C++算法学习心得八.动态规划算法（6）

news2024/12/23 14:20:51

1.最长递增子序列（300题）

题目描述：

给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。

子序列是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。

示例 1：

  • 输入：nums = [10,9,2,5,3,7,101,18]
  • 输出：4
  • 解释：最长递增子序列是 [2,3,7,101]，因此长度为 4 。

 dp[i]表示i之前包括i的以nums[i]结尾的最长递增子序列的长度

if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1);

注意这里不是要dp[i] 与 dp[j] + 1进行比较，而是我们要取dp[j] + 1的最大值。

每一个i，对应的dp[i]（即最长递增子序列）起始大小至少都是1.

dp[i] 是有0到i-1各个位置的最长递增子序列 推导而来，那么遍历i一定是从前向后遍历

j其实就是遍历0到i-1，那么是从前到后，还是从后到前遍历都无所谓，只要吧 0 到 i-1 的元素都遍历了就行了。 所以默认习惯 从前向后遍历。

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        if(nums.size() <= 1)return nums.size();
        vector<int>dp(nums.size(),1);
        int result = 0;
        for(int i = 1;i < nums.size();i++){
            for(int j = 0;j < i;j++){
                if(nums[j] < nums[i])dp[i] = max(dp[i],dp[j] + 1);
            }
            if(dp[i] > result)result = dp[i];
        }
        return result;
    }
};
  • 时间复杂度: O(n^2)
  • 空间复杂度: O(n)

2.最长连续递增序列(674题）

题目描述：

给定一个未经排序的整数数组，找到最长且连续递增的子序列，并返回该序列的长度。

连续递增的子序列 可以由两个下标 l 和 r（l < r）确定，如果对于每个 l <= i < r，都有 nums[i] < nums[i + 1] ，那么子序列 [nums[l], nums[l + 1], ..., nums[r - 1], nums[r]] 就是连续递增子序列。

示例 1：

  • 输入：nums = [1,3,5,4,7]
  • 输出：3
  • 解释：最长连续递增序列是 [1,3,5], 长度为3。尽管 [1,3,5,7] 也是升序的子序列, 但它不是连续的，因为 5 和 7 在原数组里被 4 隔开。

dp[i]：以下标i为结尾的连续递增的子序列长度为dp[i],

如果 nums[i] > nums[i - 1]，那么以 i 为结尾的连续递增的子序列长度 一定等于 以i - 1为结尾的连续递增的子序列长度 + 1 。

即：dp[i] = dp[i - 1] + 1;

因为本题要求连续递增子序列，所以就只要比较nums[i]与nums[i - 1]，而不用去比较nums[j]与nums[i] （j是在0到i之间遍历）。

既然不用j了，那么也不用两层for循环，本题一层for循环就行，比较nums[i] 和 nums[i - 1]。

以下标i为结尾的连续递增的子序列长度最少也应该是1，即就是nums[i]这一个元素。

所以dp[i]应该初始1;

 dp[i + 1]依赖dp[i]，所以一定是从前向后遍历。

class Solution {
public:
    int findLengthOfLCIS(vector<int>& nums) {
        if(nums.size() == 0)return nums.size();
        vector<int>dp(nums.size(),1);
        int result = 1;
        for(int i = 1;i < nums.size();i++){
            if(nums[i] > nums[i - 1])dp[i] = dp[i - 1] + 1;
            if(dp[i] > result)result = dp[i];
        }
        return result;
    }
};
  • 时间复杂度：O(n)
  • 空间复杂度：O(n)

贪心算法:

遇到nums[i] > nums[i - 1]的情况，count就++，否则count为1，记录count的最大值就可以了。

class Solution {
public:
    int findLengthOfLCIS(vector<int>& nums) {
        if(nums.size() == 0)return nums.size();
        int result = 1;
        int count = 1;
        for(int i = 1;i < nums.size();i++){
            if(nums[i] > nums[i - 1]){
                count++;
            }else{
                count = 1;
            }
            if(count > result)result = count;
        }
        return result;
    }
};
  • 时间复杂度：O(n)
  • 空间复杂度：O(1)

