思路需要复习
参考link1 代码随想录
参考link2 github
参考link3 blibli
基础:
一、 509. 斐波那契数(简单)
斐波那契数 (通常用 F(n) 表示)形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始,后面的每一项数字都是前面两项数字的和。也就是:
F(0) = 0,F(1) = 1
F(n) = F(n - 1) + F(n - 2),其中 n > 1
给定 n ,请计算 F(n) 。
class Solution:
def fib(self, n: int) -> int:
if n <= 1:
return n
dp = [0] * 2
dp[0] , dp[1] = 0 , 1
#
for i in range(2, n + 1):
# for i in range(n - 1):
sum = dp[0] + dp[1]
dp[0] = dp[1]
dp[1] = sum
return dp[1]
示例代码:
# 状态压缩,直接维护前两个值
class Solution:
def fib(self, n: int) -> int:
if n <= 1:
return n
a, b, c = 0, 1, 0
for i in range(2, n + 1):
# for i in range(n - 1):
c = a + b
a, b = b, c
return c
二、 爬楼梯及变形
70. 爬楼梯(简单)
假设你正在爬楼梯。需要 n 阶你才能到达楼顶。每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢?
# 跟斐波那契一样,只初始化值不同,且忽略dp[0]
class Solution:
def climbStairs(self, n: int) -> int:
if n <= 2:
return n
a, b, c = 1, 2, 0
for i in range(3, n + 1):
c = a + b
a, b = b, c
return b
示例代码:
来自代码随想录
# 空间复杂度为O(n)版本
class Solution:
def climbStairs(self, n: int) -> int:
# dp[i] 为第 i 阶楼梯有多少种方法爬到楼顶
dp = [0]*(n+1)
dp[0] = 1
dp[1] = 1
for i in range(2, n+1):
dp[i] = dp[i-1] + dp[i-2]
return dp[n]
# 空间复杂度为O(1)版本
class Solution:
def climbStairs(self, n: int) -> int:
dp = [0]*(n+1)
dp[0] = 1
dp[1] = 1
for i in range(2,n+1):
tmp = dp[0] + dp[1]
dp[0] = dp[1]
dp[1] = tmp
return dp[1]
746. 使用最小花费爬楼梯(简单)
给你一个整数数组 cost ,其中 cost[i] 是从楼梯第 i 个台阶向上爬需要支付的费用。一旦你支付此费用,即可选择向上爬一个或者两个台阶。你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。
请你计算并返回达到楼梯顶部的最低花费。
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
# 也可以不需要一个新数组
n = len(cost)
dp = [0] * n
dp[0] = cost[0]
dp[1] = cost[1]
for i in range(2, n):
dp[i] = min(dp[i - 1],dp[i - 2]) + cost[i]
print(dp[i])
# 最后一步花费一样不用算
return min(dp[n - 1],dp[n - 2])
示例代码:
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
h = len(cost)
for i in range(h-3, -1, -1):
cost[i] = min(cost[i]+cost[i+1], cost[i]+cost[i+2])
return min(cost[0], cost[1])
三、 不同路径及其变形
62.不同路径原型
一个机器人位于一个 m x n 网格的左上角 (起始点在下图中标记为 “Start” )。机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角(在下图中标记为 “Finish” )。
问总共有多少条不同的路径?
