五部曲（代码随想录）
1.确定 dp 数组以及下标含义
2.确定递推公式
3.确定 dp 数组初始化
4.确定遍历顺序
5.debug
入门题
1.斐波那契数
思路
1.f[i]：第 i 个数的值
2.f[i] = f[i - 1] + f[i - 2]
3.f[0] = 0, f[1] = 1
4.顺序遍历
5.记得特判 n == 0 的时候，因为初始化了 f[1]
class Solution {
public:
int fib(int n) {
if(n == 0) return n;
vector<int> f(n + 1);
f[0] = 0, f[1] = 1;
for(int i = 2; i <= n; i++) f[i] = f[i - 1] + f[i - 2];
return f[n];
}
};
2.爬楼梯
思路
每次可以从下面一个台阶或者下面两个台阶处上来
1.f[i]：爬到第 i 阶楼梯有多少种方法
2.f[i] = f[i - 1] + f[i - 2]
3.f[0] = 1, f[1] = 1
4.顺序遍历
class Solution {
public:
int climbStairs(int n) {
vector<int> f(n + 1);
f[0] = 1, f[1] = 1;
for(int i = 2; i <= n; i++) f[i] = f[i - 1] + f[i - 2];
return f[n];
}
};
3.使用最小花费爬楼梯
思路
可以从 0 或 1 处开始爬楼梯，需要爬到第 n 阶楼梯
1.f[i]：爬到第 i 阶楼梯需要的最小花费
2.f[i] = min(f[i - 1] + cost[i - 1], f[i - 2] + cost[i - 2)
3.f[0] = 0, f[1] = 0
4.顺序遍历
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
int n = cost.size();
vector<int> f(n + 1);
f[0] = 0, f[1] = 0;
for(int i = 2; i <= n; i++){
f[i] = min(f[i - 1] + cost[i - 1], f[i - 2] + cost[i - 2]);
}
return f[n];
}
};
4.不同路径
思路
1.f[i][j]: 走到 (i, j) 总共的路径
2.f[i][j] = f[i - 1][j] + f[i][j - 1]
3.f[i][1] = 1, f[1][i] = 1
4.顺序遍历
class Solution {
public:
int uniquePaths(int m, int n) {
vector<vector<int>> f(n + 1, vector<int>(m + 1));
for(int i = 0; i <= n; i++) f[i][1] = 1;
for(int i = 0; i <= m; i++) f[1][i] = 1;
for(int i = 2; i <= n; i++){
for(int j = 2; j <= m; j++){
f[i][j] = f[i - 1][j] + f[i][j - 1];
}
}
return f[n][m];
}
};
5.不同路径 II
思路
1.f[i][j]: 走到 (i, j) 总共的路径
2.f[i][j] = f[i - 1][j] + f[i][j - 1]
3.f[i][0] = 1, f[0][i] = 1, 其他 = 0
4.顺序遍历
class Solution {
public:
int uniquePathsWithObstacles(vector<vector<int>>& obstacleGrid) {
int n = obstacleGrid.size();
int m = obstacleGrid[0].size();
vector<vector<int>> f(n, vector<int>(m, 0));
for(int i = 0; i < n && !obstacleGrid[i][0]; i++) f[i][0] = 1;
for(int i = 0; i < m && !obstacleGrid[0][i]; i++) f[0][i] = 1;
for(int i = 1; i < n; i++){
for(int j = 1; j < m; j++){
if(!obstacleGrid[i][j]){
f[i][j] = f[i - 1][j] + f[i][j - 1];
}
}
}
return f[n - 1][m - 1];
}
};
6.整数拆分
思路
1.f[i]: 拆数字 i 可得到的最大乘积
2.拆分成 j * (i - j) 或 j * f[i - j]，f[i] = max(f[i], max(j * (i - j), j * [i - j]))
3.f[0] = 0, f[1] = 1
4.顺序遍历
class Solution {
public:
int integerBreak(int n) {
vector<int> f(n + 1);
f[0] = 0, f[1] = 1;
for(int i = 2; i <= n; i++){
for(int j = 0; j < i; j++){
f[i] = max(f[i], max(j * (i - j), j * f[i - j]));
}
}
return f[n];
}
};
7.不同的二叉搜索树
思路
dp[3]，就是 元素1为头结点搜索树的数量 + 元素2为头结点搜索树的数量 + 元素3为头结点搜索树的数量
元素1为头结点搜索树的数量 = 右子树有2个元素的搜索树数量 * 左子树有0个元素的搜索树数量
元素2为头结点搜索树的数量 = 右子树有1个元素的搜索树数量 * 左子树有1个元素的搜索树数量
元素3为头结点搜索树的数量 = 右子树有0个元素的搜索树数量 * 左子树有2个元素的搜索树数量
有2个元素的搜索树数量就是dp[2]。
有1个元素的搜索树数量就是dp[1]。
有0个元素的搜索树数量就是dp[0]。
所以dp[3] = dp[2] * dp[0] + dp[1] * dp[1] + dp[0] * dp[2]
dp[i] += dp[以j为头结点左子树节点数量] * dp[以j为头结点右子树节点数量]
1.f[i]: 由 1 到 i 个节点的二叉搜索树个数
2.f[i] += f[j - 1] * f[i - j]