3.最长重复子数组(718题）

题目描述：

给两个整数数组 A 和 B ，返回两个数组中公共的、长度最长的子数组的长度。

示例：

输入：

  • A: [1,2,3,2,1]
  • B: [3,2,1,4,7]
  • 输出：3
  • 解释：长度最长的公共子数组是 [3, 2, 1] 。

 dp[i][j] ：以下标i - 1为结尾的A，和以下标j - 1为结尾的B，最长重复子数组长度为dp[i][j]。 （特别注意： “以下标i - 1为结尾的A” 标明一定是 以A[i-1]为结尾的字符串 ）

dp[i][j]的定义，dp[i][j]的状态只能由dp[i - 1][j - 1]推导出来。

即当A[i - 1] 和B[j - 1]相等的时候，dp[i][j] = dp[i - 1][j - 1] + 1;

dp[i][0] 和dp[0][j]初始化为0

外层for循环遍历A，内层for循环遍历B。

class Solution {
public:
    int findLength(vector<int>& nums1, vector<int>& nums2) {
        vector<vector<int>>dp(nums1.size() + 1,vector<int>(nums2.size() + 1,0));
        int result = 0;
        for(int i = 1;i <= nums1.size();i++){
            for(int j = 1;j <= nums2.size();j++){
                if(nums1[i - 1] == nums2[j - 1])dp[i][j] = dp[i - 1][j - 1] + 1;
                if(dp[i][j] > result)result = dp[i][j];
            }
        }
        return result;
    }
};
  • 时间复杂度：O(n × m)，n 为A长度，m为B长度
  • 空间复杂度：O(n × m)

 4.最长公共子序列(1143题）

题目描述：

给定两个字符串 text1 和 text2，返回这两个字符串的最长公共子序列的长度。

一个字符串的 子序列 是指这样一个新的字符串：它是由原字符串在不改变字符的相对顺序的情况下删除某些字符（也可以不删除任何字符）后组成的新字符串。

例如，"ace" 是 "abcde" 的子序列，但 "aec" 不是 "abcde" 的子序列。两个字符串的「公共子序列」是这两个字符串所共同拥有的子序列。

若这两个字符串没有公共子序列，则返回 0。

示例 1:

  • 输入：text1 = "abcde", text2 = "ace"
  • 输出：3
  • 解释：最长公共子序列是 "ace"，它的长度为 3。

dp[i][j]：长度为[0, i - 1]的字符串text1与长度为[0, j - 1]的字符串text2的最长公共子序列为dp[i][j]

text1[i - 1] 与 text2[j - 1]相同，text1[i - 1] 与 text2[j - 1]不相同

如果text1[i - 1] 与 text2[j - 1]相同，那么找到了一个公共元素，所以dp[i][j] = dp[i - 1][j - 1] + 1;

如果text1[i - 1] 与 text2[j - 1]不相同，那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列，取最大的。

即：dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);

dp[i][0] = 0;

同理dp[0][j]也是0。

从前向后，从上到下来遍历这个矩阵。

dp[text1.size()][text2.size()]为最终结果

class Solution {
public:
    int longestCommonSubsequence(string text1, string text2) {
        vector<vector<int>>dp(text1.size()+1,vector<int>(text2.size()+1,0));
        for(int i = 1;i <= text1.size();i++){
            for(int j = 1;j <= text2.size();j++){
                if(text1[i - 1] == text2[j - 1]){
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                }else{
                    dp[i][j] = max(dp[i - 1][j],dp[i][j - 1]);
                }
            }
        }
        return dp[text1.size()][text2.size()];
    }
};
  • 时间复杂度: O(n * m)，其中 n 和 m 分别为 text1 和 text2 的长度
  • 空间复杂度: O(n * m)

