python 动态规划
你有三枚硬币, 面值分别是A=[2,5,7] 每种硬币足够多,买一本书需要x=27元,如何用最少的硬币组合正好付清,不需要对方找钱。
"""
1.确定状态
假设最优解为K a1+a2+...+ak
1.1 最后一步:假设最优解为 27 - ak
1.2 子问题: 求27-ak最优解f(x) ---> [f[x-2] +1、 f[x-5] +1、 f[x-7] +1]
2. 转移方程式:f(27) = min(f[25] +1, f[22] +1, f[20] +1)
3.初始条件 f(0) = 0
4.计算顺序 0->27
"""
def test(A, x):
# 设置每个值得默认值为无穷大
f = [float("inf") for i in range(x+1)]
# 设置初始值
f[0] = 0
# 计算1到x每个值的最小步骤
for i in range(1, x+1):
# 求解A中列举的各种解决方案获得最优解
for j in A:
if i >= j:
f[i] = min(f[i - j] + 1, f[i])
print(f[x])
test([2, 5, 7], 27)
力扣53. 给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
示例:
输入: [-2,1,-3,4,-1,2,1,-5,4]
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。
"""
1 确定状态:
最优解为以下标i为结束点的连续子数组和最大
1.1 假设列表为nums, 最后一个数组下标为i, 最优解为函数f, 最后一步为求出最后一个结束点的连续子数组和最大
1.2 子问题求解f[i-1]的最优解
2 转移方程式:
f[k] = max(a[k], f[k-1]+a[k])
3 初始条件:
f[0] = a[0]
4 计算顺序
a[0] --> a[k]
"""
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
f = [float("-inf") for _ in range(len(nums))]
f[0] = nums[0]
for i in range(1, len(f)):
f[i] = max(nums[i], f[i-1] + nums[i])
f.sort()
return f[-1]
简化版本
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
for i in range(1, len(nums)):
nums[i] = max(nums[i], nums[i-1] + nums[i])
nums.sort()
return nums[-1]
力扣300. 最长上升子序列
给定一个无序的整数数组,找到其中最长上升子序列的长度。
示例:
输入: [10,9,2,5,3,7,101,18]
输出: 4
解释: 最长的上升子序列是 [2,3,7,101],它的长度是 4。
class Solution(object):
def lengthOfLIS(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
if not len(nums):
return 0
dp = [1 for _ in range(len(nums))]
for i in range(1, len(nums)):
for j in range(i):
if nums[i] > nums[j]:
dp[i] = max(dp[i], dp[j] + 1)
return max(dp)