task2动态规划

本文深入解析LeetCode上的经典算法题目,包括最长回文子串、编辑距离、打家劫舍系列、最长回文子序列及最长连续递增序列等,通过实例代码详细讲解了各种算法的实现思路和时间复杂度。

在这里插入图片描述

01 5. 最长回文子串:

https://leetcode-cn.com/problems/longest-palindromic-substring/
给定一个字符串 s,找到 s 中最长的回文子串。你可以假设 s 的最大长度为 1000。

class Solution:
    def longestPalindrome(self, s: str) -> str:
        if s == '':
            return ''
        if len(s) == 1:
            return s
        if len(s) == 2:
            return s if s[0] == s[1] else s[0]
        res = s[0]
        for i in range(len(s)):
            pos = [i ,i ]
            while pos[0]  >= 0 and pos[1]  < len(s) and s[pos[0]] == s[pos[1]]:
                if len(res) < len(s[pos[0]:pos[1]+1]):
                    res = s[pos[0]:pos[1]+1]
                pos[0] -= 1
                pos[1] += 1
            pos = [i ,i + 1]
            while pos[0]  >= 0 and pos[1]  < len(s) and s[pos[0]] == s[pos[1]]:
                if len(res) < len(s[pos[0]:pos[1]+1]):
                    res = s[pos[0]:pos[1]+1]
                pos[0] -= 1
                pos[1] += 1
        return res

从前到后依次循环,每次循环以当前字符s[i]为中心,或以s[i],s[i+1]为中心向两边拓展,每次拓展比较首尾两字符是否相同。时间复杂度为O(n^2)

02 72. 编辑距离:

https://leetcode-cn.com/problems/edit-distance/
给你两个单词 word1 和 word2,请你计算出将 word1 转换成 word2 所使用的最少操作数 。

你可以对一个单词进行如下三种操作:

插入一个字符
删除一个字符
替换一个字符

class Solution:
    def minDistance(self, word1, word2):
        """
        :type word1: str
        :type word2: str
        :rtype: int
        """
        n = len(word1)
        m = len(word2)
        
        # 有一个字符串为空串
        if n * m == 0:
            return n + m
        
        # DP 数组
        D = [ [0] * (m + 1) for _ in range(n + 1)]
        
        # 边界状态初始化
        for i in range(n + 1):
            D[i][0] = i
        for j in range(m + 1):
            D[0][j] = j
        
        # 计算所有 DP 值
        for i in range(1, n + 1):
            for j in range(1, m + 1):
                left = D[i - 1][j] + 1
                down = D[i][j - 1] + 1
                left_down = D[i - 1][j - 1] 
                if word1[i - 1] != word2[j - 1]:
                    left_down += 1
                D[i][j] = min(left, down, left_down)
        
        return D[n][m]

本质不同的操作实际上只有三种:
在单词 A 中插入一个字符;
在单词 B 中插入一个字符;
修改单词 A 的一个字符。
可以写出如下的状态转移方程:
若 A 和 B 的最后一个字母相同:
\begin{aligned} D[i][j] &= \min(D[i][j - 1] + 1, D[i - 1][j]+1, D[i - 1][j - 1])\ &= 1 + \min(D[i][j - 1], D[i - 1][j], D[i - 1][j - 1] - 1) \end{aligned}
\begin{aligned} D[i][j]

=min(D[i][j−1]+1,D[i−1][j]+1,D[i−1][j−1])
=1+min(D[i][j−1],D[i−1][j],D[i−1][j−1]−1)\end{aligned}

若 A 和 B 的最后一个字母不同:
\begin{aligned} D[i][j] = 1 + \min(D[i][j - 1], D[i - 1][j], D[i - 1][j - 1])
D[i][j]=1+min(D[i][j−1],D[i−1][j],D[i−1][j−1])\end{aligned}

03 198. 打家劫舍:

https://leetcode-cn.com/problems/house-robber/
你是一个专业的小偷,计划偷窃沿街的房屋。每间房内都藏有一定的现金,影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警。

