接下来就是一些常见的动态规划题目:
(1)
对于两个字符串A和B,我们需要进行插入、删除和修改操作将A串变为B串,定义c0,c1,c2分别为三种操作的代价,请设计一个高效算法,求出将A串变为B串所需要的最少代价。
给定两个字符串A和B,及它们的长度和三种操作代价,请返回将A串变为B串所需要的最小代价。保证两串长度均小于等于300,且三种代价值均小于等于100。
"abc",3,"adc",3,5,3,100
返回:8题目分析: 这是标准的动态规划题目。建立dp[n+1][m+1]数组。dp[i][j]表示字符串A[0,1,2....i]到B[0,1,2...j]的变换所用的最小代价。dp[0][i]与dp[j][0]则是表示A空字符串变成B字符串的代价和A字符串变成空串的代价。说明多加了一行和一列且都为空字符。则对于任意的一点(i,j)。其dp[i][j]的式子由下面的情况决定
(1)当A[i-1]==B[j-1]时,说明(i,j)这个点的值,来自下面的三个方向(i-1,j),(i,j-1),(i-1,j-1)。如图:
则dp[i][j]等于dp[i-1][j-1] ,dp[i-1][j]+c1,dp[i][j-1]+c0中的最小值
(2)A[i-1]!=B[j-1]时:
则dp[i][j]等于dp[i-1][j-1] +c2,dp[i-1][j]+c1,dp[i][j-1]+c0中的最小值
程序:
int findMinCost(string A, int n, string B, int m, int c0, int c1, int c2) {
vector<vector<int> > dp(n+1,vector<int> (m+1,0));// write code here
dp[0][0] = 0;
for(int i=1;i<n+1;i++){
dp[i][0] = i*c1;
}
for(int j=1;j<m+1;j++){
dp[0][j] = j*c0;
}
for(int i=1;i<n+1;i++){
for(int j=1;j<m+1;j++){
if(A[i-1] == B[j-1]){
dp[i][j] = dp[i-1][j-1];
}else{
int min = (dp[i-1][j]+c1) < (dp[i][j-1]+c0) ? (dp[i-1][j]+c1) : (dp[i][j-1]+c0);
dp[i][j] = min < (dp[i-1][j-1]+c2) ? min : (dp[i-1][j-1]+c2);
}
}
}
return dp[n][m];
}
(2)
这是一个经典的LIS(即最长上升子序列)问题,请设计一个尽量优的解法求出序列的最长上升子序列的长度。
给定一个序列A及它的长度n(长度小于等于500),请返回LIS的长度。
[1,4,2,5,3],5
返回:3
程序int getLIS(vector<int> A, int n) { // write code here vector<int> dp(n,0); dp[0]=1; int len=1,i,j; for(i=1;i<n;i++){ for(j=0;j<i;j++){ if(A[i]>A[j]) dp[i]=max(dp[i],dp[j]); } dp[i]++; len=max(len,dp[i]); } return len; }
(3)
一个背包有一定的承重cap,有N件物品,每件都有自己的价值,记录在数组v中,也都有自己的重量,记录在数组w中,每件物品只能选择要装入背包还是不装入背包,要求在不超过背包承重的前提下,选出物品的总价值最大。
给定物品的重量w价值v及物品数n和承重cap。请返回最大总价值。
测试样例:[1,2,3],[1,2,3],3,6返回:6程序:int maxValue(vector<int> w, vector<int> v, int n, int cap) { // write code here vector<int> dp(cap+1,0); for(int i=0;i<n;i++){ for(int j=cap;j>=w[i];j--){ dp[j]=max(dp[j],dp[j-w[i]]+v[i]); } } return dp[cap]; }