动态规划2:题目-Toy模板网

这篇具有很好参考价值的文章主要介绍了动态规划2:题目。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

第1题 Fibonacci

第2题字符串分割(Word Break)

.第3题三角矩阵(Triangle)

第4题路径总数(Unique Paths)

第5题最小路径和(Minimum Path Sum)

第6题背包问题

第7题回文串分割(Palindrome Partitioning)

第8题编辑距离(Edit Distance)

第9题不同子序列(Distinct Subsequences)

第1题 Fibonacci

动态规划2:题目

分析问题:

1. 状态定义F(i):第i个项的值

2. 状态间的转移方程定义:F(i)=F(i-1)+F(i-2)

3. 状态的初始化:F(0)=0 F(1)=1

4. 返回结果:F(i)

public class Solution {
    public int Fibonacci(int n) {
        //创建数组,保存状态的值
        int[] dp=new int[n+1];
        dp[0]=0;
        dp[1]=1;
        //F(i)=F(i-1)+F(i-2)
        //从第二个开始到第n个结束
        for(int i=2;i<=n;i++){
            dp[i]=dp[i-1]+dp[i-2];
        }
        return dp[n];

    }
}

第2题字符串分割(Word Break)

动态规划2:题目

F(i) F(j) && [j+1,i] 可以在词典中找到

分析问题:

1. 状态定义F(i):

字符串s是否可以分割

2. 状态间的转移方程定义:

F(i):(j<i) && F(j) $$ [j+1,i] 是否可以在词典中找到

3. 状态的初始化:

F(0)=true

4. 返回结果:

F(字符串长度):f(s.size())

public class Solution {
    public boolean wordBreak(String s, Set<String> dict) {
       boolean[] dp=new boolean[s.length()+1];
       dp[0]=true;
       for(int i=1;i<=s.length();i++){
        for(int j=0;j<i;j++){
            if(dp[j] && dict.contains(s.substring(j,i))){
                dp[i]=true;
                break;
            }
        }
        
       }
       return dp[s.length()];
       
    }
}

.第3题三角矩阵(Triangle)

动态规划2:题目

问题:从顶部到底部的最小路径和

状态:从(0,0)到(i,j)的最小路径和

状态转移方程:

F(i,j): min(F(i-1,j-1),F(i-1,j))+array[i][j] 前一个最小的和当前的值的和

(j==0 || j==i):F(i,j):

j==0 ; (F(i-1,0)+array[i][0]

j==i;F(i-1,j-1)+array[i][j]

初始状态:

F(0,0)=array[0][0]

返回结果:

min(F(row-1,j))

public int minimumTotal(ArrayList<ArrayList<Integer>> triangle) {
    if(triangle.isEmpty()){
        return 0;
    }

    List<List<Integer>> minPathSum=new ArrayList<>();
    for(int i=0;i<triangle.size();i++){
        minPathSum.add(new ArrayList<>());
    }
    //F(0)(0)初始化
    minPathSum.get(0).add(triangle.get(0).get(0));
    for(int i=1;i<triangle.size();i++){
        int curSum=0;
        for(int j=0;j<=i;j++){
            if(j==0){
                curSum=minPathSum.get(i-1).get(0);
            }
            else if(j==i){
                curSum=minPathSum.get(i-1).get(j-1);
            }else{
                curSum=Math.min(minPathSum.get(i-1).get(j),minPathSum.get(i-1).get(j-1));
            }
            //之前的值加当前的值
            minPathSum.get(i).add(triangle.get(i).get(j)+curSum);
        }
    }
    int size=triangle.size();
    //值为最后一行第一个
    int allMin=minPathSum.get(size-1).get(0);
    for (int i = 1; i < size; i++) {
        //遍历最后一行找到最小值
        allMin=Math.min(allMin,minPathSum.get(size-1).get(i));
    }
    return allMin;
}

第4题路径总数(Unique Paths)

动态规划2:题目

状态:从(0,0)到任意一点的个数

转移方程:F(i,i)=F(i-1,j)+F(i,j-1); 上面和左面的个数和

初识状态:F(i,0)=F(0,j)=1;