3.f[0] = 1
4.顺序遍历
class Solution {
public:
int numTrees(int n) {
vector<int> f(n + 1);
f[0] = 1;
for(int i = 1; i <= n; i++){
for(int j = 1; j <= i; j++){
f[i] += f[j - 1] * f[i - j];
}
}
return f[n];
}
};
背包问题
1.01背包问题
思路
1.f[i][j]: 前 i 个物品在容量为 j 的情况下的最大价值
2.f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i])
3.全部 = 0
4.顺序遍历
#include<iostream>
using namespace std;
const int N = 1e3 + 10;
int f[N][N], v[N], w[N];
int n, m;
int main(){
scanf("%d%d", &n, &m);
for(int i = 1; i <= n; i++) scanf("%d%d", &v[i], &w[i]);
for(int i = 1; i <= n; i++){
for(int j = 0; j <= m; j++){
// 不选
f[i][j] = f[i - 1][j];
// 选
if(v[i] <= j) f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);
}
}
printf("%d", f[n][m]);
return 0;
}
// 滚动数组优化
#include<iostream>
using namespace std;
const int N = 1e3 + 10;
int f[N], v[N], w[N];
int n, m;
int main(){
scanf("%d%d", &n, &m);
for(int i = 1; i <= n; i++) scanf("%d%d", &v[i], &w[i]);
for(int i = 1; i <= n; i++){
for(int j = m; j >= v[i]; j--){
f[j] = max(f[j], f[j - v[i]] + w[i]);
}
}
printf("%d", f[m]);
return 0;
}
2.分割等和子集
思路
分割成两个等和子集，即找到是否存在和为 sum / 2 的子集，转化为 01 背包，背包容量为 sum / 2
1.f[j]: 背包容量为 i，放入物品后的最大重量
2.f[j] = max(f[j], f[j - nums[i]] + nums[i])
3.全部 = 0
4.倒序遍历
class Solution {
public:
bool canPartition(vector<int>& nums) {
int n = nums.size(), sum = 0;
for(int i = 0; i < n; i++) sum += nums[i];
if(sum % 2) return false;
vector<int> f(10001, 0);
for(int i = 0; i < n; i++){
for(int j = sum / 2; j >= nums[i]; j--){
f[j] = max(f[j], f[j - nums[i]] + nums[i]);
if(f[j] == sum / 2) return true;
}
}
return false;
}
};
3.最后一块石头的重量 II
思路
尽可能分成两堆重量相同，使得相撞后重量最小
1.f[j]: 容量为 j 的背包，最大价值
2.f[j] = max(f[j], f[j - stones[i]] + stones[i])
3.全部 = 0
4.倒序遍历
class Solution {
public:
int lastStoneWeightII(vector<int>& stones) {
int n = stones.size(), sum = 0;
for(int i = 0; i < n; i++) sum += stones[i];
vector<int> f(1501, 0);
for(int i = 0; i < n; i++){
for(int j = sum / 2; j >= stones[i]; j--){
f[j] = max(f[j], f[j - stones[i]] + stones[i]);
}
}
return (sum - f[sum / 2]) - f[sum / 2];
}
};
4.目标和
思路
pos - neg = tar 得 pos - (sum - pos) = tar 得 pos = (sum + tar) / 2
转换为背包容量为 pos，有多少种情况装满
无解的情况：pos 为奇数，tar 的绝对值大于 sum
只要搞到 nums[i]，凑成 f[j] 就有 f[j - nums[i]] 种方法。
例如：f[j]，j 为5，
已经有一个1（nums[i]）的话，有 f[4]种方法 凑成 容量为5的背包。
已经有一个2（nums[i]）的话，有 f[3]种方法 凑成 容量为5的背包。
已经有一个3（nums[i]）的话，有 f[2]中方法 凑成 容量为5的背包
已经有一个4（nums[i]）的话，有 f[1]中方法 凑成 容量为5的背包
已经有一个5（nums[i]）的话，有 f[0]中方法 凑成 容量为5的背包
那么凑整 f[5] 有多少方法呢，也就是把 所有的 f[j - nums[i]] 累加起来。
1.f[j]：填满 j 背包有多少种情况
2.f[j] += f[j - nums[i]]
3.f[0] = 1，其他 = 0
4.倒序遍历
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
int n = nums.size(), sum = 0;
for(int i = 0; i < n; i++) sum += nums[i];
if((sum + target) % 2 || abs(target) > sum) return 0;
int pos = (sum + target) / 2;
vector<int> f(pos + 1, 0);
f[0] = 1;
for(int i = 0; i < n; i++){
for(int j = pos; j >= nums[i]; j--){
