算法# 学习目标:动态规划算法(六 )
学习内容:
动态规划算法:每次决策依赖于当前状态,又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的,所以,这种多阶段最优化决策解决问题的过程就称为动态规划。
在查找有很多重叠子问题的情况的最优解有效。动态规划保存子问题的解,避免重复计算。
学习产出:
字符串编辑
动态规划
解决动态规划问题的关键是找到状态转移方程,这样就可以通过计算和存储子问题的解来解决最终问题。
LeetCode72 编辑距离
给你两个单词 word1 和 word2,请你计算出将 word1 转换成 word2 所使用的最少操作数 。
你可以对一个单词进行如下三种操作:
插入一个字符
删除一个字符
替换一个字符
示例 1:
输入:word1 = "horse", word2 = "ros"
输出:3
解释:
horse -> rorse (将 'h' 替换为 'r')
rorse -> rose (删除 'r')
rose -> ros (删除 'e')
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/edit-distance
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
题解
定义一个二维数组dp[i][j],表示将第一个字符串到位置i为止,和第二个字符串到位置j为止最多需要几步编辑。当第i位和第j位对应字符相同,则dp[i][j]等于dp[i-1][j-1];当二者对应的字符不同时,修改消耗dp[i-1][j-1]+1,插入i位置、删除j位置则是dp[i][j-1]+1,插入j位置、删除i位置则是p[i-1][j]+1
代码(python)
class Solution:
def minDistance(self, word1: str, word2: str) -> int:
m,n = len(word1),len(word2)
dp = [[0]*(n+1) for _ in range(m+1)]
for i in range(m+1):
for j in range(n+1):
if i == 0:
dp[i][j] = j
elif j == 0:
dp[i][j] = i
else:
if word1[i-1] == word2[j-1]:
a = 0
else: a = 1
dp[i][j] = min(dp[i-1][j-1]+a,min(dp[i-1][j]+1,dp[i][j-1]+1))
return dp[m][n]
LeetCode650 只有两个键的键盘
最初在一个记事本上只有一个字符 ‘A’。你每次可以对这个记事本进行两种操作:
Copy All (复制全部) : 你可以复制这个记事本中的所有字符(部分的复制是不允许的)。
Paste (粘贴) : 你可以粘贴你上一次复制的字符。
给定一个数字 n 。你需要使用最少的操作次数,在记事本中打印出恰好 n 个 ‘A’。输出能够打印出 n 个 ‘A’ 的最少操作次数。
示例 1:
输入: 3
输出: 3
解释:
最初, 我们只有一个字符 'A'。
第 1 步, 我们使用 Copy All 操作。
第 2 步, 我们使用 Paste 操作来获得 'AA'。
第 3 步, 我们使用 Paste 操作来获得 'AAA'。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/2-keys-keyboard
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
题解
由于粘贴操作是倍数增加,因此需要乘除法计算位置,定义dp数组,其中位置i表示延展到长度i的最少操作次数。对于每个位置j,如果j可以被i整除,那么长度i就可以由j操作得到,其操作等价于把长度为1的A延展到长度为i/j。因此状态转移公式dp[i]=dp[j]+dp[i/j]
代码(python)
class Solution:
def minSteps(self, n: int) -> int:
dp = [0]*(n+1)
h = int(n**0.5)
for i in range(2,n+1):
dp[i] = i
for j in range(2,h+1):
if i%j == 0:
dp[i] = dp[j] + dp[i//j]
break
return dp[n]