 5.不相交的线(1035题）

题目描述：

在两条独立的水平线上按给定的顺序写下 nums1 和 nums2 中的整数。

现在，可以绘制一些连接两个数字 nums1[i] 和 nums2[j] 的直线，这些直线需要同时满足满足：

  •  nums1[i] == nums2[j]
  • 且绘制的直线不与任何其他连线（非水平线）相交。

请注意，连线即使在端点也不能相交：每个数字只能属于一条连线。

以这种方法绘制线条，并返回可以绘制的最大连线数。

 

本题说是求绘制的最大连线数，其实就是求两个字符串的最长公共子序列的长度 

class Solution {
public:
    int maxUncrossedLines(vector<int>& A, vector<int>& B) {
        vector<vector<int>> dp(A.size() + 1, vector<int>(B.size() + 1, 0));
        for (int i = 1; i <= A.size(); i++) {
            for (int j = 1; j <= B.size(); j++) {
                if (A[i - 1] == B[j - 1]) {
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                } else {
                    dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);
                }
            }
        }
        return dp[A.size()][B.size()];
    }
};
  • 时间复杂度: O(n * m)
  • 空间复杂度: O(n * m)

6. 最大子序和（53题）

题目描述：

给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。

示例:

  • 输入: [-2,1,-3,4,-1,2,1,-5,4]
  • 输出: 6
  • 解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。

 dp[i]：包括下标i（以nums[i]为结尾）的最大连续子序列和为dp[i]。

dp[i]只有两个方向可以推出来：

  • dp[i - 1] + nums[i]，即：nums[i]加入当前连续子序列和
  • nums[i]，即：从头开始计算当前连续子序列和

一定是取最大的，所以dp[i] = max(dp[i - 1] + nums[i], nums[i]);

递推公式可以看出来dp[i]是依赖于dp[i - 1]的状态，dp[0]就是递推公式的基础。

dp[0]应该是多少呢?

根据dp[i]的定义，很明显dp[0]应为nums[0]即dp[0] = nums[0]。

递推公式中dp[i]依赖于dp[i - 1]的状态，需要从前向后遍历，在递推公式的时候，可以直接选出最大的dp[i]

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        if(nums.size() == 0)return 0;
        vector<int>dp(nums.size(),0);//dp[i]表示包括i之前的最大连续子序列和
        dp[0] = nums[0];
        int result = dp[0];
        for(int i = 1;i < nums.size();i++){
            dp[i] = max(dp[i-1]+nums[i],nums[i]);//状态转移公式，舍弃前面和当前基础上再继续加和
            if(dp[i] > result)result = dp[i];//result 保存dp[i]的最大值
        }
        return result;
    }
};
  • 时间复杂度：O(n)
  • 空间复杂度：O(n)

总结：

 最长递增子序列：给定一个序列，其内部顺序是不定的，所以这里要求最大升序序列长度，那么先定义dp数组的含义dp[i]代表i之前包括i的以nums[i]结尾的最长递增子序列的长度，进行初始化操作，dp[i]大小为数组大小，且都赋值1，因为设定是长度至少有1，遍历顺序需要双循环来外层I是从1到nums.size()，内层循环从0到i进行遍历，递推公式：if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1);还要记得需要更新dp[i]的值if(dp[i] > result)result = dp[i];最后返回result即可

最长连续递增序列：动态规划：上一题基础上，介绍dp[i]：以下标i为结尾的连续递增的子序列长度为dp[i],如果 nums[i] > nums[i - 1]，那么以 i 为结尾的连续递增的子序列长度 一定等于 以i - 1为结尾的连续递增的子序列长度 + 1。递推公式：dp[i] = dp[i - 1] + 1，本题要求连续递增子序列，所以就只要比较nums[i]与nums[i - 1]，而不用去比较nums[j]与nums[i] （j是在0到i之间遍历），贪心算法：遇到nums[i] > nums[i - 1]的情况，count就++，否则count为1，记录count的最大值就可以了。

