- 博客(3)
- 收藏
- 关注
RSS订阅原创 力扣买卖股票问题总结（动态规划篇）
前两篇文章总结了力扣中一些典型的背包问题，着实比较耗费脑子，理解起来也需要一些时间，今天来介绍一下力扣中另一个典型的动态规划问题，买卖股票问题本来我是不想介绍这个专题的，因为相比背包问题太简单了，但是仔细研究这个问题后发现这类问题给我提供了一种全新的设计dp数组的思路，让我大受启发，因此我还是准备介绍一下。还是动态规划的4步走：话不多说，直接看题： 乍一看似乎根本用不上动态规划的思路，但是看了后面的几种变种题就会发现后面的题只能用动态规划的方法来做，所以这里介绍动态规划的解法。首先介绍一下状态机的解题思路：
2025-05-20 18:31:43
1390
原创 完全背包问题总结（动态规划篇）
表达的意思是，因为已经有前置条件判断了能放下第i个子串，那么只要减去i子串后剩下的字符串可以在字典中找到，就可以置成true，如果觉得不好理解 的话，也可以把前者放到括号内作为一个判断条件，只有为true时才改变dp[i]输入: s = “catsandog”, wordDict = [“cats”, “dog”, “sand”, “and”, “cat”]这次的题型是：能否能装满，因为是拼接成一个字符串，所以有严格的顺序限制，是类似一个上楼梯的排列问题，所以一定要先遍历背包，再遍历物品。
2025-05-19 15:49:10
1181
原创 01背包问题总结（动态规划篇）
本文一共讲了01背包问题的几种题型，我们不难发现，决定dp递推公式不一样的其实在于贪心的东西不一样对于经典01背包问题，我们关心的是总价值，不关心背包是否装满，而对于求装满总方法和最大/最少元素个数的题目，我们关心的是总个数和总物品数量。
2025-05-19 14:56:25
1924
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人