LeetCode刷题系列(十)Dynamic Programming(3)补充
来源:互联网 发布:linux 解压缩gz 编辑:程序博客网 时间:2024/06/06 03:59
本篇为其他一些Dynamic Programming的题型。
Backpack
背包问题是典型的动态规划问题,题目是给定若干个元素,每个元素有自己的体积,再给定一个容量为n的背包,将这些元素装进背包中,当然最大只能装进n体积,要求装得越多越好。像这样题型如果使用贪心算法就一定得不到最优的解了。相反,使用动规就很好解决了:f[i][j]表示将i个元素是可以装进容量为j的背包里。然后:
if (j >= A[i] && f[i][j - A[i]]) { f[i + 1][j] = true; }
最后的答案一定是在f[A.length][*]上,使用for进行一下搜索找出最小值就好了。
Backpack II
这道题目也很典型,继续上道题目,每个元素不仅有自己的体积,并且有自己的价值v,而我们再装包的时候想要装进价值最多的元素(相当于上道题目中,每个元素的价值都为1)。换个思路,我们使用f[i]来保存容量为i时,装进去元素的最大价值,相比与上道题,我们把装进去的元素个数给忽略了(这道题并没有用)。然后对每个容量,我们搜索能装进去的元素,然后取最大的值:
for(j = m; j >= A[i]; j--){ if (f[j] < f[j - A[i]] + V[i]) f[j] = f[j - A[i]] + V[i]; }
Edit Distance
题目:Given two words word1 and word2, find the minimum number of steps required to convert word1 to word2. (each operation is counted as 1 step.)
You have the following 3 operations permitted on a word:
- Insert a character
- Delete a character
Replace a character
可以从题目中看出,我们可以使用动规比较简单的解决该问题:当word1的第i个字母和word2的第j个字母相等的时候,那么他的替换次数就是word1的第i-1个字母替换成word2的前j-1个字母的次数;当他们不相等时,替换次数为1+Math.min(word1的前i-1个字母替换成word2的前j个字母的次数,word1的前i-1个字母替换成word2的前j-1个字母的次数,word1的前i个字母替换成word2的前j-1个字母的次数)。
for(int i = 1; i<n+1; i++){ for(int j=1; j<m+1; j++){ if(word1.charAt(i-1) == word2.charAt(j-1)){ dp[i][j] = dp[i-1][j-1]; }else{ dp[i][j] = 1 + Math.min(dp[i-1][j-1],Math.min(dp[i-1][j],dp[i][j-1])); } }}
Distinct Subsequences
题目是给定字符串S、T,求T在S中出现的次数。显 然,我们要使用num[i][j]用来存储S的前i个字母在T的前j个字母中出现的次数。
for (int i = 1; i <= S.length(); i++) { for (int j = 1; j <= T.length(); j++) { nums[i][j] = nums[i - 1][j]; if (S.charAt(i - 1) == T.charAt(j - 1)) { nums[i][j] += nums[i - 1][j - 1]; } } }
Interleaving String
题目为求S3是否为S1和S2“混合”而成,S3若是S1的前i个字母和S2
的前j个字母混合的,那么S3一定是i+j个字母,所以我们使用f[i][
j]代表上述情况的是否成立,于是:
for (int i = 1; i <= s1.length(); i++) { for (int j = 1; j <= s2.length(); j++) { if(((s3.charAt(i + j - 1) == s1.charAt(i - 1) && interleaved[i - 1][j])) || ((s3.charAt(i + j - 1)) == s2.charAt(j - 1) && interleaved[i][j - 1])) interleaved[i][j] = true; } }
Minimum Adjustment Cost
题目为调整数组中的数,使相邻数之间的差距不超过目标数,求最小的调整代价和(调整代价为调整之后的数与原有数的差值)。这道题是比较能想的动规问题,f[i][k]代表将第i个数替换成k的代价。
public int MinAdjustmentCost(ArrayList<Integer> A, int target) { // write your code here int n = A.size(); int[][] f = new int[n + 1][101]; for (int i = 0; i <= n ; ++i) for (int j = 0; j <=100; ++j) f[i][j] = 1000000; for (int i = 0; i <=100; ++i) f[0][i] = 0; for (int i = 1; i <=n; ++i) for (int j = 0; j <= 100;++j) if (f[i-1][j] != 1000000) for (int k = 0; k <= 100; ++k) if (Math.abs(j-k) <= target) if (f[i][k] > f[i-1][j] + Math.abs(A.get(i-1)-k)) f[i][k] = f[i-1][j] + Math.abs(A.get(i-1)-k); int ans =1000000; for (int i = 0; i <= 100; ++i) if (f[n][i] < ans) ans = f[n][i]; return ans; }