最长重复子数组：给定两个数组，然后对这两个数组求最大重复子数组，dp[i][j] ：以下标i - 1为结尾的A，和以下标j - 1为结尾的B，最长重复子数组长度为dp[i][j]，dp[i][j]的定义，dp[i][j]的状态只能由dp[i - 1][j - 1]推导出来，递推公式：A[i - 1] 和B[j - 1]相等的时候，dp[i][j] = dp[i - 1][j - 1] + 1，初始化：dp[i][0] 和dp[0][j]初始化为0，遍历顺序：外层for循环遍历A，内层for循环遍历B。

最长公共子序列：给定两个字符串，但是呢需要求的子序列是不改变相对顺序，且可以删除字符，dp[i][j]：长度为[0, i - 1]的字符串text1与长度为[0, j - 1]的字符串text2的最长公共子序列为dp[i][j]，text1[i - 1] 与 text2[j - 1]相同，text1[i - 1] 与 text2[j - 1]不相同，如果text1[i - 1] 与 text2[j - 1]相同，那么找到了一个公共元素，所以dp[i][j] = dp[i - 1][j - 1] + 1;如果text1[i - 1] 与 text2[j - 1]不相同，那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列，取最大的。即：dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);

不相交的线：求绘制的最大连线数，其实就是求两个字符串的最长公共子序列的长度 ，整体代码和上一个最长公共子序列流程一样，想法也大致相同，只是换一些字母。

最大子序和：dp[i]：包括下标i（以nums[i]为结尾）的最大连续子序列和为dp[i]，dp[i]只有两个方向，一个是dp[i-1]+nums[i]，还有从开始nums[i]开始，递推公式：dp[i] = max(dp[i - 1] + nums[i], nums[i])，dp[0]应为nums[0]即dp[0] = nums[0]，dp[i]依赖于dp[i - 1]的状态，需要从前向后遍历，在递推公式的时候，可以直接选出最大的dp[i]。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1883694.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

超详细的 C++中的封装继承和多态的知识总结＜2.多态＞

超详细的 C++中的封装继承和多态的知识总结＜2.多态＞

引言 小伙伴们我们都知道了&#xff0c;什么是封装和继承&#xff0c;在有了这个的基础上我们接着来看什么是多态。多态从字面上意思我们就可以知道&#xff0c;大概就是一个函数的不同形态&#xff0c;而且&#xff0c;前边我们在学习函数重载的时候我们已经简单的了解了如何用…
阅读更多...
如何优化前端性能：提高网页加载速度的实用技巧

如何优化前端性能：提高网页加载速度的实用技巧

我们在前端开发中&#xff0c;性能优化是提高用户体验的关键因素。网页加载速度直接影响用户的满意度和留存率。本文将介绍几种优化前端性能的实用方法&#xff0c;帮助你提高网页加载速度。 问题描述 &#xff1a; 首先前端性能优化涉及多个方面&#xff0c;包括减少HTTP请…
阅读更多...
【单片机与嵌入式】stm32串口通信入门

【单片机与嵌入式】stm32串口通信入门

一、串口通信/协议 &#xff08;一&#xff09;串口通信简介 串口通信是一种通过串行传输方式在电子设备之间进行数据交换的通信方式。它通常涉及两条线&#xff08;一条用于发送数据&#xff0c;一条用于接收数据&#xff09;&#xff0c;适用于各种设备&#xff0c;从微控制…
阅读更多...
万字长文｜下一代系统内存数据加速接口SDXI解读