# 方法一:动态规划
# 二维数组
class Solution:
def uniquePaths(self, m: int, n: int) -> int:
dp = [[1 for i in range(n)] for j in range(m)]
for i in range(1, n):
for j in range(1, m):
dp[i][j] = dp[i - 1][j] + dp[i][j - 1]
print(dp)
return dp[n - 1][m - 1]
# 一维数组
class Solution:
def uniquePaths(self, m: int, n: int) -> int:
dp = [1]*n
for j in range(1, m):
for i in range(1, n):
dp[i] += dp[i - 1]
print(dp)
return dp[n - 1]
方法二: 数论 排列组合
63.不同路径Ⅱ
一个机器人位于一个 m x n 网格的左上角 (起始点在下图中标记为 “Start” )。机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角(在下图中标记为 “Finish”)。现在考虑网格中有障碍物。那么从左上角到右下角将会有多少条不同的路径?网格中的障碍物和空位置分别用 1 和 0 来表示。
class Solution:
def uniquePathsWithObstacles(self, obstacleGrid: List[List[int]]) -> int:
m = len(obstacleGrid) # 行数
n = len(obstacleGrid[0]) # 列数
dp = [[0 for i in range(n)] for j in range(m)]
if obstacleGrid[0][0] == 1:
dp[0][0] = 0
else:
dp[0][0] = 1
if dp[0][0] == 0: return 0
for i in range(1, n):
if obstacleGrid[0][i] == 1:
break
dp[0][i] = 1
for j in range (1, m):
if obstacleGrid[j][0] == 1:
break
dp[j][0] = 1
for i in range(1, m):
for j in range(1, n):
if obstacleGrid[i][j] == 0:
dp[i][j] = dp[i - 1][j] + dp[i][j - 1]
# print(dp)
return dp[-1][-1]
示例代码:
代码随想录
# 一维数组
class Solution:
def uniquePathsWithObstacles(self, obstacleGrid: List[List[int]]) -> int:
obs = obstacleGrid
m = len(obs)
n = len(obs[0])
dp = [0]*n
for i in range(n):
if obs[0][i] == 1:
break
dp[i] = 1
for i in range(1, m):
for j in range(n):
if obs[i][j] == 1:
dp[j] = 0
elif j > 0:
dp[j] += dp[j - 1]
else:
pass
return dp[-1]
四、 343. 整数拆分(中等)
给定一个正整数 n ,将其拆分为 k 个 正整数 的和( k >= 2 ),并使这些整数的乘积最大化。返回 你可以获得的最大乘积 。
class Solution:
def integerBreak(self, n: int) -> int:
dp = [0]*(n + 1)
dp[2] = 1
for i in range(3, n + 1):
for j in range(1,(i//2) + 1):
dp[i] = max(dp[i], j*(i - j),j*dp[i - j])
return dp[n]
五、 二叉搜索树及其变形
700. 二叉搜索树
给定二叉搜索树(BST)的根节点 root 和一个整数值 val。你需要在 BST 中找到节点值等于 val 的节点。 返回以该节点为根的子树。 如果节点不存在,则返回 null 。
# 迭代法
class Solution:
def searchBST(self, root: Optional[TreeNode], val: int) -> Optional[TreeNode]:
while root is not None:
if val > root.val : root = root.right
elif val < root.val : root = root.left
else: return root
return None
# 递归
class Solution:
def searchBST(self, root: Optional[TreeNode], val: int) -> Optional[TreeNode]:
if not root or root.val == val:
return root
if root.val > val:
return self.searchBST(root.left, val)
if root.val < val:
return self.searchBST(root.right, val)
96.⭐不同的二叉搜索树(中等)
给你一个整数 n ,求恰由 n 个节点组成且节点值从 1 到 n 互不相同的 二叉搜索树 有多少种?返回满足题意的二叉搜索树的种数。
卡尔666
class Solution:
def numTrees(self, n: int) -> int:
dp = [0]*(n + 1)
dp[0], dp[1] = 1 , 1
print(dp)
for i in range(2, n + 1):
for j in range(1,i + 1):
dp[i] += dp[j - 1]*dp[i - j]
print(dp)
return dp[-1]
背包问题 :
解题步骤:
①确定dp数组及下标的含义
②确定递推公式
③确定dp数组初始值
④确定遍历顺序
⑤打印dp数组验证
0-1背包:
