动态规划基础
简称DP,如果某⼀问题有很多重叠⼦问题,使⽤动态规划是最有效的。
动态规划中每⼀个状态⼀定是由上⼀个状态推导出来的
做题过程:
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
509. 斐波那契数
509. 斐波那契数 - 力扣(LeetCode)https://leetcode.cn/problems/fibonacci-number/
首先思考dp数组的含义:
dp[i]是指数组中第i个数的值
状态转移方程:dp[i]=dp[i-1]+dp[i-2]
初始化:初始第1和第2个数
确定遍历顺序从头开始到第n个
举例推导dp[i] = dp[i - 1] + dp[i - 2]
class Solution {
public:
int fib(int N) {
if (N <= 1) return N;
vector<int> dp(N + 1);
dp[0] = 0;
dp[1] = 1;
for (int i = 2; i <= N; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[N];
}
};
70.爬楼梯
70. 爬楼梯 - 力扣(LeetCode)https://leetcode.cn/problems/climbing-stairs/
首先思考dp数组得含义:
dp[i]是指爬到第i阶有几种方法
dp[i]=dp[i-1] + dp[i-2]
初始化:初始第1和第2个数
确定遍历顺序从头开始到第n个
举例推导dp[i] = dp[i - 1] + dp[i - 2]
class Solution {
public:
int climbStairs(int n) {
if(n<=2){
return n;
}
vector<int> vec(n+1,0);
vec[1]=1;
vec[2]=2;
for(int i=3;i<=n;i++){
vec[i]=vec[i-1]+vec[i-2];
}
return vec[n];
}
};
746. 使用最小花费爬楼梯
746. 使用最小花费爬楼梯 - 力扣(LeetCode)https://leetcode.cn/problems/min-cost-climbing-stairs/submissions/
dp[i]表示到达第i个台阶最小的花费
dp[i]=min(dp[i-1],dp[i-2])+cost[i];
初始化dp[0]=cost[0] dp[1]=cost[1]
顺序是从第2个台阶开始
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
vector<int> dp(cost.size(),0);
//初始化数组
dp[0]=cost[0];
dp[1]=cost[1];
for(int i=2;i<cost.size();i++){
dp[i]=min(dp[i-1],dp[i-2])+cost[i];
}
return min(dp[cost.size()-1],dp[cost.size()-2]);
}
};
62.不同路径
62. 不同路径 - 力扣(LeetCode)https://leetcode.cn/problems/unique-paths/
本题需要记录每个位置的可以到达的路径的数目
dp[i][j]表示到达第i行第j列的点的路径
dp[i][j]=dp[i-1][j]+dp[i][j-1] 每一个位置,可以通过上面和左边的位置前进一步得到
初始化明显dp[i][0]=1 dp[0][j]=1 表示第一行和第一列的到达的路径都为1
遍历的顺序从每层一层一层遍历
class Solution {
public:
int uniquePaths(int m, int n) {
vector<vector<int>> dp(m, vector<int>(n, 1));
for (int i = 1; i < m; i++) {
for (int j = 1; j < n; j++) {
dp[i][j] = dp[i - 1][j] + dp[i][j - 1];
}
}
return dp[m - 1][n - 1];
}
};
63.不同的路径II
63. 不同路径 II - 力扣(LeetCode)https://leetcode.cn/problems/unique-paths-ii/
本体相对于上一题,中间多了路障
在初始化地图时,我们需要将有障碍的地方识别出来
对于每一个点,都可以通过上面或者左边的节点过来
状态转移方程:grid[i][j]=grid[i-1][j]+grid[i][j-1]
初始化:第一行和第一列每一个元素初始化为1
顺序:每一行不停的向下遍历
最后返回grid[obstacledGrid.size()][obstacleGrid[0].size()]
class Solution {
public:
int uniquePathsWithObstacles(vector<vector<int>>& obstacleGrid) {
int n=obstacleGrid.size();
int m=obstacleGrid[0].size();
vector<vector<int>> grid(n,vector<int>(m,0));
//初始化数组 第一行和第一列可以到达的路径都是1
