Leetcode Day-7 (hot100 动态规划专题)

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

$O(n^2)$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：

$$dp[i][j]=\{\begin{array}{ll}dp[i-1][j]\vee dp[i-1][j-nums[i]],& \text{if }j\ge nums[i]\\ dp[i-1][j],& \text{if }j<nums[i]\end{array}$$
​
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]