刷题：算法—动态规划

动态规划：将一个问题分解为若干个子问题，对每个子问题求最优解，前一个子问题的最优解，为下面的子问题提供了有效信息，依次解决子问题，最后一个子问题就是初始问题的最优解。动态规划应用于子问题重叠的情况，子问题的划分是通过递归实现。为了避免子问题的重复计算，保证每个子问题只求解一次，会将解保存在数组中。

区间调度问题

无权区间调度问题

 

解决方法：贪心算法

 以上排序都是错误的。

 

 贪心算法能够更早完成任务。

带权区间调度问题

 

 动态规划的四个步骤：

1.确定状态；

2.状态转移方案；

3.初始条件和边界情况；

4.确定计算顺序。

 

 

 需要把1至n的每个值都算出来，M[0]、M[1]等

 运用了递归。

背包问题

 维护一个二维数组。

第二个定义中加入w容量，每放进一个物品就要减去此物品的重量。

 

 

 

例题

最大子数组和

 此例中的OPT代表某一个连续子数组的最大和。

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        opt = [nums[0]] if nums else None
        for i in nums[1:]:
            opt.append(max(opt[-1]+i,i))
        return max(opt)

最长公共子序列

 

 

 练习：

最长回文子序列

最长公共子序列的改版，即找反转后的序列与原序列之间的最大公共子序列。

给你一个字符串 s ，找出其中最长的回文子序列，并返回该序列的长度。

子序列定义为：不改变剩余字符顺序的情况下，删除某些字符或者不删除任何字符形成的一个序列。

class Solution:
    def longestPalindromeSubseq(self, s: str) -> int:
        rs = s[::-1]
        len1,len2 = len(s),len(rs)
        D = [[0 for j in range(len2+1)] for i in range(len1+1)]
        #设置初始值
        for i in range(len1):
            D[i][0] = 0
        for j in range(len2):
            D[0][j] = 0
        #字符串从0开始存储数据，根据状态转移方程
        for i in range(len1):
            for j in range(len2):
                if s[i] == rs[j]:
                    D[i+1][j+1] = D[i][j] + 1
                else:
                    D[i+1][j+1] = max(D[i+1][j],D[i][j+1])
        return D[len1][len2]