algsup

【代码】[线性dp]leetcode32：最长的有效括号(hard)

回文串的子题，可以运用相同的方法解题。

思路：记忆化 dfs。

思路：记忆化 dfs。

思路：贪心 + 记忆化 dfs。

思路：记忆化 dfs。

思路：记忆化 dfs + 排序。

思路：记忆化 dfs。

难点在于如何设计状态：将购物清单 needs 看作是一个状态，然后遍历礼品列表，每选择一个满足条件的礼品 i，将购物清单 needs 进行更新，即除去礼品 i 中所有物品之后的新购物清单 nxt_needs 作为新状态，然后继续使用 dfs 来计算这个新状态 nxt_needs 的最低价格。思路：记忆化 dfs。

二字，然后就是定义 DP 状态了，至于状态转移方程，由三种划分方式，取决于 a[i] a[i-1] a[i-2] 这三个元素之间的关系。tips：划分 -> 子问题 -> DP。如何想到 DP 呢？

tips：对于字符串问题套路，使用。子序列 + 相邻：DP 关键字。

思路类比接雨水，两次遍历求解最佳答案。

代码】[LIS]leetcode1218最长定差子序列(medium)

思路最长上升子序列模型。

代码】[树形dp]leetcode814二叉树剪枝(medium)

代码】[线性dp]leetcode1235规划兼职工作(hard)

代码】[线性dp]leetcode2008.出租车的最大盈利(medium)

题目：题解：代码如下：

题目：题解：代码如下：

题目：题解：代码如下：

题目：题解：代码如下：

题目：题解：代码如下：

题目：题解：代码如下：

题目：题解：代码如下：

题目：题解：代码如下：

题目：题解：代码如下：

题目：题解：代码如下：

题目：题解：代码如下：using LL = long long;class Solution {public: long long waysToBuyPensPencils(int n, int c1, int c2) { return dp2(n,c1,c2); } LL dp2(int n,int c1,int c2) { vector<LL> f(n+1,1); for(int v:{c1,

题目：题解：思路：线性 DP状态表示f[i]–集合：长度为 i 的只有一种数字字符的字符串对应的字母字符串的集合；属性为数量。状态计算–划分依据：把末尾的1个、2个、3个连续数字字符转换为一个字母，那么 f[i] 就由 f[i-1] f[i-2] f[i-3] 进行转移出来了。代码如下：const int mod =1e9+7,N = 1e5+10;// 数字字符不为7和9的f[i]：表示长度为i的只有一种数字字符的字符串对应的字母字符串的数量// 数字字符为7和9的g[i]

题目：题解：与 AcWing 285. 没有上司的舞会 一样，使用树形 dp 即可。代码如下：class Solution {public: // 原题：没有上司的舞会 int rob(TreeNode* root) { auto res=dfs(root); return max(res[0],res[1]); } // v[0]表示不选当前节点的金额最大值，v[1]表示选择当前节点的金额最大值 vector&lt

题目：题解：思路：根节点左子树的最大深度+根节点右子树的最大深度=直径。代码如下：class Solution {public: int res=0; //思路：左子树的最大深度+右子树的最大深度为二叉树的直径 //这个递归可以想象成记忆化dfs或者说分治法，只有当最小子问题解决时（达到叶子节点时，深度为1），总问题才能得到解决（左子树的深度+右子树的深...

题目：题解：使用自下而上的 DFS 就行了，也就是所谓的树形 DP。代码如下：using PII = pair<int,int>;#define x first#define y secondclass Solution {public: // 采用自底向上的递归，利用当前节点的左右子树的返回值，来计算当前节点计算的平均值是否符合题意 int res=0; int averageOfSubtree(TreeNode* root) {

题目：题解：本题只不过是在一个物品里面限定了2个体积，所以我们仅需维护两个背包体积即可，剩下的思路等同朴素版 01 背包。代码如下：int f[610][110][110];int f2[110][110];class Solution {public: // 两个维度的01背包，限制0的个数最多为m个，限制1的个数最多为n个 int findMaxForm(vector<string>& v, int m, int n) { re

题目：解题思路：1）利用动态规划解题：1.每个元素可看作一个物品，+1表示将此物品取出，-1表示将此物品放回2.sum表示将所有物品全部取出，sum+S表示有些物品取出两次，有些物品取出后又放回，这样就是表示+1的有两次，除以2就是+1的取出一次。3.本题本质和01背包一样的，利用动态规划解题2）使用DFS穷举所有可能的情况，暴搜+剪枝代码如下：class Solution ...

题目：题解：本题的难点在于如何将问题转换为01背包：题目要求我们将数组元素分成两个总和相等的子集，也就是我们需要从数组中选出若干个元素（每个元素只能选一次），使得元素之和等于所有元素的一半，显然使用 01 背包的模型做了。代码如下：class Solution {public: // 思路：转换为01背包，每件物品只能选一次，求是否能恰好装满sum/2 bool canPartition(vector<int>& v) { ret

题目：题解：动态规划dp[i]表示s[0]~s[i]是否可以由字典中的单词构成，是为1，不是则为0。dp[n]表示s[0]至s[n-1]是否由字段中的单词构成。初始化dp[0]=1，表示空字符串在字典中。状态转移方程：若s[0] ~ s[j]由字典中的单词构成且s[j] ~ s[i]也在字符中，则s[0]~s[i]由字典中的单词构成 ；否则s[0] ~ s[i]不是由字典中的单词构...

题目：题解：翻译下题目：给定一个物品数组，和一个体积 n，求恰好装满 n 的最大价值。其中物品数组的价值为物品编号[1,m]，体积为v[0,m-1]。注意每次将可以转移的物品价值加到字符串前面，因为物品价值 i 是由小到大遍历的，只有加到前面才能保证最终的最大价值最大。代码如下：class Solution {public: // 完全背包裸题：每个物品可以使用无限次，求恰好装满n的最大价值 string largestNumber(vector<int>&

题目：题解：leetcode官方详细题解代码如下：class Solution {public: //解法1：斐波那契数 int climbStairs_1(int n) { if(n==1)return 1; int first=1,second=2; for(int i=3;i<=n;++i) ...

题目：题解：注意点：完全背包求组合数时，外层 for 循环先遍历物品，内层 for 循环再遍历背包体积，这样可保证组合数唯一。因为先遍历物品，其实就是限制物品的种类是[1,i]，在此基础上上去考虑不同的背包容量，其实这里物品的选择顺序就已经固定了，比如物品1、物品3、物品5。二维状态 dp 数组是一行一行的进行更新的。完全背包求排列数时，外层 for 循环先遍历背包体积，内层 for 循环再遍历物品，这样可保证所有物品的相对顺序不同，保证排列唯一。先遍历背包，其实就是限定了背包的体积，物品

题目：题解：思路：来自AcWing 900. 整数划分的完全背包解法。代码如下：const int M = 310, N = 5010;// 状态f[i][j]表示从前i种物品中选且总体积恰好为j的选法的方案数int f[M][N];class Solution {public: // 完全背包解法：给定m种物品的体积，每种物品可使用无限次，求恰好装满体积n的所有方案数 int change(int n, vector<int>& v) {