本周做题:
本周做题感悟
我相信动态规划的思考方式和微分的思考方式有严重的相似性。动态规划的思考着重两点:一是如何确定初始态;而是如何描述演变的过程(这里就包括了动态数组的含义以及状态转移方程的形成)。这周的题目太难了,一个也没有做出来。与其说是做题,不如说是看题。写这系列的博客的初衷就是因为看力扣官方解答都看不懂,要找好多资料才可以辅助看懂,所以为了日后更快的更快的找到题解思路而写的这一系列博客。本周做的题有一个共性,就是在 d p [ i ] [ j ] dp[i][j] dp[i][j]中的 [ i , j ] [i,j] [i,j]范围内引入了一个变量 m m m。这个 m m m是求解此类问题的关键分析点。
戳气球
状态方程:
d
p
[
i
]
[
j
]
=
m
a
x
k
=
i
+
1
,
.
.
.
,
j
−
1
{
d
p
[
i
]
[
k
]
+
d
p
[
k
]
[
j
]
+
n
u
m
s
[
i
]
∗
n
u
m
s
[
k
]
∗
n
u
m
s
[
j
]
}
,
i
<
j
dp[i][j] = max_{k=i+1,...,j-1}\{dp[i][k]+dp[k][j]+nums[i]*nums[k]*nums[j]\},i < j
dp[i][j]=maxk=i+1,...,j−1{dp[i][k]+dp[k][j]+nums[i]∗nums[k]∗nums[j]},i<j
e
l
s
e
d
p
[
i
]
[
j
]
=
0
else \space dp[i][j] = 0
else dp[i][j]=0
实现的一个难于思考的地方就是==如何确定该动态规划方程的循环次序问题?==可以这样想,
k
∈
[
i
+
1
,
j
−
1
]
k∈[i+1,j-1]
k∈[i+1,j−1]k值是在这个制定范围变化的,要实现该动态方程,就要想办法将当前的k值变化范围依赖与上一次的k值范围。因为当前的k值所依赖的dp[i][k]和dp[k][j]必须要在上一轮循环中求出,所以其变化应该是自上而下的,即[length-1,lenght],[length-2,length],…[0,length]。
//核心算法实现
for(int i = length-1, i < length+1;++i){
for(int j = i+2; j length+1; ++j){
for(int k = i+1; k < j-1; ++k){
sum = dp[i][k] + dp[k][j] + nums[i]*nums[k]*nums[j];
dp[i][j] = max(sum, dp[i][j]);
}
}
}
分割等和子集
背包问题变形,背包问题解析文章。
//初始态
vector<bool> dp(sum,false);
dp[0] = true;
//状态的转换
for(int i = 0; i < num.size(); ++i)
{
for(int j = sum; j >= num[i]; ++j)
{
dp[j] = dp[j]||dp[j-num[i]];
}
}
奇怪的打印机
理解题目:举例来说,打印abcabc时的最少打印次数为5次,对应的最优解可以为:
- aaaa->abaa->abca->abcab->abcabc,即先打印出来第0和第3位置的a;
- a->abbbb->abcbb->abcab->abcabc,即先打印出来第1和第4位置的b;
- a->ab->abcccc->abcacc->abcabc,即先打印出来第2和第5位置的c;
使用动态规划递推 s[i,j]表示s中第i个字母到第j个字母这个子串
dp[i,j]表示子串s[i,j]的最少打印次数,下面仅考虑dp[i,j]的计算方法 ①
s[i]这个字母只需在一次中打印,且总可以在第一次打印(因为他是首字母,后续打印不需要覆盖到它)。因为最优解可能有多种,设最优解中包含s[i]的那次最短长度的打印为
P,结束点为k ②
P这次打印的结尾字符应该与首字母s[i]相同,即s[i]==s[k](否则,不相同的部分都是多余的打印,只会使得总打印次数更多) ③
P这次打印最后一个字符s[k]应该只被打印一次,即s[i],s[k]在同一次被打印,且仅在这次中被打印(否则,P这次打印不需要包含s[k])
④
s[i,j]被分成两段,s[i,k]和s[k+1,j],最优打印法中的任何一次打印不会跨越这两段(因为分界点s[k]只被打印一次)。当然s[k]可能就是s[j],这样实际就没有分段,打印P会打印整段s[i,j]
⑤ 在④中的两段上分别递推,就得到: dp[i,j] = min(dp[i,k] + dp[k+1,j])
