- 博客(7)
- 收藏
- 关注
RSS订阅原创 [leetcode]70.Climbing Stairs|Dynamic Programming
题目题目分析：用动态规划解题，因为每一层楼梯都可以由i - 2层楼梯爬两层到达或者由i - 1层楼梯爬一层到达，所以转移方程为：dp[i] = dp[ i - 1] + dp[i - 2]。代码class Solution { public int climbStairs(int n) { int[] dp = new int[n]; if(n =...
2019-11-26 22:33:24
148
原创 [leetcode]121.Best Time to Buy and Sell Stock|差分数组&Dynamic Programming
题目题目分析：这道题也是求最值，所以用了动态规划。直接用prices求动态规划数组好像不太行，所以我就加了一个差分数组diff，然后按照求最大subarray和的方法，求得结果。代码class Solution { public int maxProfit(int[] prices) { int n = prices.length; if(n ==...
2019-11-26 21:24:29
280
原创 [leetcode]746.Min Cost Climbing Stairs|Dynamic Programming
题目题目分析：还是求最值得问题，用动态规划，转移方程为：dp[i] = Math.min(dp[i - 1], dp[i - 2]) + cost[i - 2]。返回结果时需要注意，返回dp[n + 1],dp[n]两者之间较小值。代码class Solution { public int minCostClimbingStairs(int[] cost) { i...
2019-11-26 08:59:22
138
原创 [leetcode]53.Maximum Subarray|DynamicProgramming
题目题目分析：这个题让求最大的subarray和，也是求最值的问题，因此用动态规划会比较好。dp[i]表示i处所能取得的最大subarray sum，我们需要找到状态转移方程。i处的最大subarray和为i-1的subarray和加上i处的数值和i的数值两者间最大值，即dp[i] = max(nums[i], nums[i] + dp[i - 1])。因为最大的值不一定在最后一个值处取得，...
2019-11-26 03:35:54
140
原创 [leetcode]392.Is Subsequence|BruteForce|想到别的方法会继续更新
题目题目分析：求subsequence的问题，应该用动态规划吧，但是还没有想到合适的转移方程，所以用brute force方法先写了… 想到dp会更新代码```javaclass Solution { public boolean isSubsequence(String s, String t) { int sp = 0; int i = 0...
2019-11-26 03:21:09
73
原创 [leetcode]213.House Robber II|Dynamic Programming
题目题目分析：这道题和198题基本一样，不同的是这道题的房子arranged in a circle，所以最后一个房子和第一个房子就不能同时偷，所以我就分了两种情况进行动态规划求值。一种情况是不偷第一个房子，dp1从第二个房子开始记录，其它的正常dp求值；第二种情况是不偷最后一个房子，dp2记录到倒数第二个房子，其它的正常dp求值。最后返回两种情况的最大值。代码class Soluti...
2019-11-26 00:40:06
150
原创 [leetcode]198.House Robber|Dynamic Programming
题目题目分析：求最值的问题，一般就用动态规划。首先要写出状态转移方程，因为不能在同一晚上偷两个连续的房子，所以第i个房子处能得到的最大利益为偷第i个房子不偷第i-1个房子和偷第i-1个房子不偷第i个房子两者之间的最大值，即dp[i] = max(dp[i - 2] + nums[i - 1], dp[i - 1])。因为我定义的dp长度为n + 1(n为数组长度)，所以此处是numsp[i...
2019-11-26 00:14:16
149
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人