weixin_44426359的博客

第二步记录每个节点到已生成最小生成树的距离，用一个midDir一维数据记录，初始值每个节点都不连通，设为一个大数；第一步输入数据，没有路径的地方需要设置成一个大数，类似此路不通的意思。2、遍历完后，找到了最小结点，把它加入到最小生成树，isAddTree = true。定义min：记录节点到最小生成树的最小距离.初始设为MAX_VALUE，因为第一个节点要加入。刚学习prim算法，看了好久，最后还是抄了一遍理解清楚了，现在梳理一下框架。min等于它到最小生成树的距离；3、更新当前结点到最小生成树的距离。

中间也走过一些弯路，执着于看答案的代码，看懂了再写，但是通过记忆保留下来的代码还是有很多小bug。后来尝试自己在草稿纸上画图，自己写流程，然后把这些流程转换成代码，bug就少了很多。我也初次意识到代码能力只是一部分，逻辑思路清晰了，能事半功倍。现在对于递归，回溯，动态规划，深搜广搜，心中都有了框架。所以给自己定个二刷的目标：解题的思路要熟练清晰，能把解题思路用在包装了的题目上。到现在，有些题目可以自己只听思路，写代码实现。从8月31号开始加入算法训练营，经过六十多天，还是有比较多的收获的。

经过上面的练习，大家可能会感觉 广搜不过如此，都刷出自信了，本题让大家初步感受一下，广搜难不在广搜本身，而是如何应用广搜。深搜有细节，同样是深搜两种写法的区别，以及什么时候需要回溯操作呢？简单题，避免大家惯性思维，建议大家先独立做题。

【代码】代码随想录Day53|102.沉没孤岛 、103.水流问题 、104.建造最大岛屿。

【代码】代码随想录Day51|99.岛屿数量 深搜 99.岛屿数量 广搜 岛屿的最大面积。

【代码】代码随想录Day50|98. 所有可达路径。

递推公式：如果第i个元素和第j个元素相等，则在dp[i][j] = dp[i+1][j-1]+2。如果不相等，dp[i][j] = max(dp[i+1][j],dp[i][j-1])dp[i][j]:从第i个元素到第j个元素的最长回文子序列。初始化：dp[i][i] = 1。遍历顺序：从下到上，从左到右。

这题第一次理解还是很难的，看代码随想录看不懂，去看了b站的视频才明白。明白了思想代码就很容易了。583. 两个字符串的删除操作。

dp[i][j]:ch1从[0,i-1]和ch2从[0,j-1]的最长公共子序列长度。递推公式：如果遍历的当前字符相等， dp[i][j] = dp[i-1][j-1] +1;相当于dp数组的左上角不然吧左边和上边的最大值复制下来。初始化，因为i代表i-1，所以初始化的时候第一行第一列初始化成0。遍历顺序，横向遍历和纵向遍历都可以，但必须是从小到大。

遍历顺序：外层遍历i，内层遍历j，内层遍历的时候从小到大或者从大到小都可以，因为j一直小于i，i以前的j都更新过了最长长度。dp[i][j]：nums1以i-1位置元素和nums2以j-1位置元素结尾的最长重复子串长度。dp[i]：这里含义是以第i个元素结尾的子序列的最长长度，但是未必会比第i-1个长。递归公式：只有当nums[j]<nums[i]的时候才需要更新。这题简单一些，注意递推的时候只能从前一个元素推过来即可。初始化：都初始化成1，因为最少也是一个元素。这里的i不一定紧贴着j，可以跳跃。

虽然是困难，但是做了3之后也还好，不过是把状态替换成需要循环更新的状态而已。

数组第二个维度表示： 1第一次持有，2第一次不持有。3第二次持有，4第二次不持有。状态转移方程很容易能推到出来。需要注意的是初始化的时候可以当天买入当天卖出。当天持有状态 = （前一天持有，前一天不持有-当天价格）的最大值。遍历顺序：看状态都是由前一个状态推出来的，自然是从前向后。dp[i][0]:第i天的时候不持有股票，手头最大金额。dp[i][1]:第i天的时候不持有股票，手头最大金额。初始化：初始化第一天两个状态即可，后面都会更新。