一、01背包原型
有n件物品和一个最多能背重量为w 的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品只能用一次,求解将哪些物品装入背包里物品价值总和最大。
暴力解法时间复杂度:2^n
重点在于理解dp数组的含义和递推公式的含义,手写遍历一次数组就理解了
# 01 背包问题 动态规划
def bag_problem(weight, value, bag_size) -> int :
m = len(weight)
n = bag_size + 1
dp = [[0 for i in range(n)] for j in range(m)]
# 初始化
for j in range(1, n):
if weight[0] <= j:
dp[0][j] = value[0]
# 先遍历物品再遍历背包无影响,因为递推值来自左上方
for i in range(1, m):
cur_weight, cur_value = weight[i], value[i]
for j in range(1, n):
if cur_weight > j:
# 放不下,value和原来(前一个)相同
dp[i][j] = dp[i - 1][j]
else:
# 放得下,value = 放不下时的最大价值+当前物品价值
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - cur_weight] + cur_value)
print(dp)
print(dp[-1][-1])
if __name__ == "__main__":
weight = [1, 3, 4]
value = [15, 20, 30]
bag_size = 4
bag_problem(weight, value, bag_size)
空间优化-使用一维数组的几个关键点:
① 第一行无需再初始化,若初始值大于后面的最大值,最大值会被覆盖,第一行[0]也会遍历,原来从第二行[1]开始
② 倒序遍历,原来的当前dp值是从上一个数(左上)中比较而来,所以本身初始化为几都不影响,现在上一个数来源于左边,保证每个物品添加一次
③ 遍历顺序不可颠倒,因为是一维数组,如果竖向遍历,每个dp[j]只能放入一个物品
# 01 背包问题 一维数组
def bag_problem(weight, value, bag_size) -> int :
m = len(weight)
n = bag_size + 1
dp = [0]*n
# 不需要初始化,全都是0,防止覆盖
# 遍历顺序不可颠倒,只能先遍历物品再遍历背包
for i in range(m):
for j in range(bag_size, weight[i] - 1, -1):
dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
print(dp)
print(dp[-1])
if __name__ == "__main__":
weight = [1, 3, 4]
value = [15, 20, 30]
bag_size = 4
bag_problem(weight, value, bag_size)
二、⭐01背包的应用
416.分割等和子集:
给你一个 只包含正整数 的 非空 数组 nums 。请你判断是否可以将这个数组分割成两个子集,使得两个子集的元素和相等。
class Solution:
def canPartition(self, nums: List[int]) -> bool:
target = sum(nums)
if target % 2 == 1:
return False
else:
target //= 2
dp = [0]*(target + 1)
for i in range(len(nums)):
for j in range(target, nums[i] - 1, -1):
dp[j] = max(dp[j], dp[j - nums[i]] + nums[i])
print(dp)
return dp[target] == target
1049.最后一块石头的重量II
有一堆石头,用整数数组 stones 表示。其中 stones[i] 表示第 i 块石头的重量。每一回合,从中选出任意两块石头,然后将它们一起粉碎。假设石头的重量分别为 x 和 y,且 x <= y。那么粉碎的可能结果如下:
如果 x == y,那么两块石头都会被完全粉碎;
如果 x != y,那么重量为 x 的石头将会完全粉碎,而重量为 y 的石头新重量为 y-x。
最后,最多只会剩下一块 石头。返回此石头 最小的可能重量 。如果没有石头剩下,就返回 0。
思路:
跟上一道题一样,把数组内的数分成尽量相等的两堆,凑出小的那一堆( dp[target] ), 最后结果用大堆( sum(stones)- dp[stones])- 小堆( dp[stones] )= 剩下的单蹦石头
class Solution:
def lastStoneWeightII(self, stones: List[int]) -> int:
target = sum(stones)
target //= 2
dp = [0] * (target + 1)
for i in range(len(stones)):
for j in range(target, stones[i] - 1, -1):
dp[j] = max(dp[j], dp[j - stones[i]] + stones[i])
return sum(stones) - 2 * dp[target]
494. 目标和
给你一个整数数组 nums 和一个整数 target 。
向数组中的每个整数前添加 ‘+’ 或 ‘-’ ,然后串联起所有整数,可以构造一个 表达式 :
例如,nums = [2, 1] ,可以在 2 之前添加 ‘+’ ,在 1 之前添加 ‘-’ ,然后串联起来得到表达式 “+2-1” 。
返回可以通过上述方法构造的、运算结果等于 target 的不同 表达式 的数目。
将问题转化为
+x-y = target y = sum - x
x-(sum-x)= target
x = (target + sum) / 2
求装满容量为x的背包有多少种方式
注意dp[0]初始化为1
class Solution:
