triangle ，找出自顶向下的最小路径和。

每一步只能移动到下一行中相邻的结点上。相邻的结点在这里指的是下标与上一层结点下标相同或者等于上一层结点下标 + 1 的两个结点。也就是说，如果正位于当前行的下标 i ，那么下一步可以移动到下一行的下标 i 或 i + 1 。

示例 1：

输入：triangle = [[2],[3,4],[6,5,7],[4,1,8,3]]
输出：11
解释：如下面简图所示：
2
3 4
6 5 7
4 1 8 3
自顶向下的最小路径和为 11（即，2 + 3 + 5 + 1 = 11）。
示例 2：

输入：triangle = [[-10]]
输出：-10

LeetCode链接：三角形最小路径和

💎1.确定状态

状态：dp[i][j]表示走到第i行第j列的最小和。

情况1：走到第i行第1列,只能从第i-1行第1列走到

情况2：走到第i行第m（第i行的最后一列）列，只能从i-1行m-1列走到

情况3：走到中间既可以从i-1行j-1列走到，也可以从i-1行j列走到

😜2.状态转移方程

dp[i][0] = dp[i-1][0]+data （j = 0）

dp[i][m] = dp[i-1][m-1]+data （j = m）

dp[i][j] =min{dp[i-1][j],dp[i-1][j-1]}+data;

🎀3.初始条件及边界情况

dp[0][0] = trangle.get(0).get(0)

🚎4.计算顺序

dp[1][0] dp[1][1]

dp[2][0] dp[2][1] dp[2][2]

....

dp[n-1][0] dp[n-1][1] dp[n-1][2]...dp[n][m-1]

自上至下：

class Solution {
    public int minimumTotal(List<List<Integer>> triangle) {
        //自上到下,获取最大行和列
        int n = triangle.size();
        int m = triangle.get(n-1).size();
        int min = Integer.MAX_VALUE;
        
        int[][] dp = new int[n][m];
        dp[0][0] = triangle.get(0).get(0);//初始化

        for(int i=1; i<n; i++){
            List<Integer> row = triangle.get(i);
            dp[i][0] = row.get(0)+dp[i-1][0];

            for(int j=1; j<row.size(); j++){
               if(j == row.size()-1){
                   dp[i][j] = dp[i-1][j-1]+row.get(j);
                }
                else{
                    dp[i][j] = Math.min(dp[i-1][j],dp[i-1][j-1])+row.get(j);
                }
            }

        }

        //找最后一行的最大值
        for(int num:dp[m-1]){
            if(num<min){
                min = num;
            }
        }
        
        return min;
    }
}

自下至上