f[j] += f[j - nums[i]];
}
}
return f[pos];
}
};
5.一和零
思路
可以等价为两个 01 背包，一个装 0，一个装 1
1.f[i][j]: 最多有 i 个 0 和 j 个 1 的最长子集大小
2.f[i][j] = max(f[i][j], f[i - zero][j - one] + 1)
3.全部 = 0
4.倒序遍历
class Solution {
public:
int findMaxForm(vector<string>& strs, int m, int n) {
vector<vector<int>> f(m + 1, vector<int>(n + 1, 0));
for(auto str : strs){
int zero = 0, one = 0;
for(int i = 0; i < str.size(); i++){
if(str[i] == '0') zero++;
else one++;
}
for(int i = m; i >= zero; i--){
for(int j = n; j >= one; j--){
f[i][j] = max(f[i][j], f[i - zero][j - one] + 1);
}
}
}
return f[m][n];
}
};
6.完全背包
思路
01 背包是一个物品只能选一个，所有滚动数组要倒序遍历，完全背包则是一个物品可以选无限个，所以滚动数组正序遍历即可，先遍历物品或者背包容量都可以，因为与顺序无关
#include<iostream>
using namespace std;
const int N = 1e3 + 10;
int f[N], v[N], w[N];
int n, m;
int main(){
scanf("%d%d", &n, &m);
for(int i = 0; i < n; i++) scanf("%d%d", &v[i], &w[i]);
for(int i = 0; i < n; i++){
for(int j = v[i]; j <= m; j++){
f[j] = max(f[j], f[j - v[i]] + w[i]);
}
}
printf("%d", f[m]);
return 0;
}
7.零钱兑换 II
思路
先遍历物品，再遍历背包容量是组合数，因为物品顺序是有序的
先遍历背包容量，再遍历物品时排列数，因为物品是无序的
1.f[j]: 容量为 j 的背包有多少种组合情况
2.f[j] += f[j - coins[i]]
3.f[0] = 1，其他 = 0
4.先物品，再背包，顺序遍历
class Solution {
public:
int change(int amount, vector<int>& coins) {
int n = coins.size();
vector<int> f(amount + 1, 0);
f[0] = 1;
// 遍历物品
for(int i = 0; i < n; i++){
// 遍历背包
for(int j = coins[i]; j <= amount; j++){
f[j] += f[j - coins[i]];
}
}
return f[amount];
}
};
8.组合总和 Ⅳ
思路
求的是排列数，那就先遍历背包，再遍历物品，要特判总和大于 INT32_MAX 的情况
1.f[j]: 背包容量为 j 的排列情况数量
2.f[j] += f[j - nums[i]]
3.f[0] = 1，其他 = 0
4.先背包，再物品，顺序遍历
class Solution {
public:
int combinationSum4(vector<int>& nums, int target) {
int n = nums.size();
vector<int> f(target + 1, 0);
f[0] = 1;
for(int j = 0; j <= target; j++){
for(int i = 0; i < n; i++){
if(nums[i] <= j && f[j] < INT32_MAX - f[j - nums[i]]){
f[j] += f[j - nums[i]];
}
}
}
return f[target];
}
};
9.爬楼梯
思路
求的是排列数，先背包，再物品
1.f[j]: 容量为 j 的背包，有多少种排列情况
2.f[j] += f[j - i]
3.f[0] = 1，其他 = 0
4.先背包，再物品，顺序遍历
#include<iostream>
using namespace std;
const int N = 50;
int f[50];
int n, m;
int main(){
scanf("%d%d", &n, &m);
f[0] = 1;
for(int j = 0; j <= n; j++){
for(int i = 1; i <= m; i++){
if(j >= i) f[j] += f[j - i];
}
}
printf("%d", f[n]);
return 0;
}
10.零钱兑换
思路
求的是硬币的最小个数，与顺序无关，不影响硬币的个数，排列组合都可以
1.f[j]: 容量为 j 的背包，物品最少数量
2.f[j] = min(f[j], f[j - nums[i]] + 1)
3.f[0] = 0，其他 = 1e9
4.都可以，顺序遍历
class Solution {
public:
int coinChange(vector<int>& coins, int amount) {
int n = coins.size();
vector<int> f(amount + 1, 1e9);
f[0] = 0;
for(int i = 0; i < n; i++){
for(int j = coins[i]; j <= amount; j++){
f[j] = min(f[j], f[j - coins[i]] + 1);
}
}
return f[amount] == 1e9 ? -1 : f[amount];
}
};
11.完全平方数
思路
求的完全平方数的最少数量，与顺序无关，排列组合都可以
1.f[j]：背包容量为 j 的最少物品数
2.f[j] = min(f[j], f[j - i * i] + 1)
3.f[0] = 0，其他 = 1e9
4.都可以，顺序遍历
class Solution {
public:
int numSquares(int n) {
int m = sqrt(n);