给定一个代表每个房屋存放金额的非负整数数组,计算你 不触动警报装置的情况下 ,一夜之内能够偷窃到的最高金额。

class Solution:
    def rob(self, nums: List[int]) -> int:
        if not nums:
            return 0
        yes = nums[0]
        no = 0
        for i in range(1,len(nums)):
            yes,no = no + nums[i],max([yes,no])
        return max([yes,no])

时间复杂度O(N),从第一家开始,每一家都是抢或不抢两种选择,如果第n家选择抢,那么最大的金额就是第n家金额+第n-1家不抢的金额,如果不抢第n家,金额为第n-1家抢或不抢金额中最大的那个

04 213. 打家劫舍 II:

https://leetcode-cn.com/problems/house-robber-ii
你是一个专业的小偷,计划偷窃沿街的房屋,每间房内都藏有一定的现金。这个地方所有的房屋都围成一圈,这意味着第一个房屋和最后一个房屋是紧挨着的。同时,相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警。

给定一个代表每个房屋存放金额的非负整数数组,计算你在不触动警报装置的情况下,能够偷窃到的最高金额。

class Solution:
    def rob(self, nums: List[int]) -> int:
        if not nums:
            return 0
        if len(nums) == 1:
            return nums[0]
        yes1 = nums[0]
        no1 = 0
        yes = nums[1]
        no = 0
        for i in range(1,len(nums) - 1):
            yes1,no1 = nums[i] + no1,max([yes1,no1])
            yes,no = nums[i+1]+no,max(yes,no)
        return max([yes1,no1,yes,no])

和上一题类似,需要分两种情况,第一种是不抢第一家的最大值,第二种是不抢最后一家的最大值,然后这两个结果再取最大值为最终结果,时间复杂度O(N)

05 516. 最长回文子序列:

https://leetcode-cn.com/problems/longest-palindromic-subsequence/
给定一个字符串 s ,找到其中最长的回文子序列,并返回该序列的长度。可以假设 s 的最大长度为 1000 。

class Solution:
    def longestPalindromeSubseq(self, s: str) -> int:
        if not s:
            return 0
        res =[ [0]*len(s) for _ in range(len(s))]
        for i in range(len(s)):
            res[i][i] = 1
        for i in range(len(s)-1,-1,-1):
            for j in range(i+1,len(s)):
                if s[i] == s[j]:
                    res[i][j] = res[i+1][j-1] + 2
                else:
                    res[i][j] = max([res[i][j-1],res[i+1][j]])
        return res[0][len(s)-1]

用一个len(s)*len(s)的矩阵res存储最长回文子序列长度,res[i][j]表示字符串s[i:j+1]的最长回文子序列,若s[i]==s[j],则res[i][j] = res[i+1][j-1] + 2,否则res[i][j] = max([res[i][j-1],res[i+1][j]]),时间复杂度为O(n)

06 674. 最长连续递增序列:

https://leetcode-cn.com/problems/longest-continuous-increasing-subsequence/
给定一个未经排序的整数数组,找到最长且连续的的递增序列,并返回该序列的长度

class Solution:
    def findLengthOfLCIS(self, nums: List[int]) -> int:
        if not nums:
            return 0
        res = 1
        curr = 1
        for i in range(1,len(nums)):
            if nums[i] > nums[i-1]:
                curr += 1
            else:
                curr = 1
            res = max([res,curr])
        return res

从前往后依次判断相邻两个数大小,若递增,则计数加1,若不递增,计数置1,每次记录递增计数的最大值,时间复杂度为O(n)