for(int i=0;i<n&&obstacleGrid[i][0]==0;i++) grid[i][0]=1;
for(int j=0;j<m&&obstacleGrid[0][j]==0;j++) grid[0][j]=1;
for(int i=1;i<n;i++){
for(int j=1;j<m;j++){
if(obstacleGrid[i][j]==1) continue;
grid[i][j]=grid[i-1][j]+grid[i][j-1];
}
}
return grid[n-1][m-1];
}
};
343 整数拆分
343. 整数拆分 - 力扣(LeetCode)https://leetcode.cn/problems/integer-break/
dp[i]表示i拆分的最大的乘积
递推公式(状态转移公式):遍历之前的dp数据 dp[i]=max(dp[i],max(dp[i-j]*j,j*(i-j)));
dp[i]很小(起一个迭代的作用),因此取最大值基本都是后一个max中的值(dp[i-j]表示i-j拆分成的最大乘积,如果这个树乘以j大,那么不断循环,到i-1的情况,就可以找出i拆分的最大的值)
初始化,对于0和1没法拆分,那么最大的乘积为0
顺序:从1开始,从前往后
class Solution {
public:
int integerBreak(int n) {
vector<int> dp(n+1,0);
dp[2]=1;
for(int i=3;i<=n;i++){
for(int j=1;j<i-1;j++){
dp[i]=max(dp[i],max(dp[i-j]*j,j*(i-j)));
}
}
return dp[n];
}
};
96.不同的二叉搜索树
96. 不同的二叉搜索树 - 力扣(LeetCode)https://leetcode.cn/problems/unique-binary-search-trees/
dp[n] 一维的数组,思考含义i表示i个元素可以构成的二叉搜索树的个数
状态转移:dp[i]+=dp[j-1][i-j] (j的范围为1到i)
初始化思考i为0的情况:0个元素构成的搜索树可以直接看成一个二叉搜索树dp[0]=1
顺序:从第一个节点开始,直到第n个节点
返回 dp[n];
为什么是乘法呢,因为左右子树相当于不同的选择步骤
因此,最终的结果的个数应该是两者的乘积
class Solution {
public:
int numTrees(int n) {
//dp[i]为i个节点时,二叉搜索树的中枢
vector<int> dp(n+1);
dp[0]=1;
for(int i=1;i<=n;i++){
for(int j=1;j<=i;j++){
dp[i]+=dp[j-1]*dp[i-j];
}
}
return dp[n];
}
};
背包问题
背包问题是动态规划经典的问题,包含01背包,完全背包,多重背包等子问题
0-1背包问题
有 N 件物品和⼀个最多能被重量为 W 的背包。第 i 件物品的重量是 weight[i] ,得到的价值是value[i] 。 每件物品只能⽤⼀次 ,求解将哪些物品装⼊背包⾥物品价值总和最⼤。总结一下,就是把给定的物品向背包里装,求出能够装进去的最大价值
定义一个数组int dp[i][j] ,i和物品的数量一样 j为背包的最大容量
dp[i][j] 为在容量为j的情况下,前i个物品合理装进去能够获得的最大的价值
转移公式: dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i]);
初始化:对于j取j<value[0]是为0,如果j>value[0],则为value[0];
int main(){
vector<vector<int>> dp(weight.size()+1,vector<int>(rongliang+1,0));
//全部初始化为0
for(int j=value[0];j<=rongliang;j++){
dp[0][j]=value[0];
}
for(int i=1;i<weight.size();i++){
for(int j=0;j<=rongliang;j++){
if(j<weight[i]) dp[i][j]=dp[i-1][j];
else
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j-weight[i]] + value[i]);
}
}
cout << dp[weight.size() - 1][bagWeight] << endl;
}
#include<iostream>
#include<vector>
using namespace std;
int main() {
int sum, rongliang;
cin >> sum >> rongliang;
vector<int> tiji(sum+1, 0);
vector<int> jiazhi(sum+1, 0);
for (int i = 1; i <= sum; i++) {
cin >> tiji[i] >> jiazhi[i];
}
//初始化dp数组
vector<vector<int>> dp(sum + 1, vector<int>(rongliang + 1, 0));
//进行动态规划
for (int i = 1; i <= sum; i++) {