vector<int> f(n + 1, 1e9);
f[0] = 0;
for(int i = 1; i <= m; i++){
for(int j = i * i; j <= n; j++){
f[j] = min(f[j], f[j - i * i] + 1);
}
}
return f[n];
}
};
12.单词拆分
思路
如果确定 f[i] 是 true，且 [i, j] 这个区间的子串出现在字典里，那么 f[i] 一定是 true
所以递推公式是 if([i, j] 这个区间的子串出现在字典里 && f[i]是true) 那么 dp[j] = true
求的是排列数
1.f[j]: 长度为 j 的字符串是否可以拆分为字典里出现的单词
2.if([i, j] 这个区间的子串出现在字典里 && f[i]是true) 那么 dp[j] = true
3.f[0] = true，其他 = false
4.先背包，再物品，顺序遍历
class Solution {
public:
bool wordBreak(string s, vector<string>& wordDict) {
// 存储在无序哈希表中，方便查找
unordered_set<string> us(wordDict.begin(), wordDict.end());
int n = s.size();
vector<bool> f(n + 1, false);
f[0] = true;
for(int j = 1; j <= n; j++){
for(int i = 0; i < j; i++){
// 起始位置，截取的个数
string t = s.substr(i, j - i);
if(us.find(t) != us.end() && f[i]){
f[j] = true;
}
}
}
return f[n];
}
};
13.携带矿石资源
思路
多重背包，类似 01 背包，不过就是物品数量变多了
1.f[j]: 背包容量为 j 的最大价值
2.f[j] = max(f[j], f[j - z * w[i]] + z * v[i])
3.全部 = 0
4.倒序遍历
#include<iostream>
using namespace std;
const int N = 1e4 + 10;
int w[N], v[N], k[N];
int f[N];
int c, n;
int main(){
scanf("%d%d", &c, &n);
for(int i = 0; i < n; i++) scanf("%d", &w[i]);
for(int i = 0; i < n; i++) scanf("%d", &v[i]);
for(int i = 0; i < n; i++) scanf("%d", &k[i]);
for(int i = 0; i < n; i++){
for(int j = c; j >= w[i]; j--){
for(int z = 1; z <= k[i] && j >= z * w[i]; z++){
f[j] = max(f[j], f[j - z * w[i]] + z * v[i]);
}
}
}
printf("%d", f[c]);
return 0;
}
打家劫舍
1.打家劫舍
思路
如果偷第 i 个房屋，则不可以偷第 i - 1 个房屋，可以偷第 i - 2 个房屋
1.f[i]: 下标为 i 之内的房屋可以偷盗的最大金额
2.f[i] = max(f[i - 1], f[i - 2] + nums[i])
3.f[0] = nums[0], f[1] = max(nums[0], nums[1])
4.顺序遍历
class Solution {
public:
int rob(vector<int>& nums) {
int n = nums.size();
if(n == 1) return nums[0];
vector<int> f(n, 0);
f[0] = nums[0], f[1] = max(nums[0], nums[1]);
for(int i = 2; i < n; i++){
f[i] = max(f[i - 1], f[i - 2] + nums[i]);
}
return f[n - 1];
}
};
2.打家劫舍 II
思路
头尾的房屋不可以同时偷，分两种情况，偷头和头尾，然后比大小
1.f[i]: 下标为 i 之内的房屋可以偷盗的最大金额
2.f[i] = max(f[i - 1], f[i - 2] + nums[i])
3.f[0] = nums[0], f[1] = max(nums[0], nums[1])
4.顺序遍历，倒序遍历
class Solution {
public:
int rob(vector<int>& nums) {
int n = nums.size();
if(n == 1) return nums[0];
if(n == 2) return max(nums[0], nums[1]);
vector<int> f(n, 0), dp(n, 0);
f[0] = nums[0], f[1] = max(nums[0], nums[1]);
for(int i = 2; i < n - 1; i++){
f[i] = max(f[i - 1], f[i - 2] + nums[i]);
}
dp[n - 1] = nums[n - 1], dp[n - 2] = max(nums[n - 1], nums[n - 2]);
for(int i = n - 3; i > 0; i--){
dp[i] = max(dp[i + 1], dp[i + 2] + nums[i]);
}
return max(f[n - 2], dp[1]);
}
};
3.打家劫舍 III
思路
偷当前节点，就不能偷它的子节点
/**
* 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:
vector<int> f(TreeNode* cur){
if(cur == NULL) return {0, 0};
vector<int> left = f(cur -> left);
vector<int> right = f(cur -> right);
int res1 = cur -> val + left[0] + right[0];
int res2 = max(left[0], left[1]) + max(right[0], right[1]);