源码地址: https://pan.quark.cn/s/d1f41682e390 miyoubiAuto 米游社每日米游币自动化Python脚本(务必使用Python3) 8更新:更换cookie的获取地址 注意:禁止在B站、贴吧、或各大论坛大肆传播! 作者已退游,项目不维护了。 如果有能力的可以pr修复。 小引一波 推荐关注几个非常可爱有趣的女孩! 欢迎B站搜索: @嘉然今天吃什么 @向晚大魔王 @乃琳Queen @贝拉kira 第三方库 食用方法 下载源码 在Global.py中设置米游社Cookie 运行myb.py 本地第一次运行时会自动生产一个文件储存cookie,请勿删除 当前仅支持单个账号! 获取Cookie方法 浏览器无痕模式打开 http://user.mihoyo.com/ ,登录账号 按,打开,找到并点击 按刷新页面,按下图复制 Cookie: How to get mys cookie 当触发时,可尝试按关闭,然后再次刷新页面,最后复制 Cookie。 也可以使用另一种方法: 复制代码 浏览器无痕模式打开 http://user.mihoyo.com/ ,登录账号 按,打开,找到并点击 控制台粘贴代码并运行,获得类似的输出信息 部分即为所需复制的 Cookie,点击确定复制 部署方法--腾讯云函数版(推荐! ) 下载项目源码和压缩包 进入项目文件夹打开命令行执行以下命令 xxxxxxx为通过上面方式或取得米游社cookie 一定要用双引号包裹!! 例如: png 复制返回内容(包括括号) 例如: QQ截图20210505031552.png 登录腾讯云函数官网 选择函数服务-新建-自定义创建 函数名称随意-地区随意-运行环境Python3....
### 动态规划在资源分配问题中的应用 动态规划是一种解决多阶段决策过程最优化问题的有效方法,其核心思想是通过把原问题分解为相对简单的子问题的方式求解复杂问题。对于资源分配问题而言,动态规划可以通过构建状态转移方程来实现最优解的获取。 #### 1. 资源分配问题描述 假设存在有限数量的某种资源 $ R $ 和多个任务 $ T_1, T_2, \ldots, T_n $ 需要这些资源的支持。每个任务 $ T_i $ 对应一定的收益函数 $ f(x) $,其中 $ x $ 表示分配给该任务的资源量。目标是在总资源约束下最大化整体收益。 此问题可以用动态规划建模并求解[^1]。 #### 2. 状态定义与递推关系 设 $ dp[i][j] $ 表示前 $ i $ 个任务,在可用资源总量为 $ j $ 的情况下所能获得的最大收益,则有如下递推关系: $$ dp[i][j] = \max(dp[i-1][j], dp[i-1][j-k] + f(k)) $$ 其中: - $ k $ 是第 $ i $ 个任务可能被分配到的资源量; - $ dp[i-1][j] $ 表示不将任何额外资源分配给当前任务的情况下的最大收益; - $ dp[i-1][j-k] + f(k) $ 则表示将部分资源 $ k $ 分配给当前任务后的最大收益。 边界条件通常设定为当无剩余资源或者未处理任何任务时,收益均为零 ($ dp[0][j]=0 $ 或者 $ dp[i][0]=0 $)[^2]。 #### 3. 实现代码示例 以下是基于上述理论的一个简单 Python 实现例子: ```python def resource_allocation(total_resource, tasks): n = len(tasks) dp = [[0]*(total_resource+1) for _ in range(n+1)] for i in range(1, n+1): task_benefit_func, max_task_resource = tasks[i-1] for j in range(0, total_resource+1): if j >= max_task_resource: dp[i][j] = max( dp[i-1][j], dp[i-1][j-max_task_resource] + task_benefit_func(max_task_resource) ) else: dp[i][j] = dp[i-1][j] return dp[n][total_resource] # Example usage with a simple benefit function and maximum resources per task. tasks = [ (lambda r: r * 5, 2), # Task 1 has linear gain up to 2 units of resource (lambda r: r ** 2, 3) # Task 2 has quadratic gain up to 3 units of resource ] print(resource_allocation(4, tasks)) # Output the optimal allocation result ``` #### 4. 结果解释 以上程序实现了如何利用动态规划找到一种最佳方式去分配固定数目的资源至不同任务上以达到最高总体效益的目的。具体来说,它遍历每种可能性,并记录下每一个中间步骤的最佳方案直到最终得出全局最优解。
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