算法思路整理5-动态规划

1. 1. 动态规划典型场景

     a. 股票买卖,只允许交易一次

         i. 遍历数组,计算当前最低价和当前最大盈利

         ii. 时间复杂度n,空间复杂度1

     b. 矩阵的最小和路径/带权值的最小路径和

         i. 开mn数组,存储当前最优解

         ii. 构arr[i][j]=min(arr[i-1][j],arr[i][j-1])+num[i][j];

     c. 无序数组中的最长连续序列

         i. 数组排序,开数组,初始化数组

         ii. 构造状态转移方程

            1. 1. 如果当前数等于上一个数加一,res[i]=res[i-1]+1;

            2. 2. 如果当前数等于上一个数,res[i]=res[i-1];

            3. 3. 其他情形,res[i]=1;

         iii. 时间复杂度nlogn

     d. 数组中的最长连续子序列

     e. 连续子数组最大乘积

         i. 开数组,包含当前的正最大,包含当前的负数最小,

         ii. 构造转移函数

            1. 1. 正最大max(上一个正最大当前,上一个负最小当前,当前)

            2. 2. 负最小min(上一个正最大当前,上一个负最小当前,当前)

         iii. 临时最大正值

         iv. 时间复杂度n,空间复杂度2n

     f. 数组中的最长无重复子串 (类似动态规划,实际并不是)

         i. 开数组,以当前位置结束的无重复子串的长度

         ii. 如果当前位置之前的位置结束的无重复子串中含有当前位置的元素,当前位置结束的子串从重复位置开始+1,如果不包含,num[i]=num[i-1]+1

         iii. 临时最大长度

         iv. 时间复杂度为n^2

     g. 最长回文子串

         i. 动态规划

            1. 1. 开二位数组arr[n][n],存储i开始,j结束的是否为回文数组

            2. 2. 构造转移方程

                 a. i降序,j从i开始,升至n

                 b. 初始化对角线为true, 二维数组左下半部分不用

                 c. arr[i][j] =arr[i+1][j-1]是true同时字符串第i位等于第j位

                 d. 临时最大值

            3. 3. 时间复杂度为n^2,但是中间结果有记录,其实会快很多

         ii. 非动态规划

            1. 1. 从头开始遍历字符串

            2. 2. 判断以i,i为中心的回文字符串长度,I,i+1为中心的回文串长度

            3. 3. 临时最大长度

            4. 4. 复杂度n^2

     h. 最长回文子序列

         i. 类似最长回文子串,开数组arr[n][n],代表以ij起止的最长回文子序列的长度

            1. 1. I反向遍历,j从i开始正遍历

            2. 2. 如果i==j,arr[][]=1

            3. 3. 如果j=i+1,如果相等为2,如果不等为1

            4. 4. 其他情况

                 a. 如果str(i)=str(j),arr[][]=arr[i+1][j-1]+2

                 b. 如果不等,等于以下三片段的最大值

                     i. I到j-1;

                     ii. I+1到j;

                     iii. I+1到j-1;

            5. 5. 记录临时最大值,每次比较

            6. 6. 返回最大值

            7. 7. 复杂度 n^2,数组只用一半,还是比较快的

     i. 最长括号子串

         i. 开数组arr[n]代表以n结尾的最长合法子串

         ii. 构造转移方程

            1. 1. 当前为)

            2. 2. 如果arr[i-1]=0且num[i-1]为(,此时arr[i]=arr[i-2]+2

            3. 3. 如果arr[i-1]=m 且num[i-1-m]为(,此时arr[i]=m+2+arr[i-m-2]

         iii. 从位置1开始遍历子串,存储临时max

         iv. 时间复杂度n, 空间复杂度为n

     j. 最长递增子序列

         i. 开数组

         ii. 转移方程

         iii. 存储中间结果

     k. 剪绳子,求整数拆分后的数字的最大乘积

         i. 开数组,每个位置存当前最大乘积

         ii. Max(arr[2][arr[i-2],arr[3]arr[i-3])

         iii. 复杂度 n^2

     l. 跳到当前位置需要的最小步数

         i. 0号位需要0步骤

         ii. 从1号位开始遍历,1号位需要1步,当前步数最大可达right=A[0]号位置,初始化index=0;

         iii. 计算当前位置开始,下一步最大可以走多远index=Math.max(index-1,A[i]);

         iv. 当位置坐标大于当前最大可达位置时,需要步数+1,当前步数最大可达right=index+right

         v. 最后返回A[n-1]

     m. 01背包问题

         i. 动态规划,开启dp数组,dp[n+1][m+1],m代表容量,n代表包的类型

         ii. 初始化dp[0][j],dp[i][0]==0;

         iii. 当i==1时,初始化背包大于第一个物品的size的格子为1,其余为0;

         iv. 循环遍历,

            1. 1. 当背包总容量小于当前物品时,a[i][j]=a[i-1][j]

            2. 2. 当背包总容量大于当前物品时

                 a. dp[i][j]=math.max(不放当前物品的最大价值,放当前物品的最大价值)

                 b. dp[i][j]=math.max(dp[i-1][j], 当前物品价值+dp[i-1][j-当前物品重量])

     n.

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容