return {res2, res1};
}
int rob(TreeNode* root) {
vector<int> res = f(root);
return max(res[0], res[1]);
}
};
买卖股票
1.买卖股票的最佳时机
思路
只能买卖一次，所以买入股票时，利润只能是 -1 * prices[i]
1.f[i][0]：第 i 天持有股票所得的最大利润，f[i][0]：第 i 天不持有股票所得的最大利润
2.f[i][0] = max(f[i - 1][0], -1 * prices[i]), f[i][1] = max(f[i - 1][1], f[i - 1][0] + prices[i])
3.f[0][0] = -1 * prices[0], f[0][1] = 0，其他 = 0
4.正序遍历
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
vector<vector<int>> f(n, vector<int>(2, 0));
f[0][0] = -1 * prices[0], f[0][1] = 0;
for(int i = 1; i < n; i++){
f[i][0] = max(f[i - 1][0], -1 * prices[i]);
f[i][1] = max(f[i - 1][1], f[i - 1][0] + prices[i]);
}
return f[n - 1][1];
}
};
2.买卖股票的最佳时机 II
思路
股票可以多次买卖，所以买入股票的时候，可能会有之前的利润，即 f[i - 1][1] - prices[i]
1.f[i][0]: 第 i 天持有股票的最大利润，f[i][1]: 第 i 天不持有股票的最大利润
2.f[i][0] = max(f[i - 1][0], f[i - 1][1] - prices[i]), f[i][1] = max(f[i - 1][1], f[i - 1][0] + prices[i])
3.f[0][0] = -1 * prices[0], f[0][1] = 0
4.顺序遍历
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
vector<vector<int>> f(n, vector<int>(2, 0));
f[0][0] = -1 * prices[0], f[0][1] = 0;
for(int i = 1; i < n; i++){
f[i][0] = max(f[i - 1][0], f[i - 1][1] - prices[i]);
f[i][1] = max(f[i - 1][1], f[i - 1][0] + prices[i]);
}
return f[n - 1][1];
}
};
3.买卖股票的最佳时机 III
思路
1.f[i][0]：不操作，f[i][1]：第一次持有股票的最大利润，f[i][2]：第一次不持有股票的最大利润，f[i][3]：第二次持有股票的最大利润，f[i][4]：第二次不持有股票的最大利润
2.f[i][1] = max(f[i - 1][1], f[i - 1][0] - prices[i]), f[i][2] = max(f[i - 1][2], f[i - 1][1] + prices[i]), f[i][3] = max(f[i - 1][3], f[i - 1][2] - prices[i]), f[i][4] = max(f[i - 1][4], f[i - 1][3] + prices[i])
3.f[0][1] = -1 * prices[0], f[0][2] = 0, f[0][3] = -1 * prices[0], f[0][4] = 0，其他 = 0
4.顺序遍历
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
vector<vector<int>> f(n, vector<int>(5, 0));
f[0][1] = -1 * prices[0], f[0][2] = 0;
f[0][3] = -1 * prices[0], f[0][4] = 0;
for(int i = 1; i < n; i++){
f[i][1] = max(f[i - 1][1], f[i - 1][0] - prices[i]);
f[i][2] = max(f[i - 1][2], f[i - 1][1] + prices[i]);
f[i][3] = max(f[i - 1][3], f[i - 1][2] - prices[i]);
f[i][4] = max(f[i - 1][4], f[i - 1][3] + prices[i]);
}
return f[n - 1][4];
}
};
4.买卖股票的最佳时机 IV
思路
类似上一题，总结规律即可
1.f[i][0]：不操作，f[i][奇数]：买入股票的最大利润，f[i][偶数]：卖出股票的最大利润
2.f[i][j] = max(f[i - 1][j], f[i - 1][j - 1] - prices[i]), f[i][j + 1] = max(f[i - 1][j + 1], f[i - 1][j] + prices[i])
3.for(int i = 1; i < 2 * k; i += 2) f[0][i] = -1 * prices[0]
4.顺序遍历
class Solution {
public:
int maxProfit(int k, vector<int>& prices) {
int n = prices.size();
vector<vector<int>> f(n, vector<int>(2 * k + 1, 0));
for(int i = 1; i < 2 * k; i += 2) f[0][i] = -1 * prices[0];
for(int i = 1; i < n; i++){
for(int j = 1; j < 2 * k; j += 2){
f[i][j] = max(f[i - 1][j], f[i - 1][j - 1] - prices[i]);
f[i][j + 1] = max(f[i - 1][j + 1], f[i - 1][j] + prices[i]);
}
}
return f[n - 1][2 * k];
}
};
5.买卖股票的最佳时机含冷冻期
思路
达到买入股票状态（状态一）即：f[i][0]，有两个具体操作：