for (int j = rongliang; j >= 0; j--) {
//状态转移方程
if (j >= tiji[i]) {
//装得下
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - tiji[i]] + jiazhi[i]);
}
else {
//装不下
dp[i][j] = dp[i - 1][j];
}
}
}
cout << dp[sum][rongliang];
return 0;
}
这两份代码不同:
第一:价值和重量数组的起始位置不同
第二:在第二轮循环中,第二个程序从大到小
起始位置不同,导致了初始化的过程不同,第二个不需要初始化,初始化化的过程包含在循环中
因为dp的值都是从上一行的状态转移过来的,那么就是说我们不要在意遍历的顺序,那么从开始到最后,从最后到开始都是一样的,我们依旧可以从容量开始,不断递减
思考如何简化问题的求解
使用一位动态数组就可以解决问题
dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i]);
如果说把dp[i-1]的那一层拷贝到i层,表达式就可以是dp[i][j]=max(dp[i][j],dp[i][j-weight[i]]+value[i]);
只是用一维数组,只使用dp[j]
416.分割等和子集
416. 分割等和子集 - 力扣(LeetCode)https://leetcode.cn/problems/partition-equal-subset-sum/
class Solution {
public:
bool canPartition(vector<int>& nums) {
int sum=0;
vector<int> dp(10001,0);
for(int i=0;i<nums.size();i++){
sum+=nums[i];
}
if(sum%2!=0) return false;
int target=sum/2;
for(int i=0;i<nums.size();i++){
for(int j=target;j>=nums[i];j--){
dp[j]=max(dp[j],dp[j-nums[i]]+nums[i]);
}
}
if(dp[target]==target) return true;
return false;
}
};
分割子集,找到和相同的子集
分半,找到容量最大的;
dp数组含义,容量为i时,取得数组元素和的最大值
dp[i]=max(dp[i],dp[i-nums[i]]+nums[i])
初始化,当容量小于最小的数组元素时,dp为零,因此初始化为全零
1049. 最后一块石头的重量II
1049. 最后一块石头的重量 II - 力扣(LeetCode)https://leetcode.cn/problems/last-stone-weight-ii/
class Solution { public: int lastStoneWeightII(vector<int>& stones) { int sum=0; for(int i=0;i<stones.size();i++){ sum+=stones[i]; } vector<int> vec(150001,0); int target=sum/2; for(int i=0;i<stones.size();i++){ for(int j=target;j>=stones[i];j--){ vec[j]=max(vec[j],vec[j-stones[i]]+stones[i]); } } return sum-vec[target]-vec[target]; } };
思考本题:
总数分半,获得容量最大可能性sum-dp[target]-dp[target];
sum-dp[target]一定大于dp[target]
494、目标和
494. 目标和 - 力扣(LeetCode)https://leetcode.cn/problems/target-sum/
在数字前面加+-号得到目标和的数
就是装够特定容量大小的东西,总共有几种装法
dp[j]+=dp[j-nums[i]]
遍历的顺序和01背包问题一样
初始化:通过状态转移方程可以得出,当为0时,代表结果为0的时候有几种方案
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
int sum=0;
for(auto i:nums){
sum+=i;
}
if(target>sum) return 0;
if((target+sum)%2==1) return 0;
int nice=(target+sum)/2;
vector<int> vec(1001,0);
vec[0]=1;
for(int i=0;i<nums.size();i++){
for(int j=nice;j>=nums[i];j--){
vec[j]+=vec[j-nums[i]];
}
}
return vec[nice];
}
};
322 零钱兑换
322. 零钱兑换 - 力扣(LeetCode)https://leetcode.cn/problems/coin-change/
动态规划数组的含义:dp[i]表示在得到总额为i所需要最少的硬币数
dp[i]是取所有 dp[i - coins[j]] + 1 中最小的
