leetcode总结 dp动态规划（一）

目录

什么是动态规划 DP (dynamic programming)

两道简单的动态规划

121. 买卖股票的最佳时机 - 力扣（LeetCode）

 思路：

代码段

53. 最大子数组和 - 力扣（LeetCode）

 思路：

 代码段（来自评论区）：

---

什么是动态规划 DP (dynamic programming)

动态规划（Dynamic Programming，DP）是运筹学的一个分支，是求解决策过程最优化的过程。20世纪50年代初，美国数学家贝尔曼（R.Bellman）等人在研究多阶段决策过程的优化问题时，提出了著名的最优化原理，从而创立了动态规划。动态规划的应用极其广泛，包括工程技术、经济、工业生产、军事以及自动化控制等领域，并在背包问题、生产经营问题、资金管理问题、资源分配问题、最短路径问题和复杂系统可靠性问题等中取得了显著的效果

                                                                                                ————来自百度百科

DP的思路： 利用原问题与子问题的关系，将其变成 大问题的解 = 小问题的解的函数， 从而将问题变成size的扩展即可，当size到达最大后，原问题解决了

举个简单的例子来说，计算1+1+1+1+1+1+1+1+1时可以得到9，如果这个时候再在前面加一个1+，那么可以直接得到1+9=10而不用再次算一次，这就是动态规划，把较为复杂的大问题分解为与小问题有关的函数。

两道简单的动态规划

121. 买卖股票的最佳时机 - 力扣（LeetCode）

 思路：

借用这道题下的一语中的的热评

我们只需要设置一个初始最大收益0，一个很大的初始最小价格，再对 所有的价格进行遍历，使得最大收益=max(当前最大收益， 当前价格-最小价格)，并且保存遍历到的最小价格=min(当前价格，最小价格)

这样遍历一次后 得到的最大收益就是题目所求，同时满足没有最大收益时以初始值0返回的目的

代码段

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        minprice = int(1e9)
        maxprofit = 0
        for i in prices:
            maxprofit = max(i-minprice, maxprofit)
            minprice = min(minprice, i)
        return maxprofit

---

53. 最大子数组和 - 力扣（LeetCode）

 思路：

再借评论区大佬

不对是这个

 

思路很清晰，算法很简洁

从列表的第二个元素开始遍历，因为如果只有一个元素会直接返回最大值，也就是直接返回

遍历的时候，当前位置可以得到的最大数组和被保存在当前的位置，并且当前位置的最大数组和就是max(nums[i-1], 0)+nums[i]也就是说如果i-1位置的得到的最大数组和大于零就会被保存，否则会用0进行替换，直到遍历结束就可以获得最大数组

 代码段（来自评论区）：

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        for i in range(1, len(nums)):
            nums[i]= nums[i] + max(nums[i-1], 0)
        return max(nums)

以上 共勉。