操作一：前一天就是持有股票状态（状态一），f[i][0] = f[i - 1][0]
操作二：今天买入了，有两种情况
前一天是冷冻期（状态四），f[i - 1][3] - prices[i]
前一天是保持卖出股票的状态（状态二），f[i - 1][1] - prices[i]
那么f[i][0] = max(f[i - 1][0], f[i - 1][3] - prices[i], f[i - 1][1] - prices[i]);
达到保持卖出股票状态（状态二）即：f[i][1]，有两个具体操作：
操作一：前一天就是状态二
操作二：前一天是冷冻期（状态四）
f[i][1] = max(f[i - 1][1], f[i - 1][3]);
达到今天就卖出股票状态（状态三），即：f[i][2] ，只有一个操作：
昨天一定是持有股票状态（状态一），今天卖出
即：f[i][2] = f[i - 1][0] + prices[i];
达到冷冻期状态（状态四），即：f[i][3]，只有一个操作：
昨天卖出了股票（状态三）
f[i][3] = f[i - 1][2];
1.f[i][0]: 持有股票的最大利润，f[i][1]：已经卖出股票的最大利润，f[i][2]: 今天卖出股票的最大利润，f[i][3]：今天是冷冻期的最大利润
2.f[i][0] = max(f[i - 1][0], max(f[i - 1][3] - prices[i], f[i - 1][1] - prices[i])), f[i][1] = max(f[i - 1][1], f[i - 1][3]), f[i][2] = f[i - 1][0] + prices[i], f[i][3] = f[i - 1][2]
3.f[0][0] = -1 * prices[0]，其他 = 0
4.顺序遍历
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
vector<vector<int>> f(n, vector<int>(4, 0));
f[0][0] = -1 * prices[0];
for(int i = 1; i < n; i++){
f[i][0] = max(f[i - 1][0], max(f[i - 1][3] - prices[i], f[i - 1][1] - prices[i]));
f[i][1] = max(f[i - 1][1], f[i - 1][3]);
f[i][2] = f[i - 1][0] + prices[i];
f[i][3] = f[i - 1][2];
}
return max(f[n - 1][1], max(f[n - 1][2], f[n - 1][3]));
}
};
6.买卖股票的最佳时机含手续费
思路
可以在买入的时候交手续费，也可以在卖出的时候交手续费
// 买入的时候交手续费
class Solution {
public:
int maxProfit(vector<int>& prices, int fee) {
int n = prices.size();
vector<vector<int>> f(n, vector<int>(2, 0));
f[0][0] = -1 * prices[0] - fee;
for(int i = 1; i < n; i++){
f[i][0] = max(f[i - 1][0], f[i - 1][1] - prices[i] - fee);
f[i][1] = max(f[i - 1][1], f[i - 1][0] + prices[i]);
}
return f[n - 1][1];
}
};
// 卖出的时候交手续费
class Solution {
public:
int maxProfit(vector<int>& prices, int fee) {
int n = prices.size();
vector<vector<int>> f(n, vector<int>(2, 0));
f[0][0] = -1 * prices[0];
for(int i = 1; i < n; i++){
f[i][0] = max(f[i - 1][0], f[i - 1][1] - prices[i]);
f[i][1] = max(f[i - 1][1], f[i - 1][0] + prices[i] - fee);
}
return f[n - 1][1];
}
};
子序列
1.最长递增子序列
思路
注意不是让 f[i] 和 f[j + 1] 比较，而是取 f[j] + 1 的最大值，每次更新以 i 结尾的最大值，用 res 存储最大值，因为不知道以哪个 i 结尾的子序列最大
1.f[i]: 以 i 结尾的最长子序列长度
2.f[i] = max(f[i], f[j] + 1)
3.全部 = 1
4.顺序遍历
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
int n = nums.size();
vector<int> f(n, 1);
int res = 1;
for(int i = 1; i < n; i++){
for(int j = 0; j < i; j++){
if(nums[i] > nums[j]){
f[i] = max(f[i], f[j] + 1);
}
res = max(res, f[i]);
}
}
return res;
}
};
2.最长连续递增序列
思路
用 res 存储最大值，因为不知道以哪个 i 结尾的子数组最大
1.f[i]: 以 i 结尾的子数组最大值
2.f[i] = f[i - 1] + 1
3.全部 = 1
4.顺序遍历
class Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
int n = nums.size();
vector<int> f(n, 1);
int res = 1;
for(int i = 1; i < n; i++){
if(nums[i] > nums[i - 1]){
f[i] = f[i - 1] + 1;
}
res = max(res, f[i]);
}
return res;
}
};
3.最长重复子数组
思路
1.f[i][j]: nums1 以 i - 1 结尾，nums2 以 j - 1 结尾的最长重复子数组
2.f[i][j] = f[i -1][j - 1] + 1
3.全部 = 0
4.顺序遍历
class Solution {
