动态规划习题总结

输入：cost = [1,100,1,1,1,100,1,1,100,1]
输出：6
解释：你将从下标为 0 的台阶开始。
- 支付 1 ，向上爬两个台阶，到达下标为 2 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 4 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 6 的台阶。
- 支付 1 ，向上爬一个台阶，到达下标为 7 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 9 的台阶。
- 支付 1 ，向上爬一个台阶，到达楼梯顶部。
总花费为 6 。

2.图解

3.代码

（1）时间复杂度为O（N）,空间复杂度为O(N)

    //使用最小花费爬楼梯
    public int minCostClimbingStairs(int[] cost) {
        //dp每个位置是cost当前位置的最小值，最后一个位置保存前面到顶部的最小值
        int[] dp = new int[cost.length+1];
        //相当于初始化可以从第一个或的第二个开始进行跳跃
        for(int i=2; i<=cost.length; i++) {
            dp[i] = Math.min(dp[i-1]+cost[i-1], dp[i-2]+cost[i-2]);//找前两个中的最小
        }
        return dp[cost.length];
    }

（2）时间复杂度为O(N),空间复杂度为O（1）

public int minCostClimbingStairs2(int[] cost) {
        //动态规划只与i-1和i-2有关，所以使用滑动数组
        int pre = 0;//相当于保存i-2的值
        int cur = 0;//相当于保存i-1的值
        int n = cost.length;
        for(int i=2; i<=n; i++) {
            int next = Math.min(cur+cost[i-1], pre+cost[i-2]);//保存前面的最小值
            pre = cur;
            cur = next;
        }
        return cur;//cur就相当于最后cost.length的位置
    }

二.买卖股票的最佳时机（1）

1.题目

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 。

例子：

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。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

2.图解

3.代码

public int maxProfit(int[] prices) {
        int minValue = Integer.MAX_VALUE;//买进的最低价格
        int maxPrice = 0;//卖出的最高价格
        for(int i=0; i<prices.length; i++) {
            if(minValue > prices[i]) {
        //保存最低买进的价格
                minValue = prices[i];
//判断是否满足当前的价钱是否和最低价格的差是否比最大利益大
            }else if(prices[i]-minValue > maxPrice) {
                maxPrice = prices[i] - minValue;
            }
        }
        return maxPrice;
    }

三.买卖股票的最佳时机（2）

1.题目

给你一个整数数组 prices ，其中 prices[i] 表示某支股票第 i 天的价格。

在每一天，你可以决定是否购买和/或出售股票。你在任何时候最多只能持有一股股票。你也可以先购买，然后在同一天出售。

返回你能获得的最大利润。

示例：

输入：prices = [1,2,3,4,5]
输出：4
解释：在第 1 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
总利润为 4 。

2.思路图解

首先使用辅助二维数组，里面存储第i天的最大利润，然后将将买卖股票当天分为两种情况，

（1）一种是第i天不持有股票，这种又分为两种，一种是前一天不持有(i-1)，一种是前一天持有，当天卖出。

所得的dp公式为dp[i][0] = Math.max(dp[i-1][0], dp[i-1][1]+price[i]);

（2）另一种是第i天持有股票，再分为两种，一种是前一天持有，今天不卖，一种是前一天不持有，今天买入。

所得dp公式为：dp[i][1] = Math.max(dp[i-1][1], dp[i-1][0]-price[i]);

（3）最终返回最后一天不买入的最大利润（因为最后一天买入，利润肯定减少）

3.代码

    public int maxProfit(int[] prices) {
        int[][] dp = new int[prices.length][2];
        //dp[i][0] 表示第i天没持有股票的最大利润
        //dp[i][1] 表示第i天持有股票的最大利润
        dp[0][0] = 0;
        dp[0][1] = 0-prices[0];
        for(int i=1; i<prices.length; i++) {
            //每种情况又分为两种
            dp[i][0] = Math.max(dp[i-1][0], dp[i-1][1]+prices[i]);
            dp[i][1] = Math.max(dp[i-1][1], dp[i-1][0]-prices[i]);
        }
        //最后一天不持有股票的最大利益大于比持有股票的最大利益
        return dp[prices.length-1][0];
    }

四.反转数位

1.题目

给定一个32位整数 num，你可以将一个数位从0变为1。请编写一个程序，找出你能够获得的最长的一串1的长度。

示例 1：

输入: num = 1775(11011101111)
输出: 8

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/reverse-bits-lcci
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

2.图解

3.代码

public int reverseBits(int num) {
        int cur = 0;//表示从前非零位置开始到当前位置1的个数
        int insert = 0;//表示插入1个1的最长1的数位
        int res = 0;
        for(int i=0; i<32; i++) {
            //说明第i位的二进制数非零
            if((num&(1<<i))!= 0){
                cur++;
                insert++;
            }else {
                insert = cur+1;//第二次就会将之前插入的1的最长置为上一个开始0开始的位置的长度
                cur = 0;//说明当前有0,cur重新开始
            }
            //取最大值
            res = Math.max(res, insert);
        }
        return res;
    }

五.最大正方形

1.题目

给定一个由'0'和'1'组成的2维矩阵，返回该矩阵中最大的由'1'组成的正方形的面积，输入的矩阵是字符形式而非数字形式。

示例：

输入：[[1,0,1,0,0],[1,0,1,1,1],[1,1,1,1,1],[1,0,0,1,0]]