递推公式:dp[i]=min(dp[i-coins[j]]+1,dp[i])
数组如何初始化:凑足钱数总金额为0的钱币的个数一定为0,那么dp[0]=0
其他的dp[i]须初始化为最大值
确定遍历顺序:求组合数,内层遍历背包大小
求排列数,外层遍历背包大小
class Solution {
public:
int coinChange(vector<int>& coins, int amount) {
//设置dp数组
vector<int> dp(amount+1,INT_MAX);
//初始化dp数组
dp[0]=0;
//遍历背包
for(int i=0;i<=amount;i++){
for(int j=0;j<coins.size();j++){
if(i>=coins[j] && dp[i-coins[j]]!=INT_MAX)
dp[i]=min(dp[i-coins[j]]+1,dp[i]);
}
}
if (dp[amount] == INT_MAX) return -1;
return dp[amount];
}
};
139 单词拆分
字符串分割
139. 单词拆分 - 力扣(LeetCode)https://leetcode.cn/problems/word-break/回溯的代码:
单词回溯进行拆分,进行查找,如果能够找到返回true,所有的结果都不能找的话返回false
直接暴力回溯,递归会超时,需要使用记忆数组进行之前结果的记录
ac代码如下:
class Solution {
public:
bool wordBreak(string s, vector<string>& wordDict) {
unordered_set<string> wordSet(wordDict.begin(),wordDict.end());
vector<int> memory(s.size()+1,-1);
return backtrace(s,wordSet,memory,0);
}
bool backtrace(string s,unordered_set<string>& wordDict,vector<int>& memory,int startindex){
if(startindex>=s.size()){
return true;
}
if(memory[startindex]!=-1) return memory[startindex];
//如果已经被拆分过了就是用拆分过的值
for(int i=startindex;i<s.size();i++){
string word=s.substr(startindex,i-startindex+1);
if(wordDict.find(word)!=wordDict.end() && backtrace(s,wordDict,memory,i+1)){
memory[startindex]=1;// 记录以startIndex开始的⼦串是可以被拆分的
return true;
}
}
memory[startindex]=0; // 记录以startIndex开始的⼦串是不可以被拆分的
//为什么不能再次拆分,因为之前的代码已经将这个起始位置后面的字符串进行了分割
return false;
}
};
动态规划的解法:
dp[i]:字符串长度为i的话,dp[i]为true,表示可以拆分一个或者多个在字典中出现的单词
递推公式是 if([j, i] 这个区间的⼦串出现在字典⾥ && dp[j] 是 true) 那么 dp[i] = truedp数组的初始化,dp[0]为true,dp[0]为递归的根基,dp[0]为true遍历顺序:组合或者排列都行,最好选择外围递归背包大小,内循环物品
class Solution {
public:
bool wordBreak(string s, vector<string>& wordDict) {
unordered_set<string> wordSet(wordDict.begin(),wordDict.end());
vector<bool> dp(s.size()+1,false);
dp[0]=true;
for(int i=1;i<=s.size();i++){
for(int j=0;j<i;j++){
string word=s.substr(,i-j);
if (wordSet.find(word) != wordSet.end() && dp[j]) {
dp[i] = true;
}
}
}
return dp[s.size()];
}
};
198 打家劫舍
198. 打家劫舍 - 力扣(LeetCode)https://leetcode.cn/problems/house-robber/
打家结舍问题是经典的动态规划:
dp[i]代表前i家能偷盗的最大金额
状态转移方程:dp[i]可以从dp[i-1]和dp[i-2]中推出,考虑要偷第i家,则不能偷第i-1家,或者不偷第i家
因此dp[i]=max(dp[i-1],dp[i-2]+nums[i])
初始化:dp[2]开始需要用到dp[0]和dp[1]因此,初始化dp[0]为nums[0],dp[1]=max(nums[0],nums[1])
遍历顺序:从前向后
ac的代码:
class Solution {
public:
int rob(vector<int>& nums) {
vector<int> dp(nums.size(),0);