做完背包问题，打家劫舍感觉容易好多。主要理解每一家都又两个状态偷和不偷即可。好像回到了最初的爬楼梯。dp[i]: 偷到第i家时候的最大值递推： dp[i] = Math.max(dp[i-2]+nums[i], dp[i-1]);偷第i家和不偷第i家的最大值。初始化：头两家初始化就好了。注意可能数组只有一个元素，导致越界。

dp[i] : 背包为i容量，这里应该必须是从字符串的[0,i],能用字典单词组合成功为true，否则为false。这里dp[j]是加新单词之前的状态，如果新单词能找到，新单词之前的字符串也能找到，才输出dp[i]=true。递推公式：dp[j] = Math.min(dp[j],dp[j-coins[i]]+1);递推公式：dp[j] = Math.min(dp[j],dp[j-nums[i]]+1);递推公式：dp[i] = set.contains(substring[j,i]) && dp[j]

打印dp数组：手推的时候，我把这题类比成爬楼梯，外层遍历的是腿长，代表我一次能跨几个台阶，内层遍历的就是台阶高度了。然后能跨两步的时候，是把一步一步跨的dp[j]，加上当前台阶减去两步的最大方法数（dp[j-2]），加起来。这里计算的是方法数，不是步数，所以不需要再加1.因为在j-2的台阶往j台阶。要么一步一步跨(dp[j] 就是这种情况)，要么跨两步（就是dp[j-2]）。遍历顺序：外层遍历物品，内层遍历背包，遍历出来是组合数。如果反过来，外层遍历背包，内层遍历物品，遍历出来是排列数。

和昨天的分割等和子集几乎一样。dp[j]:容量为j的时候，能装下石头重量的最大值。递推公式： dp[j] = Math.max(dp[j], dp[j - stones[i]] + stones[i]);第一个stones代表重量，第二个代表价值。初始化：dp[0]初始化为0就好。遍历顺序：先遍历物品，再遍历空间。遍历空间的时候从大到小，避免重复添加。sum += i;

第一行从能放下第一个物品的容量开始更新，往后容量都是这个物品的价值，因为物品只有一件，所以不管你包多大，只算当前装进去的物品价值。递推公式：max(dp[i-1][j],dp[i-1][j-weight[i]] + value[i]);如果从前往后遍历的话，会导致一个物品放入多次，而从后往前遍历的话，因为前面的数据都不包含当前物品。dp[i][j]:从0到i物品中取，放入最大容量为j的行李空间中，能装的最大价值是多少。dp[j]:放入最大容量为j的行李空间中，能装的最大价值是多少。

因为j是从1开始遍历的，比如j=2时，对其拆分只能拆分成1*1，j=1时，dp[i-j]中必然也拆分出更下一层的j=1，这时候的1*1已经计算过了。递推公式：dp[i] = Math.max(dp[i],Math.max(j*(i-j),j*dp[i-j]))。0 : dp[i-1][j] + dp[i][j-1].到障碍表当中查，如果当前有障碍就记录当前位置的路径0条。递推公式：dp[i][j] = dp[i-1][j] + dp[i][j-1]。dp[i]:数值为i时，当前格子有几种到达路径。

状态转移方程： dp[i] = dp[i-1] + dp[i-2];状态转移方程： dp[i] = dp[i-1] + dp[i-2];dp[i]：表示第i个斐波那契数。dp数组： 1 1 2 3 5 8。dp[i]：表示第i个斐波那契数。dp数组： 1 1 2 3 5 8。初始化： 0 ，1；遍历顺序：从前到后；遍历顺序：从前到后；

738.单调递增的数字。