def findTargetSumWays(self, nums: List[int], target: int) -> int:
# 目标绝对值大于总和或不能整除得到背包容量无解
if abs(target) > sum(nums) or (sum(nums) + target) % 2 == 1:
return 0
x = (target + sum(nums)) // 2
dp = [0] * (x + 1)
# 容量为0时有1种方式[0]
dp[0] = 1
for i in range(len(nums)):
for j in range(x, nums[i] - 1, -1):
dp[j] += dp[j - nums[i]]
return dp[-1]
474. 一和零
给你一个二进制字符串数组 strs 和两个整数 m 和 n 。请你找出并返回 strs 的最大子集的长度,该子集中 最多 有 m 个 0 和 n 个 1 。如果 x 的所有元素也是 y 的元素,集合 x 是集合 y 的 子集 。
原型:dp[j] = max(dp[j], dp[j -weight[i]] + value[i])
本题中每个字符串的0和1的个数两个维度,或者说属性,相当于原型中每个物品的weight(属性),字符串个数相当于value,所以+1
class Solution:
def findMaxForm(self, strs: List[str], m: int, n: int) -> int:
dp = [[0 for i in range(n + 1)] for j in range(m + 1)]
for str in strs:
# 边数边遍历
zeros = str.count('0')
ones = str.count('1')
# 两个维度并列,遍历顺序可颠倒
for i in range(m, zeros - 1, -1):
for j in range(n, ones - 1, -1):
dp[i][j] = max(dp[i][j], dp[i - zeros][j - ones] + 1)
return dp[m][n]
完全背包:
一、完全背包原型
有N件物品和一个最多能背重量为W的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品都有无限个(也就是可以放入背包多次),求解将哪些物品装入背包里物品价值总和最大。
def complete_pack(weight, value, bag_size) -> int :
n = bag_size + 1
dp = [0]*n
# 遍历顺序可颠倒,无论如何遍历,上一个值来自dp[j - 1],已存在
for i in range(len(weight)):
# 正序遍历保证每个物品可被多次添加
for j in range(weight[i], n):
dp[j] = max(dp[j],dp[j - weight[i]] + value[i])
print(dp[-1])
二、⭐完全背包应用
求组合:先物品后背包
求排列:先背包后物品
518. (组合数)零钱兑换 II
给你一个整数数组 coins 表示不同面额的硬币,另给一个整数 amount 表示总金额。请你计算并返回可以凑成总金额的硬币组合数。如果任何硬币组合都无法凑出总金额,返回 0 。假设每一种面额的硬币有无限个。 题目数据保证结果符合 32 位带符号整数。
注意遍历顺序不能颠倒,颠倒后求的是排列数,要求的是组合数
dp[0] 初始化为1
class Solution:
def change(self, amount: int, coins: List[int]) -> int:
dp = [0]*(amount + 1)
dp[0] = 1
for i in range(len(coins)):
for j in range(coins[i], amount + 1):
dp[j] += dp[j - coins[i]]
return dp[-1]
377. (排列数)组合总和 Ⅳ
给你一个由 不同 整数组成的数组 nums ,和一个目标整数 target 。请你从 nums 中找出并返回总和为 target 的元素组合的个数。
注意遍历范围
class Solution:
def combinationSum4(self, nums: List[int], target: int) -> int:
dp = [0]*(target + 1)
dp[0] = 1
for i in range(1, target + 1):
for j in nums:
if i >= j:
dp[i] += dp[i - j]
return dp[-1]
本题相当于前面爬楼梯题目的进阶:
(排列数)爬楼梯-进阶版(同上一道题,换条件)
一步可以走m个台阶,走到n有多少种走法?
class Solution:
def climbStairs(self, n: int) -> int:
dp = [0]*(n + 1)
dp[0] = 1
m = 2
# 遍历背包
for j in range(n + 1):
# 遍历物品
for step in range(1, m + 1):
if j >= step:
dp[j] += dp[j - step]
return dp[n]
139. ⭐(排列数)单词拆分
给你一个字符串 s 和一个字符串列表 wordDict 作为字典。请你判断是否可以利用字典中出现的单词拼接出 s 。注意:不要求字典中出现的单词全部都使用,并且字典中的单词可以重复使用。
dp数组意义:dp[i] 代表长度为i的字符串能否被字典中的字符串组成(布尔值),最终返回dp[n]能不能被组成
初始化:非空字符串,dp[0]无意义,递推需要该值,所以dp[0]=True
递推公式:j从0开始,如果dp[j]可以组成,j到i的字符在字典中,则i之前的都能组成
视频讲解:https://www.bilibili.com/video/BV1pd4y147Rh/?spm_id_from=333.788&vd_source=0a8fa6e199761d9bcbc5d45a71832fed
class Solution:
def wordBreak(self, s: str, wordDict: List[str]) -> bool:
n = len(s) + 1
dp = [False]*n