Palindrome Partitioning
题目为求给定一个字符串s,将s分割成一些子串,使每个子串都是回文串。返回s所有可能的回文串分割方案。这种返回所有方案的问题是不能使用动规方法解决的,因为动规一般只能储存是否或者数量。那我们就使用递归来解决。类似于第一篇blog中提及的方法。
public ArrayList<ArrayList<String>> partition(String s) { ArrayList<ArrayList<String>> result = new ArrayList<ArrayList<String>>(); if (s == null) { return result; } ArrayList<String> path = new ArrayList<String>(); helper(s, path, 0, result); return result;}private boolean isPalindrome(String s) { int beg = 0; int end = s.length() - 1; while (beg < end) { if (s.charAt(beg) != s.charAt(end)) { return false; } beg++; end--; } return true;}private void helper(String s, ArrayList<String> path, int pos, ArrayList<ArrayList<String>> result) { if (pos == s.length()) { result.add(new ArrayList<String>(path)); return; } for (int i = pos; i < s.length(); i++) { String prefix = s.substring(pos, i + 1); if (!isPalindrome(prefix)) { continue; } path.add(prefix); helper(s, path, i + 1, result); path.remove(path.size() - 1); }}
Palindrome Partitioning II
题目基于上一道问题,不同的是我们不是求解决的结果,而是求最小分割的次数,如此我们就可以使用动规来解决了。我们用一个f[i]来表示前i个字母,最少可以被分割为多少个回文串。类似与上道题,我们需要一个isPalindrome函数来检测是否是回文串。如果位置j到i的字符串是回文串,那么f[i]就可以等于f[j] + 1(前j个字符串的最小切割次数),但需要取所有跟j有关方案中的最小值。
for (int i = 1; i <= s.length(); i++) { f[i] = Integer.MAX_VALUE; // or f[i] = i for (int j = 0; j < i; j++) { if (isPalindrome[j][i - 1]) { f[i] = Math.min(f[i], f[j] + 1); } } }
- LeetCode刷题系列(十)Dynamic Programming(3)补充
- LeetCode刷题系列(八)Dynamic Programming(1)Paths
- LeetCode刷题系列(九)Dynamic Programming(2)Longest Subxxxx
- [Leetcode刷题总结系列][Dynamic programming]198. House Robber
- [Leetcode刷题总结系列][Dynamic Programming]62. Unique Paths
- LeetCode *** 343. Integer Break (Dynamic Programming )
- LeetCode 53. Maximum Subarray(dynamic programming)
- [Leetcode刷题总结系列][Dynamic programming] 121. Best time to buy and sell stock
- [Leetcode刷题总结系列][Dynamic programming][Divide-and-conquer]53.Maximum Subarray
- [Leetcode刷题总结系列][Dynamic Programming]63. Unique Paths II
- leetCode刷题归纳-Dynamic Programming(514. Freedom Trail)
- leetCode刷题归纳-Dynamic Programming(62. Unique Paths)
- leetCode刷题归纳-Dynamic Programming( 63. Unique Paths II)
- leetCode刷题归纳-Dynamic Programming(120. Triangle)
- leetCode刷题归纳-Dynamic Programming(64. Minimum Path Sum)
- leetCode刷题归纳-Dynamic Programming(85. Maximal Rectangle)
- LeetCode *** 264. Ugly Number II (Dynamic Programming )
- leetcode dynamic programming
- 中国高考是唯一改变命运的道路吗
- 最长公共子序列
- CocoaPods安装
- 风靡欧洲杯的足球手环?
- 【JZOJ 4388】染色
- LeetCode刷题系列(十)Dynamic Programming(3)补充
- Android Sax解析XML出现空值或脏数据的解决方案
- 动态添加控件
- RS-485收发的零延时转换电路
- WPF双击事件
- AndFix使用感想
- 编译报错duplicate symbol _OBJC_IVAR
- Netty -- TCP粘包/拆包
- word里边的表格怎么弄到ppt里