代码随想录|day38|动态规划part01● 理论基础 ● 509. 斐波那契数 ● 70. 爬楼梯 ● 746. 使用最小花费爬楼梯
Posted isabelightL
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了代码随想录|day38|动态规划part01● 理论基础 ● 509. 斐波那契数 ● 70. 爬楼梯 ● 746. 使用最小花费爬楼梯相关的知识,希望对你有一定的参考价值。
PS:贪心算法整一个大章节跳过了,过后两天补上。今天先跟上动态规划的步伐。
总链接:第九章 动态规划part01
动态规划基础
打家劫舍3道,股票问题7、8道。
关键点:
1、找dp数组,下标的表示含义,一定要清楚dp[i][j]中i,j,的含义。
2、递推公式
3、dp数组如何初始化
4、遍历顺序
5、当自己感到迷惑时,要打印dp数组。
509. 斐波那契数
很简单的动规入门题,但简单题使用来掌握方法论的,还是要有动规五部曲来分析。
链接:代码随想录
自己的解法:
class Solution public: int fib(int n) int a=0; int b=1; while(n>0) int temp=a; a=a+b; b=temp; n--; return a; ;
70. 爬楼梯
链接:代码随想录
class Solution public: /* 考虑最后一步 dp[i] 代表到达第i节的爬法有dp[i]种,则: dp[i]=d[i-1]+dp[i-2] */ int climbStairs(int n) vector<int>dp(n+1,0); dp[0]=1; dp[1]=1; int i=2; while(i<=n) dp[i]=dp[i-1]+dp[i-2]; i++; return dp[n]; ;
有拓展问题,但是没有看
746. 使用最小花费爬楼梯
链接:代码随想录
class Solution /* 你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。 结合爬楼梯那道题来看, */ public: int minCostClimbingStairs(vector<int>& cost) int n=cost.size(); vector<int>dp(n+1,0); dp[0]=0; dp[1]=0; /* dp[i]=min(dp[i-1]+cost[i-1],dp[i-2]+cos[i-2]); */ for(int i=2;i<n+1;i++) dp[i]=min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2]); return dp[n]; ;
LeetCode刷题笔记-动态规划-day7
文章目录
LeetCode刷题笔记-动态规划-day7
1014. 最佳观光组合
1.题目
原题链接:1014. 最佳观光组合
2.解题思路
- 仔细观察
a[i] + a[j] + i - j
,可分解为:(a[j]-j)+(a[i]+i)
- 又因为
i<j
,我们可以把j
当做当前点,所以这道题我们只需要遍历一遍。用一个变量f
维护j
点之前的所有a[i]+i
的最大值 res=max(res,f+a[j]-j);
扫描一遍即可求出最大值
3.代码
class Solution
public:
int maxScoreSightseeingPair(vector<int>& a)
int f=a[0];
int res=-1e9;
for(int i=1;i<a.size();i++)
res=max(res,f+a[i]-i);
f=max(a[i]+i,f);
return res;
;
121. 买卖股票的最佳时机
1.题目
原题链接:121. 买卖股票的最佳时机
2.解题思路
- 用一个变量
minn
维护[0,i-1
]的最小价格 - 枚举到
i
时,prices[i]-minn
就表示当前点i
卖出的最大收益 - 遍历所有点,取最大值:
res=max(res,prices[i]-minn);
3.代码
class Solution
public:
int maxProfit(vector<int>& prices)
int minn=1e9,res=0;
for(int i=0;i<prices.size();i++)
res=max(res,prices[i]-minn);
minn=min(minn,prices[i]);
return res;
;
122. 买卖股票的最佳时机 II
1.题目
原题链接:122. 买卖股票的最佳时机 II
2.解题思路
算法:贪心
具体情况可以分为三类:
- 单独交易日:设今天价格P1、明天价格P2,则今天买入、明天免除可赚取金额P2−P1(负值代表亏损)
- 连续上涨交易日:设此上涨交易日股票价格分别为P1,P2,…,Pn 则第一天买最后一天卖收益最大,即Pn−P1;等价于每天都买卖,即Pn−P1=(P2−P1)+(P3−P2)+…+(Pn−Pn−1)
- 连续下降交易日:则不买卖收益最大,即不会亏钱
总结可得到:由于不考虑交易次数。我们考虑相邻两天的股票价格,如果后一天的股票价格大于前一天的,那么在进行买入卖出操作后,即可获利。这样的贪心一定能获得最大的利润。
直接遍历整个数组。如果prices[i+1]-prices[i]
大于0,则加入最终总利润。
3.代码
class Solution
public:
int maxProfit(vector<int>& prices)
int res=0;
for(int i=0;i<prices.size()-1;i++)
res+=max(0,prices[i+1]-prices[i]);
return res;
;
以上是关于代码随想录|day38|动态规划part01● 理论基础 ● 509. 斐波那契数 ● 70. 爬楼梯 ● 746. 使用最小花费爬楼梯的主要内容,如果未能解决你的问题,请参考以下文章
代码随想录|day26|回溯算法part03● 39. 组合总和● 40.组合总和II● 131.分割回文串