dp[0] = True
for j in range(1, n):
for word in wordDict:
if j >= len(word):
# dp[j] = 原来的值/j之前的字符串可组成 且 j到i的字符在字典中
dp[j] = dp[j] or (word == s[j - len(word):j] and dp[j - len(word)])
return dp[-1]
322. (最小数)零钱兑换
给你一个整数数组 coins ,表示不同面额的硬币;以及一个整数 amount ,表示总金额。计算并返回可以凑成总金额所需的 最少的硬币个数 。如果没有任何一种硬币组合能组成总金额,返回 -1 。你可以认为每种硬币的数量是无限的。
求最小,非零下标初始化为一个大值,防止后面的数被初始值覆盖
本题求最少个数,与遍历顺序无关,可颠倒
class Solution:
def coinChange(self, coins: List[int], amount: int) -> int:
dp = [float("inf")]*(amount + 1)
dp[0] = 0
# 先物品后背包
for i in range(len(coins)):
for j in range(coins[i], amount + 1):
dp[j] = min(dp[j], dp[j - coins[i]] + 1)
return dp[-1] if dp[-1] != float("inf") else -1
# 先背包后物品
for j in range(1, amount + 1):
for i in range(len(coins)):
if j >= coins[i]:
dp[j] = min(dp[j], dp[j - coins[i]] + 1)
return dp[-1] if dp[-1] != float("inf") else -1
279. (最小数)完全平方数的和(同上一道题,换条件)
给你一个整数 n ,返回 和为 n 的完全平方数的最少数量 。完全平方数 是一个整数,其值等于另一个整数的平方;换句话说,其值等于一个整数自乘的积。例如,1、4、9 和 16 都是完全平方数,而 3 和 11 不是。
自己写的能通过但会有点慢,因为函数1/2x > x^1/2 ,限定物品数字范围的时候用不了sqrt(n),取到n/2,每次循环多几个数字(傻的
class Solution:
def numSquares(self, n: int) -> int:
if n == 1: return 1
dp = [float("inf")]*(n + 1)
dp[0] = 0
for i in range(1, (n // 2) + 1):
for j in range(i**2, n + 1):
dp[j] = min(dp[j], dp[j - i * i] + 1)
return dp[n]
示例代码:
先列出数字再循环
class Solution:
def numSquares(self, n: int) -> int:
nums = [i**2 for i in range(1, n + 1) if i**2 <= n ]
dp = [10**4]*(n + 1)
dp[0] = 0
# 先物品后背包
for num in nums:
for j in range(num, n + 1):
dp[j] = min(dp[j], dp[j - num] + 1)
return dp[-1]
# 先背包后物品
for j in range(1, n + 1):
for num in nums:
if j >= num:
dp[j] = min(dp[j], dp[j - num] + 1)
return dp[-1]
多重背包问题:
多重背包原型
有N种物品和一个容量为V 的背包。第i种物品最多有Mi件可用,每件耗费的空间是Ci ,价值是Wi 。求解将哪些物品装入背包可使这些物品的耗费的空间 总和不超过背包容量,且价值总和最大。
两种方法:
一、转化为0-1背包问题,如图
二、多一层循环,遍历物品数量
def test_multi_pack1():
'''版本一:改变物品数量为01背包格式'''
weight = [1, 3, 4]
value = [15, 20, 30]
nums = [2, 3, 2]
bag_weight = 10
for i in range(len(nums)):
# 将物品展开数量为1
while nums[i] > 1:
weight.append(weight[i])
value.append(value[i])
nums[i] -= 1
# 后面和0-1背包一样
dp = [0]*(bag_weight + 1)
# 遍历物品
for i in range(len(weight)):
# 遍历背包
for j in range(bag_weight, weight[i] - 1, -1):
dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
# print(" ".join(map(str, dp)))
print(dp[-1])
def test_multi_pack2():
'''版本:改变遍历个数'''
weight = [1, 3, 4]
value = [15, 20, 30]
nums = [2, 3, 2]
bag_weight = 10
dp = [0]*(bag_weight + 1)
for i in range(len(weight)):
for j in range(bag_weight, weight[i] - 1, -1):
# 以上是01背包,加上遍历个数
for k in range(1, nums[i] + 1):
if j - k*weight[i] >= 0:
dp[j] = max(dp[j], dp[j - k*weight[i]] + k*value[i])
# print(" ".join(map(str, dp)))
print(dp[-1])
if __name__ == '__main__':
test_multi_pack1()
test_multi_pack2()
存图方便以后复习
背包问题的代码简单,但是不太容易从题目中抽离出背包问题的原型及想清楚dp数组含义和状态转移方程,需要多练!