动态规划
1. 最大子序和
给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
示例 1:
输入:nums = [-2,1,-3,4,-1,2,1,-5,4]
输出:6
解释:连续子数组 [4,-1,2,1] 的和最大,为 6 。
示例 2:
输入:nums = [1]
输出:1
示例 3:
输入:nums = [0]
输出:0
示例 4:
输入:nums = [-1]
输出:-1
示例 5:
输入:nums = [-100000]
输出:-100000
(1)动态规划解法1
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int n = nums.size();
if (n == 1) return nums[0];
int dp[n];
dp[0] = nums[0];
int res = nums[0];
for(int i = 1; i < n; i++){
dp[i] = max(dp[i-1]+nums[i],nums[i]);
res = max(res,dp[i]);
}
return res;
}
};
时间复杂度 o(n) 空间复杂度 o(n)
(2) 动态规划解法 2
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int n = nums.size();
int res = nums[0];
int pre = nums[0];
for(int i = 1; i < n; i++){
pre = max(pre+nums[i],nums[i]);
res = max(res,pre);
}
return res;
}
};
(3) 分治算法–后续补充
线段树区间
2. 买卖股票的最佳时机
给定一个数组 prices ,它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。
你只能选择 某一天 买入这只股票,并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。
返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润,返回 0 。
示例 1:
输入:[7,1,5,3,6,4]
输出:5
解释:在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。
注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格;同时,你不能在买入前卖出股票。
示例 2:
输入:prices = [7,6,4,3,1]
输出:0
解释:在这种情况下, 没有交易完成, 所以最大利润为 0。
- 1 <= prices.length <= 1e5
- 0 <= prices[i] <= 1e4
class Solution {
public:
int maxProfit(vector<int>& prices) {
int minPrice = INT_MAX;
int profit = 0;
for(int i=0;i<prices.size();i++){
if(prices[i]<minPrice) minPrice = prices[i];
else{
if(prices[i]-minPrice>profit){
profit = prices[i]-minPrice;
}
}
}
return max(profit,0);
}
};
3.最长回文子串
大的是回文子串,里面的肯定也是回文子串
给你一个字符串 s,找到 s 中最长的回文子串。
示例 1:
输入:s = “babad”
输出:“bab”
解释:“aba” 同样是符合题意的答案。
示例 2:
输入:s = “cbbd”
输出:“bb”
示例 3:
输入:s = “a”
输出:“a”
示例 4:
输入:s = “ac”
输出:“a”
class Solution {
public:
string longestPalindrome(string s) {
int n = s.length();
string ans;
vector<vector<int>> dp(n,vector<int>(n));
for(int l = 0; l < n; l++){
for(int i = 0; i+l < n; i++){
int j = i+l;
if(l==0) dp[i][j] = 1;
else if(l == 1) dp[i][j] = (s[i] == s[j]);
else{
dp[i][j] = (s[i]==s[j] && dp[i+1][j-1]);
}
if(dp[i][j] && l+1 > ans.length()){
ans = s.substr(i,l+1);
}
}
}
return ans;
}
};
时间复杂度 o(n^2), 空间复杂度 o(n^2)