if(nums.size()==0) return 0;
if(nums.size()==1) return nums[0];
dp[0]=nums[0];
dp[1]=max(nums[0],nums[1]);
for(int i=2;i<nums.size();i++){
dp[i]=max(dp[i-2]+nums[i],dp[i-1]);
}
return dp[nums.size()-1];
}
};
121 买卖股票(买卖一次)
121. 买卖股票的最佳时机 - 力扣(LeetCode)https://leetcode.cn/problems/best-time-to-buy-and-sell-stock/
一道经典的动态规划问题:
可以用贪心进行求解,我们需要找出,最小的花费和最大的出售价价格,保证买入的时间在卖出之前
int min=1e9;
int profit=0;
for(int i=0;i<prices.size();i++){
if(prices[i]<min){
min=prices[i];
}
profit=prices[i]-min>profit?prices[i]-min:profit;
}
return profit;
动态规划的做法:
动态规划table:dp[i][0] 在i持有时手中的现金,dp[i][1]在i天卖出时最大的现金
状态转移方程:
dp[i][0]=max(dp[i-1][0],-prices[i])
dp[i][1]=max(dp[i-1][1],prices[i]+dp[i-1][0]);
初始化:从状态转移方程可以看出dp[0][0]和dp[0][1]需要初始化
遍历顺序:从前向后
if(prices.size()==1) return 0;
vector<vector<int>> dp(prices.size(),vector<int>(2,0));
dp[0][0]=0-prices[0];
dp[0][1]=0;
for(int i=1;i<prices.size();i++){
dp[i][0]=max(dp[i-1][0],0-prices[i]);
dp[i][1]=max(dp[i-1][1],prices[i]+dp[i-1][0]);
}
return dp[prices.size()-1][1];
122 买卖股票(买卖多次)
122. 买卖股票的最佳时机 II - 力扣(LeetCode)https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-ii/
本题相对于上一题可以多次买入和卖出:
dp[i][0]和dp[i][1]和之前的含义是一样的
状态转移方程:
dp[i][0]=max(dp[i-1][0],dp[i-1][1]-prices[i]);dp[i][1]=max(dp[i-1][1],dp[i-1][0]+prices[i]);
关键在于状态转移方程的转变
遍历的顺序是从前到后
ac代码:
class Solution {
public:
int maxProfit(vector<int>& prices) {
vector<vector<int>> dp(prices.size(),vector<int>(2,0));
if(prices.size()==1) return 0;
dp[0][0]=0-prices[0];
dp[0][1]=0;
for(int i=1;i<prices.size();i++){
dp[i][0]=max(dp[i-1][0],dp[i-1][1]-prices[i]);
//可能在上一次将股票卖出之后还是会存在一些现金在手中
dp[i][1]=max(dp[i-1][1],dp[i-1][0]+prices[i]);
}
return dp[prices.size()-1][1];
}
};
300 最长递增子序列
300. 最长递增子序列 - 力扣(LeetCode)https://leetcode.cn/problems/longest-increasing-subsequence/
本题的关键在于dp[i]是可以通过dp[j](j<i)来推出来
dp[i]=max(dp[i],(nums[j]<nums[i]?dp[j]+1:dp[j]); j属于[0-i-1],dp[i]的含义是使用前i个元素可以构成的最长的递增子序列。 初始化,当只有一个元素时那么递增的子序列大小为1,遍历的顺序从前向后
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
if(nums.size()==1) return nums.size();
vector<int> dp(nums.size(),1);
int max_num=0;
for(int i=1;i<nums.size();i++){
for(int j=0;j<i;j++){
if(nums[i]>nums[j]) dp[i]=max(dp[j]+1,dp[i]);
max_num=max(max_num,dp[i]);
}
}
return max_num;
}
};
674 最长连续递增子序列
674. 最长连续递增序列 - 力扣(LeetCode)https://leetcode.cn/problems/longest-continuous-increasing-subsequence/
