动态规划总结笔记


题目来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/target-sum
侵权请联系。

1 LeetCode 516 最长回文子序列

测试用例
输入:s = “bbbab”
输出:4
解释:一个可能的最长回文子序列为 “bbbb”

最核心代码
class Solution {
   
public:
    int longestPalindromeSubseq(string s) {
   
        int n = s.size();
        vector<vector<int>> dp(n,vector<int>(n,0));
        // 输出 测试结果,可能导致超时
        for(int i=n-1;i>=0;--i){
   
            for(int j=i;j<n;j++){
   
                if(s[i] == s[j]){
   
                    if(i==j || j == i+1)
                        dp[i][j] = j-i+1;
                    else{
   
                        dp[i][j] = dp[i+1][j-1]+2;
                    }
                }else{
   
                    dp[i][j]=max(dp[i+1][j],dp[i][j-1]);
                }
            }
        }
        return dp[0][n-1];
    }
};

2. leetcode 115 不同子序列

测试用例
输入:s = “rabbbit”, t = “rabbit”
输出:3
输入:s = “babgbag”, t = “bag”
输出:5

最核心代码
class Solution {
   
public:
    int numDistinct(string s, string t) {
   
        int n = s.size(),m = t.size();
        vector<vector<int>> dp(n+1, vector<int>(m+1,0));
        for(int i=0;i<=n;i++){
   
            dp[i][0] = 1;
        }
        for(int i=1;i<=n;i++){
   
            for(int j=1;j<=m;j++){
   
                if(s[i-1] != t[j-1]){
   
                    dp[i][j] = dp[i-1][j];
                }else{
   
                    dp[i][j] = dp[i-1][j-1] + dp[i-1][j];
                }
            }
        }
        return dp[n][m];
    }
};

3. 经典 0-1背包

结论:true、false类的 01背包,递归基 dp[0] = 1。
but, 普通的0-1背包,递归基为 dp[0] = 0
核心代码

true、false类的 01背包,递归基 dp[0] = 1。

4 leetcode 416 分割等和子集

给你一个 只包含正整数 的 非空 数组 nums 。请你判断是否可以将这个数组分割成两个子集,使得两个子集的元素和相等

        dp[0] = 1;
        for(int i=0;i<n;i++){
   
            for(int j=sum;j>=nums[i];--j){
   
                dp[j] = dp[j] || (dp[j-nums[i]]);
            }
        }

5. 1049 最后一块石头的重量II

普通的0-1背包,递归基为 dp[0] = 0

dp[0] = 0;
        for(int i=0;i<n;i++){
   
            for(int j=m;j>=stones[i];--j){
   
                dp[j] = max(dp[j], dp[j-stones[i]] + stones[i])
动态规划是一种算法设计技术,通常用于解决最优化问题,特别适用于那些有重叠子问题最优子结构特征的问题。以下是关于动态规划的一些关键点,大约1000字的笔记概要: 1. **基础概念**: - 它将复杂问题分解成更小的子问题,并存储解决方案,避免重复计算。 - 遵循“自底向上”(bottom-up)或“贪心策略”的原则。 2. **核心思想**: - 最优子结构:问题的最优解可以由其子问题的最优解组成。 - 无后效性:一旦做出某个决策,就不会影响先前已经做出的其他决策的最优值。 3. **基本步骤**: a. 状态定义:明确问题的状态变量,通常是通过前一阶段的决策组合得到的。 b. 状态转移方程:描述如何从当前状态转换到下一个状态并求解目标函数。 c. 边界条件:确定初始状态或最简单情况下的状态值。 d. 更新表:按照顺序填充状态值表格,最终结果在最复杂的状态下找到。 4. **典型应用**: - 背包问题(0-1背包、完全背包、多重背包) - 最长公共子序列(LCS) - 最短路径(Dijkstra, Floyed-Warshall算法) - 最大子数组(Kadane's Algorithm) - 编辑距离 5. **注意事项**: - 避免重复工作:动态规划的关键在于记住之前的结果,避免不必要的计算。 - 计算空间管理:内存消耗较大,需要谨慎设计存储结构。 6. **案例分析**: 分析一个具体的例子,如斐波那契数列,说明如何将其转化为动态规划问题,并写出伪代码Python实现。 7. **总结拓展**: - 动态规划与其他算法的区别(例如分治法、贪心等)。 - 动态规划在实际项目中的应用场景优化策略。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值