public:
int findLength(vector<int>& nums1, vector<int>& nums2) {
int n = nums1.size(), m = nums2.size();
vector<vector<int>> f(n + 1, vector<int>(m + 1, 0));
int res = 0;
for(int i = 1; i <= n; i++){
for(int j = 1; j <= m; j++){
if(nums1[i - 1] == nums2[j - 1]){
f[i][j] = f[i - 1][j - 1] + 1;
}
res = max(res, f[i][j]);
}
}
return res;
}
};
4.最长公共子序列
思路
如果 i - 1 和 j - 1 的字符相等，那就直接加一，否则取较大的一方
1.f[i][j]: text1 以 i - 1 结尾，text2 以 j - 1 结尾的最长重复子数组
2.相等，f[i][j] = f[i - 1][j - 1] + 1；不相等，f[i][j] = max(f[i - 1][j], f[i][j - 1])
3.全部 = 0
4.顺序遍历
class Solution {
public:
int longestCommonSubsequence(string text1, string text2) {
int n = text1.size(), m = text2.size();
vector<vector<int>> f(n + 1, vector<int>(m + 1, 0));
int res = 0;
for(int i = 1; i <= n; i++){
for(int j = 1; j <= m; j++){
if(text1[i - 1] == text2[j - 1]){
f[i][j] = f[i - 1][j - 1] + 1;
}else{
f[i][j] = max(f[i - 1][j], f[i][j - 1]);
}
res = max(res, f[i][j]);
}
}
return res;
}
};
5.不相交的钱
思路
最长公共子序列
class Solution {
public:
int maxUncrossedLines(vector<int>& nums1, vector<int>& nums2) {
int n = nums1.size(), m = nums2.size();
vector<vector<int>> f(n + 1, vector<int>(m + 1, 0));
int res = 0;
for(int i = 1; i <= n; i++){
for(int j = 1; j <= m; j++){
if(nums1[i - 1] == nums2[j - 1]){
f[i][j] = f[i - 1][j - 1] + 1;
}else{
f[i][j] = max(f[i - 1][j], f[i][j - 1]);
}
res = max(res, f[i][j]);
}
}
return res;
}
};
6.最大子数组和
思路
分为选之前的数和不选之前的数，做比较取较大值
1.f[i]: 以 i 结尾的最大子数组和
2.f[i] = max(f[i - 1] + nums[i], nums[i])
3.f[0] = nums[0], res = nums[0], 其他 = 0
4.顺序遍历
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int n = nums.size();
vector<int> f(n, 0);
f[0] = nums[0];
int res = nums[0];
for(int i = 1; i < n; i++){
f[i] = max(f[i - 1] + nums[i], nums[i]);
res = max(res, f[i]);
}
return res;
}
};
7.判断子序列
思路
方法1.最长公共子序列
方法2.编辑距离，如果 i - 1 不等于 j - 1，那么就删除 j - 1
1.f[i][j]: s 以 i - 1 结尾，t 以 j - 1 结尾的相同子序列长度
2.相等，f[i][j] = f[i - 1][j - 1] + 1；不相等，f[i][j] = f[i][j - 1]
3.全部 = 0
4.顺序遍历
class Solution {
public:
bool isSubsequence(string s, string t) {
int n = s.size(), m = t.size();
vector<vector<int>> f(n + 1, vector<int>(m + 1, 0));
for(int i = 1; i <= n; i++){
for(int j = 1; j <= m; j++){
if(s[i - 1] == t[j - 1]){
f[i][j] = f[i - 1][j - 1] + 1;
}else{
f[i][j] = f[i][j - 1];
}
}
}
return f[n][m] == n;
}
};
8.不同的子序列
思路
当 i - 1 和 j - 1 相等时，分为用 j - 1 匹配和不用 j - 1 匹配
当 i - 1 和 j - 1 不相等时，不用 j - 1 匹配
1.以 i - 1 结尾的 t 在以 j - 1 结尾的 s 中出现的次数
2.相等，f[i][j] = (f[i - 1][j - 1] + f[i][j - 1]) % 1000000007；不相等，f[i][j] = f[i][j - 1]
3.for(int i = 0; i <= m; i++) f[0][i] = 1
4.顺序遍历
class Solution {
public:
int numDistinct(string s, string t) {
int n = t.size(), m = s.size();
vector<vector<int>> f(n + 1, vector<int>(m + 1, 0));
for(int i = 0; i <= m; i++) f[0][i] = 1;
for(int i = 1; i <= n; i++){
for(int j = 1; j <= m; j++){
if(t[i - 1] == s[j - 1]){