本题的主要思想是需要连续递增
dp[i]代表前i个元素能够构成的最长的递增子序列的长度
dp[i]=max(nums[i]>nums[i-1]?dp[i-1]+1:0,dp[i]);
遍历的顺序是从前向
初始化同上
class Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
vector<int> dp(nums.size(),1);
if(nums.size()==1) return nums.size();
int max_num=0;
for(int i=1;i<nums.size();i++){
if(nums[i]>nums[i-1]) dp[i]=max(dp[i-1]+1,dp[i]);
max_num=max(max_num,dp[i]);
}
return max_num;
}
};
718 最长重复子数组
718. 最长重复子数组 - 力扣(LeetCode)https://leetcode.cn/problems/maximum-length-of-repeated-subarray/
本题的dp[i][j]的状态可以通过dp[i-1][j-1]来进行推出
初始化:dp[0][0]代表,结束数组下标为-1,-1的最长公共子序列的值,dp[i-1][0],dp[0][j-1]
没有特殊的含义,dp[0][0]为了更好的进行推导,初始化为0,dp[i-1][0],dp[0][j-1]也初始化为0
结果是从前向后遍历
class Solution {
public:
int findLength(vector<int>& nums1, vector<int>& nums2) {
vector<vector<int>> dp(nums1.size()+1,vector<int>(nums2.size()+1,0));
int max_num=0;
for(int i=1;i<=nums1.size();i++){
for(int j=1;j<=nums2.size();j++){
if(nums1[i-1]==nums2[j-1]) dp[i][j]=dp[i-1][j-1]+1;
max_num=max(max_num,dp[i][j]);
}
}
return max_num;
}
};
找出两个字符串的最长的公共子串
动态规划问题:
dp[i][j]代表的含义是s1的前i个字符和s2的前j个字符中最大的公共子串的长度状态转移方程:if(s1[i],s2[j])dp[i][j]=dp[i-1][j-1]+1
递归的顺序:在开始的时候交换两个字符串的内容,从前向后进行遍历
#include<iostream>
#include<vector>
using namespace std;
int main() {
string s1, s2;
cin >> s1 >> s2;
if(s1.size()>s2.size())
swap(s1, s2);
int len1 = s1.size();
int len2 = s2.size();
vector<vector<int>> dp(len1 + 1, vector<int>(len2 + 1, 0));
int start = 0;
int max = 0;
for (int i = 1; i <= len1; i++) {
for (int j = 1; j <= len2; j++) {
if (s1[i - 1] == s2[j - 1]) dp[i][j] = dp[i - 1][j - 1] + 1;
if (dp[i][j] >= max) {
max = dp[i][j];
start = i - max;
}
}
}
cout << s1.substr(start, max);
}
1143 最长公共子序列
1143. 最长公共子序列 - 力扣(LeetCode)https://leetcode.cn/problems/longest-common-subsequence/
dp[i][j]代表string1的前i个字符和string2的前j个字符中最长的公共子序列
状态转移公式:如果string[i-1]==string2[j-1] 那么dp[i][j]=dp[i-1][j-1]+1
如果不相同,那么dp[i][j]取dp[i,j-1]和dp[i-1][j]的最大值
递归的顺序:从前往后,两次循环
class Solution {
public:
int longestCommonSubsequence(string text1, string text2) {
if(text1.size()>text2.size()){
swap(text1,text2);
}
int max_flag=0;
vector<vector<int>> dp(text1.size()+1,vector<int>(text2.size()+1,0));
for(int i=1;i<=text1.size();i++){
for(int j=1;j<=text2.size();j++){
if(text1[i-1]==text2[j-1]){
dp[i][j]=dp[i-1][j-1]+1;
}else
{
dp[i][j]=max(dp[i][j-1],dp[i-1][j]);
}
}
}
return dp[text1.size()][text2.size()];
}
};