好题: 打家劫舍 (再看几遍都是经典)
好题279: 完全平方数
dp[i]与之前的联系就是减去一个平方数
跟找零钱异曲同工
class Solution:
def numSquares(self, n: int) -> int:
dp = [0] + [float('inf')] * n
for i in range(1, n + 1):
j = 1
while j * j <= i:
dp[i] = min(dp[i], dp[i - j * j] + 1)
j += 1
return dp[n]
好题:139 单词拆分
class Solution:
def wordBreak(self, s: str, wordDict: List[str]) -> bool:
# dp[i]指前i个字母串起来能不能被表示出来
l = 0
for r in range(1, len(s) + 1):
cur_string = s[l:r]
if cur_string not in wordDict:
continue
l = r
return l == r
很可惜aaaaaaa, words = [aaaa, aaa], 会拆成3 + 3 + 1
输入: s = “leetcode”, wordDict = [“leet”, “code”]
输出: true
解释: 返回 true 因为 “leetcode” 可以由 “leet” 和 “code” 拼接成。
class Solution:
def wordBreak(self, s: str, wordDict: List[str]) -> bool:
# dp[i]指前i个字母串起来能不能被表示出来
dp = [False] * (len(s) + 1)
dp[0] = True
for i in range(1, len(s) + 1):
for j in range(0, i):
dp[i] = (dp[j] and (s[j:i] in wordDict)) or dp[i]
return dp[-1]
自己改了一下, 关键的转移方程是:
dp[i]代表从0-i的所有char都可以,
那我们把s拆为[0:j]和[j:i],
s[:j]变转换为之前的了, 而s[j:i]只用判断一下是否在dict里
好题: 300 最长递增子序列
class Solution:
def lengthOfLIS(self, nums: List[int]) -> int:
if not nums:
return 0
n = len(nums)
dp = [1] * n # 初始化每个位置的LIS长度为1
for i in range(1, n):
for j in range(i):
if nums[i] > nums[j]:
dp[i] = max(dp[i], dp[j] + 1)
return max(dp)
比想象的简单多了
152: 最大乘积子数组
O
(
n
2
)
O(n^2)
O(n2)的算法很容易想到, 能不能更好
dp[i] = max(dp[i], dp[i - 1] * nums[i])
很可惜这样算法不对
因为[-2,3,-4]
都过不了
那能不能创建两个呢, 一个dp1记录min, 一个dp2记录max
class Solution:
def maxProduct(self, nums: List[int]) -> int:
n = len(nums)
# dp1管最大, dp2管最小
dp1 = nums[:]
dp2 = nums[:]
for i in range(1, n):
dp1[i] = max(dp1[i], dp1[i-1] * nums[i], dp2[i-1]*nums[i])
dp2[i] = min(dp2[i], dp1[i-1] * nums[i], dp2[i-1]*nums[i])
return max(dp1 + dp2)
我这么想的原因主要是会出现都是负数, 最后乘一个负数突然翻盘的故事, 所以我们最大最小都要关心
好好好题: 416 一个子集能否分为两个子集, s.t.子集之和相等
就喜欢这种一拿到脑袋是懵的题
我自己读出来的几点重要信息:
- 都是正数 -> 说不定指针?
- 子集 -> 可以随便排序
- 等和的话 -> 加起来除以2就知道子集的和是多少了
好像就最后一个信息有用, 变成了n数之和
诶,等下, 这不是变成了零钱找零吗?lol, 干吗想n数之和, 豁然开朗了.
但是你会发现跟找零钱不一样, 这里零钱的数量有限制, 找完了就没有了
实际上是背包问题, 结果我忘了…
灵神的解法太屌了:
https://leetcode.cn/problems/partition-equal-subset-sum/solutions/2785266/0-1-bei-bao-cong-ji-yi-hua-sou-suo-dao-d-ev76
当然标答的0-1背包解法也很值得学习:
创建二维数组 dp,包含 n 行 target+1 列,其中 dp[i][j] 表示从数组的 [0,i] 下标范围内选取若干个正整数(可以是 0 个),是否存在一种选取方案使得被选取的正整数的和等于 j。初始时,dp 中的全部元素都是 false。
在定义状态之后,需要考虑边界情况。以下两种情况都属于边界情况。
如果不选取任何正整数,则被选取的正整数之和等于 0。因此对于所有 0≤i<n,都有 dp[i][0]=true。
当 i==0 时,只有一个正整数 nums[0] 可以被选取,因此 dp[0][nums[0]]=true。
对于 i>0 且 j>0 的情况,如何确定 dp[i][j] 的值?需要分别考虑以下两种情况。
如果 j≥nums[i],则对于当前的数字 nums[i],可以选取也可以不选取,两种情况只要有一个为 true,就有 dp[i][j]=true。
如果不选取 nums[i],则 dp[i][j]=dp[i−1][j];
如果选取 nums[i],则 dp[i][j]=dp[i−1][j−nums[i]]。
如果 j<nums[i],则在选取的数字的和等于 j 的情况下无法选取当前的数字 nums[i],因此有 dp[i][j]=dp[i−1][j]。
状态转移方程如下:
d
p
[
i
]
[
j
]
=
{
d
p
[
i
−
1
]
[
j
]
∨
d
p
[
i
−
1
]
[
j
−
n
u
m
s
[
i
]
]
,
if
j
≥
n
u
m
s
[
i
]
d
p
[
i
−
1
]
[
j
]
,
if
j
<
n
u
m
s
[
i
]
dp[i][j] = \begin{cases} dp[i-1][j] \lor dp[i-1][j-nums[i]], & \text{if } j \geq nums[i] \\ dp[i-1][j], & \text{if } j < nums[i] \end{cases}
dp[i][j]={dp[i−1][j]∨dp[i−1][j−nums[i]],dp[i−1][j],if j≥nums[i]if j<nums[i]
最终得到 dp[n−1][target] 即为答案。
dp = [[False for _ in range(target + 1)] for _ in range(n)]
for i in range(n):
dp[i][0] = True
for i in range(n):
for j in range(target + 1):
# has remaining
if j >= nums[i]:
dp[i][j] = dp[i-1][j - nums[i]] or dp[i-1][j]
else:
dp[i][j] = dp[i-1][j]
return dp[-1][-1]