f[i][j] = (f[i - 1][j - 1] + f[i][j - 1]) % 1000000007;
}else{
f[i][j] = f[i][j - 1];
}
}
}
return f[n][m];
}
};
9.两个字符串的删除操作
思路
如果 i - 1 和 j - 1 相同，那就不删除，如果不相同，那就删除操作少的
1.f[i][j]: 以 i - 1 结尾的 word1 和以 j - 1 结尾的 word2 相同最少的删除数
2.相等，f[i][j] = f[i - 1][j - 1]；不相等，f[i][j] = min(f[i - 1][j], f[i][j - 1]) + 1
3.for(int i = 0; i <= n; i++) f[i][0] = i，for(int j = 0; j <= m; j++) f[0][j] = j
class Solution {
public:
int minDistance(string word1, string word2) {
int n = word1.size(), m = word2.size();
vector<vector<int>> f(n + 1, vector<int>(m + 1, 0));
for(int i = 0; i <= n; i++) f[i][0] = i;
for(int j = 0; j <= m; j++) f[0][j] = j;
for(int i = 1; i <= n; i++){
for(int j = 1; j <= m; j++){
if(word1[i - 1] == word2[j - 1]){
f[i][j] = f[i - 1][j - 1];
}else{
f[i][j] = min(f[i - 1][j], f[i][j - 1]) + 1;
}
}
}
return f[n][m];
}
};
10.编辑距离
思路
如果相等就不操作，如果不相等，删除元素和添加元素是等价的，取最小的，修改元素就是在上一个状态下加一操作，因为已经初始化了删除一边的操作数，所以删除两个元素只需要加一
1.f[i][j]: 以 i - 1 结尾的 word1 和以 j - 1 结尾的 word2 相同最少操作数
2.相等，f[i][j] = f[i - 1][j - 1]；不相等，f[i][j] = min(f[i - 1][j - 1], min(f[i - 1][j], f[i][j - 1])) + 1
3.for(int i = 0; i <= n; i++) f[i][0] = i，for(int j = 0; j <= m; j++) f[0][j] = j
class Solution {
public:
int minDistance(string word1, string word2) {
int n = word1.size(), m = word2.size();
vector<vector<int>> f(n + 1, vector<int>(m + 1, 0));
for(int i = 0; i <= n; i++) f[i][0] = i;
for(int j = 0; j <= m; j++) f[0][j] = j;
for(int i = 1; i <= n; i++){
for(int j = 1; j <= m; j++){
if(word1[i - 1] == word2[j - 1]){
f[i][j] = f[i - 1][j - 1];
}else{
f[i][j] = min(f[i - 1][j - 1], min(f[i - 1][j], f[i][j - 1])) + 1;
}
}
}
return f[n][m];
}
};
11.回文子串
思路
如果 s[i] 和 s[j] 相等，分三种情况，i == j，那么肯定是回文串；j - i == 1，那么也是回文串；否则就还要判断 s[i +1] 和 s[j - 1]
因为 i, j 要用到 i + 1, j - 1 的状态，所以一定要从左下到右上遍历
1.f[i][j]: s 的 [i, j] 区间回文子串个数
2.j - i <= 1，f[i][j] = true；f[i + 1][j - 1] == true，f[i][j] = true
3.全部 = false
4.先倒序，再顺序，从坐下到右上
class Solution {
public:
int countSubstrings(string s) {
int n = s.size();
vector<vector<bool>> f(n, vector<bool>(n, false));
int res = 0;
for(int i = n - 1; i >= 0; i--){
for(int j = i; j < n; j++){
if(s[i] == s[j]){
if(j - i <= 1){
res++;
f[i][j] = true;
}else if(f[i + 1][j - 1] == true){
res++;
f[i][j] = true;
}
}
}
}
return res;
}
};
12.最长回文子序列
思路
如果相等，那就同时加入，如果不相等，那就看加入哪个更长
1.f[i][j]: s 在 [i, j] 内的最长回文子序列长度
2.相等，f[i][j] = f[i + 1][j - 1] + 2；不相等，f[i][j] = max(f[i + 1][j], f[i][j - 1])
3.for(int i = 0; i < n; i++) f[i][i] = 1
4.从左下到右上
class Solution {
public:
int longestPalindromeSubseq(string s) {
int n = s.size();
vector<vector<int>> f(n, vector<int>(n, 0));
for(int i = 0; i < n; i++) f[i][i] = 1;
for(int i = n - 1; i >= 0; i--){
for(int j = i + 1; j < n; j++){
if(s[i] == s[j]){
f[i][j] = f[i + 1][j - 1] + 2;
}else{
f[i][j] = max(f[i + 1][j], f[i][j - 1]);
}
}
}
return f[0][n - 1];
}
};
987
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
