leetcode:132. 分割回文串 II(困难,dp)-------中心扩展法。

题目:

在这里插入图片描述

分析:看完题稍稍想了一下,就是dp,看了一下确实dp。

我的dp思路:A【i】【j】表示从i到j需要多少次变成回文,给一个记忆化的搜索。但是又超时了。

代码:

class Solution {
public:
    bool judge(string s,int x,int y)
    {
        while(x<y)
        {
            if(s[x]!=s[y]) return 0;
            x++;
            y--;
        }
        return 1;
    }
    vector<vector<int> > vv;
    int f(string s,int x,int y)
    {
        if(vv[x][y]!=-1) return vv[x][y];
        if(judge(s,x,y)) return vv[x][y]=0;
        int minn=1<<30;
        for(int i=x;i<y;i++)
        {
            minn=min(minn,1+f(s,x,i)+f(s,i+1,y));
        }
        return vv[x][y]=minn;
    }
    int minCut(string s) {
        if(judge(s,0,s.length()-1)) return 0;
        vector<int> v(s.length(),-1);
        for(int i=0;i<s.length();i++) vv.push_back(v);
        int minn=1<<30;
        for(int i=0;i<s.length()-1;i++)
        {
            minn=min(minn,1+f(s,0,i)+f(s,i+1,s.length()-1));
        }
        return minn;
    }
};

看题解,自己dp设计的太过暴力。

中心扩展法:

dp【i】表示的是到i元素为止,最小的分割次数。

class Solution {
public:
    vector<int> dp;
    void f(string s,int x,int y)
    {
        while(x>=0 && y<s.size() && s[x]==s[y])
        {
            dp[y]=min(dp[y],(x==0?-1:dp[x-1])+1);
            x--;
            y++;
        }
    }
    int minCut(string s) {
        for(int i=0;i<s.size();i++)
        {
            dp.push_back(i);
            //初始化最大的切割次数。
        }
        for(int i=0;i<s.size();i++)
        {
            f(s,i,i);//奇数长度的串以单个为中心
            f(s,i,i+1);//偶数长度的串以两个为中心
        }
        return dp[s.size()-1];
    }
};
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算中,如链路优化、路由算、网络流量控制等。 对于算领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算问题,例如斐波那契数列、矩阵链乘、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算可能会变得比较麻烦。此外,动态规划算也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算竞赛进阶指南》、《算与数据结构基础》等,来深入理解这种算思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值