返回值：4

2.图解

3.代码

    public int solve (char[][] matrix) {
        // 判断数组是否符合要求
        if(matrix==null || matrix.length==0) {
            return 0;
        }
        int row = matrix.length;
        int col = matrix[0].length;
        int[][] dp = new int[row][col];
        int len = 0;
        //由于数组下标从零开始，需要i-1参与运算，所以先确定第0行和第0列
        for(int i=0; i<col; i++) {
            if(matrix[0][i] == '1') {
                dp[0][i] = 1;
            }
        }
        for(int i=0; i<row; i++) {
            if(matrix[i][0] == '1') {
                dp[i][0] = 1;
            }
        }
        //在dp数组中存放当前位置所能构成的正方形边长，然后与最大边长进行比较
        for(int i=1; i<row; i++) {
            for(int j=1; j<col; j++) {
                if(matrix[i][j]== '1'){
                    dp[i][j] =
                        Math.min(dp[i-1][j],Math.min(dp[i-1][j-1],dp[i][j-1]))+1;
                    if(dp[i][j]>len) {
                        len = dp[i][j];
                    }
                }
            }
        }
        return len*len;
    }

六.连续子数组的最大乘积

1.题目

输入一个长度为n的整型数组nums，数组中的一个或连续多个整数组成一个子数组。求所有子数组的乘积的最大值。

（1）子数组是连续的，且最小长度为1，最大长度为n

（2）长度为1的子数组，乘积视为其本身，比如[4]的乘积为4

（3）该题的数据保证最大的乘积不会超过int的范围，即不超过2^{32}-1232−1

示例：

输入：[3,2,-1,4]

返回值：6

说明：子数组[3,2]的乘积为6，[3,2,-1,4]的乘积为-24，[4]的乘积为4，故返回6

2.图解

3.代码

 public int maxProduct (int[] nums) {
        // write code here
        int n = nums.length;
        //使用dp数组保存当前元素存在的最大连续乘积
        int[] maxDp = new int[n];
        //使用minDp是因为存在负数，可能之前的最小负数和之后的负数乘积变为最大值
        //minDp保存的是以当前元素结尾的最小连续子数组乘积
        int[] minDp = new int[n];
        maxDp[0] = nums[0];
        minDp[0] = nums[0];
        //保存连续数组的最大值乘积值
        int res = nums[0];
        //求前面连续数组乘积与当前元素乘积，当前元素中的最大最小值
        for(int i=1; i<n; i++) {
            maxDp[i] = Math.max(maxDp[i-1]*nums[i], Math.max(minDp[i-1]*nums[i], nums[i]));
            minDp[i] = Math.min(maxDp[i-1]*nums[i], Math.min(minDp[i-1]*nums[i], nums[i]));
            //maxDp【i】保存是以当前元素结尾的最大连续乘积
            res = Math.max(res, maxDp[i]);
        }
        return res;
    }

七.和为k的子数组

1.题目

给你一个整数数组 nums 和一个整数 k ，请你统计并返回 该数组中和为 k 的子数组的个数 。

输入：nums = [1,2,3], k = 3
结果为：(1,2) (3)
输出：2

2.图解

3.代码

 public int subarraySum(int[] nums, int k) {
        Map<Integer,Integer> map = new HashMap<>();
        //首先在map中存放一个（0，1），这里代表的是从i=0到j的数组和满足条件
        map.put(0,1);
        //统计到当前位置的和
        int sum = 0;
        //最终结果
        int res =0;
        for(int i=0; i<nums.length; i++) {
            sum += nums[i];
            //sum指的是从0到i的数组和，而sum-k指的是当前位置到前面某一位置是否存在和为k的数组和
            if(map.containsKey(sum-k)) {
                //这里说明存在，就将出现的次数加起来
                res += map.get(sum-k);
            }
            //如果到当前位置的数组和已经在之前存在，那么就将之前和的次数加1
            //因为下一次计算到该位置，是从i到j的子数组和
            map.put(sum, map.getOrDefault(sum,0)+1);
        }
        return res;
    }

八.和为k的最长连续子数组的长度

1.题目

给定一个无序数组 arr , 其中元素可正、可负、可0。给定一个整数 k ，求 arr 所有连续子数组中累加和为k的最长连续子数组长度。保证至少存在一个合法的连续子数组。[1,2,3]的连续子数组有[1,2]，[2,3]，[1,2,3] ，但是[1,3]不是。

示例：

输入：[1,-2,1,1,0],0

和为0的数组有【1，-2，1】，【0】，最长的长度为3

返回值：3

2.图解

3.代码

 public int maxlenEqualK (int[] arr, int k) {
        // write code here
        int sum = 0;
        //res保存数组最大长度
        int res = 0;
        //map的键保存的是从0到i之间的是数组和，思路也是通过从i到j之间的连续数组和
        Map<Integer,Integer> map = new HashMap<>();
        //当从初始位置开始的时候，且数组下标总比长度少了一个，从-1开始，刚好是连续数组区间的长度
        map.put(0, -1);
        for(int i=0; i<arr.length; i++) {
            sum += arr[i];
            //保存从i到j之间是否存在指定的连续数组和的结果
            int tmp = sum-k;
            if(map.containsKey(tmp)) {
                //每次找到一个满足要求的数组和，就找最大长度
                res = Math.max(res, i-map.get(tmp));
            }
            if(!map.containsKey(sum)) {
                //如果map中没有当前和，就添加
                map.put(sum, i);
            }
        }
        return res;
    }