万字长文｜下一代系统内存数据加速接口SDXI解读

本文内容分为5章节&#xff0c;总计10535字&#xff0c;内容较多&#xff0c;建议先收藏&#xff01; 1.SDXI技术产生的背景 2.SDXI相比DMA的优势 3.SDXI实现原理与架构 3.1 描述符环原理解读 3.2 上下文管理介绍 3.3 AKey与RKey解读 3.4 错误日志和状态管理 3.5 跨Function访…
阅读更多...
javascript 常见设计模式

javascript 常见设计模式

什么是设计模式? 在软件开发中&#xff0c;设计模式是解决特定问题的经验总结和可复用的解决方案。设计模式可以提高代码的复用性、可维护性和可读性&#xff0c;是提高开发效率的重要手段。 单例模式 1.概念 单例模式 &#xff08;Singleton Pattern&#xff09;&#xf…
阅读更多...
c++ 智能指针实战分析

c++ 智能指针实战分析

一.智能指针的设计思路 智能指针是类模板&#xff0c;再栈上创建智能指针对象。把普通指针交给智能指针对象。智能指针对象过期时&#xff0c;调用析构函数释放普通指针的内存。 智能指针的类型 auto_ptr是C98的标准&#xff0c;c17已经弃用。unique_ptr、shared_ptr和weak_…
阅读更多...
动手学深度学习（Pytorch版）代码实践 -计算机视觉-41目标检测数据集

动手学深度学习（Pytorch版）代码实践 -计算机视觉-41目标检测数据集

41目标检测数据集 import os import pandas as pd import torch import torchvision import matplotlib.pylab as plt from d2l import torch as d2l# 数据集下载链接 # http://d2l-data.s3-accelerate.amazonaws.com/banana-detection.zip# 读取数据集 #save def read_data_b…
阅读更多...
Mustango——音乐领域知识生成模型探索

Mustango——音乐领域知识生成模型探索

Mustango&#xff1a;利用领域知识的音乐生成模型 论文地址&#xff1a;https://arxiv.org/pdf/2311.08355.pdf 源码地址&#xff1a;https://github.com/amaai-lab/mustango 论文题为**“**利用音乐领域知识开发文本到音乐模型’Mustango’”。它利用音乐领域的知识从文本指…
阅读更多...
计算机毕业设计Python深度学习美食推荐系统 美食可视化 美食数据分析大屏 美食爬虫 美团爬虫 机器学习 大数据毕业设计 Django Vue.js

计算机毕业设计Python深度学习美食推荐系统 美食可视化 美食数据分析大屏 美食爬虫 美团爬虫 机器学习 大数据毕业设计 Django Vue.js

Python美食推荐系统开题报告 一、项目背景与意义 随着互联网和移动技术的飞速发展&#xff0c;人们的生活方式发生了巨大变化&#xff0c;尤其是餐饮行业。在线美食平台如雨后春笋般涌现&#xff0c;为用户提供了丰富的美食选择。然而&#xff0c;如何在海量的餐饮信息中快速…
阅读更多...
python 笔试面试八股（自用版~）

python 笔试面试八股（自用版~）

1 解释型和编译型语言的区别 解释是翻译一句执行一句&#xff0c;更灵活&#xff0c;eg&#xff1a;python; 解释成机器能理解的指令&#xff0c;而不是二进制码 编译是整个源程序编译成机器可以直接执行的二进制可运行的程序&#xff0c;再运行这个程序 比如c 2 简述下 Pyth…
阅读更多...
2.2章节python的变量和常量

2.2章节python的变量和常量

在Python中&#xff0c;变量和常量有一些基本的概念和用法&#xff0c;但需要注意的是&#xff0c;Python本身并没有内置的“常量”类型。然而&#xff0c;程序员通常会遵循一种约定&#xff0c;即使用全部大写的变量名来表示常量。 一、变量 在Python中&#xff0c;变量是一…
阅读更多...
对不起，AI大模型不是风口

对不起，AI大模型不是风口

“我们正处在全新起点&#xff0c;这是一个以大模型为核心的人工智能新时代&#xff0c;大模型改变了人工智能&#xff0c;大模型即将改变世界。”——5月26日&#xff0c;百度创始人、董事长兼CEO李彦宏先生在2023中关村论坛发表了《大模型改变世界》演讲。 李彦宏指出&#…
阅读更多...
4PCS点云配准算法实现