对所以满足s[i]==s[k]的k求min ⑥ 由于s[i]s[k],可得:dp[i,k] ==
dp[i,k-1](因为打印s[i,k-1]的方法只要在第一次把s[i]打印在所有字符上,就能应用在s[i,k]之上了)
于是可以得到新的公式,可以避免kj的情况: dp[i,j] = min(dp[i,k-1] + dp[k+1,j])
作者:wang-sun
链接:https://leetcode-cn.com/problems/strange-printer/solution/xi-hua-yi-xia-guan-fang-ti-jie-de-zheng-ming-by-wa/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
统计不同的回文子序列
定义 dp[x][i][j] 为子串 S[i…j] 拥有不同回文子字符串的答案,且 S[i] == S[j] == ‘a’+x。由于字符串只包含四个字符 a, b, c, d,因此 0 <= x < 4。dp 的公式如下:
如果 S[i] != ‘a’+x,则 dp[x][i][j] = dp[x][i+1][j]
如果 S[j] != ‘a’+x,则 dp[x][i][j] = dp[x][i][j-1]
如果 S[i] == S[j] == ‘a’+x,则 dp[x][i][j] = 2 + dp[0][i+1][j-1] + dp[1][i+1][j-1] + dp[2][i+1][j-1] + dp[3][i+1][j-1]。当第一个和最后一个字符相同时,我们需要计算子串 S[i+1][j-1] 中所有不同的回文(a、b、c、d 中的每一个)加上第一个和最后一个字符的两个回文。
作者:LeetCode
链接:https://leetcode-cn.com/problems/count-different-palindromic-subsequences/solution/tong-ji-bu-tong-hui-wen-zi-zi-fu-chuan-by-leetcode/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
如何理解dp[x][i][j] = 2 + dp[0][i+1][j-1] + dp[1][i+1][j-1] + dp[2][i+1][j-1] + dp[3][i+1][j-1]?这里有两点需要理解:
- dp[0][i+1][j-1] + dp[1][i+1][j-1] + dp[2][i+1][j-1] + dp[3][i+1][j-1]:这里就是用的嵌套,dp[i][j]必定是由dp[i+1,j-1]决定的。
- 为什么要+2?如果s[i]==s[j],举例来说s[0,1,2,3]=“aaaa”,dp[1][2]=2即(a,aa),dp[0][3]=4=2+dp[1][2],即a,aa,aaa,aaaa。
//初始化,全为0
for(int i = length-2; i >= 0; --i){
for(int j = i; j < length; ++j){
for(int k = 0; k < 4; ++k){
char ch = 'a' + k;
if(ch != s[i])
dp[k][i][j] = dp[k][i+1][j];
else if(ch != s[j])
dp[k][i][j] = dp[k][i][j-1];
else{
if(s[i] == ch){
if(i == j)
dp[k][i][j] = 1;
else if(i == j-1)
dp[k][i][j] = 2;
else
dp[k][i][j] = 2 + dp[0][i+1][j-1] + dp[1][i+1][j-1] + dp[2][i+1][j-1] + dp[3][i+1][j-1];
}
}
}
}
}
多边形三角划分的最低得分
状态方程为 d p [ i ] [ j ] = m i n { d p [ i ] [ m ] + d p [ m ] [ j ] + t r a n [ i ] ∗ t r a n [ m ] ∗ t r a n [ j ] } f o r m = i + 1 : j − 1 dp[i][j]=min\{dp[i][m]+dp[m][j]+tran[i]*tran[m]*tran[j]\}\space for \space m=i+1:j-1 dp[i][j]=min{dp[i][m]+dp[m][j]+tran[i]∗tran[m]∗tran[j]} for m=i+1:j−1