skillart的专栏

真心无语了。wa了无数次，终于才发现原来是数组开的太小了，浪费多少时间啊。。。。。。 这是一个多重背包问题，但那个dp式子实在不好理解的，直接转化成0,1背包了，然后就很easy了。   import java.util.Arrays; import java.util.Scanner; public class Main { public static void main(

下次做题的时候不能中途干其他的了，写着写着忘记之前写的是什么意思了，白白浪费很长时间。 对重量进行升序排序，如果重量相等则也按速度降序排序。 之后就是LIs了。 用一个二维数组dp[len][2],dp[][0]用来记录递增序列的长度,dp[][1]用来记录维持此长度的前一个坐标。 逆序打印出来就是了。 看网上其他的用的数据结构真不好想的。膜拜下。 import java.util.A

动态转移方程：dp[i][j=max{dp[i-1][j-1],dp[i-1][j],dp[i-1][j+1]}; 其中dp[i][j]表示的是在第i秒j位置上能接到的最多馅饼数目。 在i=1时，j除4,5,6位置以外都不能接到馅饼，所以计算先从i=2开始。先对i=1时进行初始化。 接到最多馅饼必然是在i最大的时候。 进行动态规划时应先按时间进行划分，，先算出一个时间所有位置的状态，而不是

LCS。 import java.util.Scanner; public class Main { public static void main(String[] args) { Scanner cin=new Scanner(System.in); while(cin.hasNext()) {

很经典的动态规划。 import java.util.Scanner; public class Main { public static void main(String[] args) { Scanner cin=new Scanner(System.in); int n=cin.nextInt(); while

求最大递增序列和。状态转移方程：a[i]=max{dp[j]+a[i],dp[i]} 0 import java.util.Arrays; import java.util.Scanner; public class Main { public static void main(String[] args) { Scanner cin=new S

把多维压缩到一维，再dp求最大子段。 import java.util.Arrays; import java.util.Scanner; public class Main { public static int max_sum(int dp[]) { int max=Integer.MIN_VALUE,sum=0; for(int i=1;i<dp.lengt

高有3种，长比 宽长，于是每种矩形可以产生3种类型。 对矩形长款降序排序，就转换为最长递减序列问题了。可以用dp   O(n^2)，也可以用dp+二分查找，就是二分查找是在不好写啊。数据比较少，直接dp吧。 import java.util.Arrays; import java.util.Scanner; class rectangle implements Comparable

转移方程为fi][j]=max(f[i-1][j],max(f[k][j-1]))+a[j](j-1 比如这么一行数据 3 6 2 3 -7 6 4 -5  所得到的f[i][j]数据如图所示 0 1 2 3 0 0 0 0 0 1 0 2 0 0 2 0 5 5 0 3 0 -2 -2 -2

第二个if和第一个顺序不能颠倒，应为sum置0了（可能max0，得到的结果就错了），其实多设置一个temp变量就可以颠倒位置了 import java.util.Scanner; public class Main { public static void main(String[] args) { Scanner cin=new Scanner(System.in);

把字符串反转，然后用反串和原串求最大公共子序列（LCS），再用字符串长度减去LCS的长度就是答案。 写的有点废，不过方便以后直接调用。 import java.util.Scanner; public class Main { static int lcs(String str1,String str2) { int len1=str1.length(); in