4PCS点云配准算法实现

4PCS点云配准算法的C实现如下&#xff1a; #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/common/common.h> #include <pcl/common/distances.h> #include <pcl/common/transforms.h> #in…
阅读更多...
PostgreSQL介绍与安装

PostgreSQL介绍与安装

一、PostgreSQL数据库介绍 1、什么是数据库&#xff1f; 数据库&#xff08;Database&#xff09;是按照数据结构来组织、存储和管理数据的仓库。每个数据库都有一个或多个不同的 API 用于创建&#xff0c;访问&#xff0c;管理&#xff0c;搜索和复制所保存的数据。 我们也…
阅读更多...
JAVA医院绩效考核管理系统源码：系统优势、系统目的、系统原则 （自主研发 功能完善 可直接上项目）

JAVA医院绩效考核管理系统源码：系统优势、系统目的、系统原则 （自主研发 功能完善 可直接上项目）

JAVA医院绩效考核管理系统源码&#xff1a;系统优势、系统目的、系统原则 &#xff08;自主研发 功能完善 可直接上项目&#xff09; 医院绩效考核系统优势 1.实现科室负责人单独考核 对科室负责人可以进行单独考核、奖金发放。 2. 科室奖金支持发放到个人 支持奖金二次分配&…
阅读更多...
同一个excel表格，为什么在有的电脑上会显示#NAME?

同一个excel表格，为什么在有的电脑上会显示#NAME?

一、哪些情况会产生#NAME?的报错 1.公式名称拼写错误 比如求和函数SUM&#xff0c;如果写成SUN就会提示#NAME&#xff1f;报错。 2.公式中的文本值未添加双引号 如下图&#xff1a; VLOOKUP(丙,A:B,2,0) 公式的计算结果会返回错误值#NAME?&#xff0c;这是因为公式中文本…
阅读更多...
GraphPad Prism生物医学数据分析软件下载安装 GraphPad Prism轻松绘制各种图表

GraphPad Prism生物医学数据分析软件下载安装 GraphPad Prism轻松绘制各种图表

Prism软件作为一款功能强大的生物医学数据分析与可视化工具&#xff0c;其绘图功能尤为突出。该软件不仅支持绘制基础的图表类型&#xff0c;如直观明了的柱状图、展示数据分布的散点图&#xff0c;以及描绘变化趋势的曲线图&#xff0c;更能应对复杂的数据呈现需求&#xff0c…
阅读更多...
7-1作业

7-1作业

1.实验目的&#xff1a;完成字符收发 led.h #ifndef __GPIO_H__ #define __GPIO_H__#include "stm32mp1xx_rcc.h" #include "stm32mp1xx_gpio.h" #include "stm32mp1xx_uart.h"//RCC,GPIO,UART初始化 void init();//字符数据发送 void set_tt…
阅读更多...
【2024 插件开发大赛】为 ONLYOFFICE 开发插件，赢取万元奖金！

【2024 插件开发大赛】为 ONLYOFFICE 开发插件，赢取万元奖金！

我们发布了 2024 插件开发大赛&#xff1a;为 ONLYOFFICE 开发适合中国用户的插件&#xff0c;赢取税前5500 – 10000元的结项奖金与证书&#xff01;阅读本文了解详情。 关于 ONLYOFFICE ONLYOFFICE 是一个国际开源项目&#xff0c;由领先的 IT 公司 Ascensio System SIA 开发…
阅读更多...
论坛万能粘贴手（可将任意文件转为文本）

论坛万能粘贴手（可将任意文件转为文本）

该软件可将任意文件转为文本。 还原为原文件的方法&#xff1a;将得到的文本粘贴到记事本&#xff0c;另存为UUE格式&#xff0c;再用压缩软件如winrar解压即可得到原文件。建议用于小软件。 下载地址&#xff1a;https://download.csdn.net/download/wgxds/89505015 使用演示…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023