返回结果: F(m-1,n-1)

 public int uniquePaths (int m, int n) {
       int[][] arr=new int[m][n];
       //初始化
       for(int i=0;i<m;i++){
        arr[i][0]=1;
       }
       for(int i=0;i<n;i++){
        arr[0][i]=1;
       }
       //过程
       for(int i=1;i<m;i++){
        for(int j=1;j<n;j++){
            arr[i][j]=arr[i-1][j]+arr[i][j-1];
        }
       }
       return arr[m-1][n-1];
    }

第5题最小路径和(Minimum Path Sum)

动态规划2:题目

状态: 从(0,0)到(i,j)的最短路径和

状态转移方程:F(i,j)=min{F(i-1,j),,F(i,j-1)}+array[i][j]

i==0 F=F(0,j-1)+array[0][j]

j==0 F(i-1,0)+array[i][j]

初始化 F(0,0)=array[0][0]

返回结果:F(m-1,n-1)

public int minPathSum (int[][] grid) {
       
       int n=grid.length;
       int m=grid[0].length;
       if(n==0 || m==0){
        return 0;
       }
       //在grid的基础上改
       for(int i=1;i<n;i++){
        grid[i][0]=grid[i-1][0]+grid[i][0];
       }
       for(int i=1;i<m;i++){
        grid[0][i]=grid[0][i-1]+grid[0][i];
       }
       for(int i=1;i<n;i++){
        for(int j=1;j<m;j++){
            grid[i][j]=Math.min(grid[i-1][j],grid[i][j-1])+grid[i][j];
        }
       }
       return grid[n-1][m-1];

    }

第6题背包问题

动态规划2:题目

文章来源地址https://www.toymoban.com/news/detail-462673.html

状态:F(i,j):从前I个商品中选择,包的大小为j时,最大值

状态转移方程:

1.能放入:

1.不放:和前一个相同

2.放入:大小剪去改商品的大小,价值增加

2.不能放入:

和前一个相同

初识状态:

第0行和第0列都为0,表示没有商品或者包大小为0

F(0,j)=F(i,0)=0;

返回结果F(m,n)

 public int backPackII(int m, int[] a, int[] v) {
        //得到商品总个数
        //包大小为0,或没有商品直接返回
        //创建二维数组:表示背包总价值   列表示放入的商品个数  行表示包的大小
        //初始化  行为0,或列为0,结果都为0
        //过程  判断商品大小,有放入和不放入两种
        //返回
        int num=a.length;
        if(m==0 || num==0){
            return 0;
        }
          // 0,0返回,所以要+1
        int[][] dp=new int[num+1][m+1];
        for(int i=0;i<=num;i++){
            dp[i][0]=0;
        }
        for(int i=0;i<=m;i++){
            dp[0][i]=0;
        }
      //从1到num开始遍历
        for(int i=1;i<=num;i++){
            for(int j=1;j<=m;j++){
               //a,v数组是从0开始的
               //dp从1开始
                if(a[i-1]>j){
                    dp[i][j]=dp[i-1][j];
                }else{
                    int cur=dp[i-1][j-a[i-1]]+v[i-1];
                    dp[i][j]=Math.max(cur,dp[i-1][j]);
                }
            }
        }
        return dp[num][m];

第7题回文串分割(Palindrome Partitioning)

动态规划2:题目

如果从j+1到i为回文串,也知道j之前的分割次数,就在切一次,保证都是回文串

F(i):[i,i]是回文串:0

j<i && [j+1][i]是回文串:min(f(i)+1)

状态:f(i):s的前i个字符最小的分割次数

状态转移方程:

如果j到i-1是是回文串,f(j)+1

F(i,j):

初始状态:

f(i)=i-1 从1开始最大分割次数为每一个字母都分割一次

循环判断首尾元素是否相同，如果全部相同，则是回文串

import java.util.*;


public class Solution {
    /**
     * 
     * @param s string字符串 
     * @return int整型
     */
 public int minCut (String s) {
    int len=s.length();
    if(len==0){
        return 0;
    }
    int[] minCut=new int[len+1];
    //初始化
    for(int i=0;i<=len;i++){
        minCut[i]=i-1;
    }
    for (int i = 1; i <=len ; i++) {
        for (int j = 0; j <=i ; j++) {
            //前面的循环就直接可以拿到0-j是不是回文串的结果
            //前面的结果是已知的,要判断后面的是不是回文串
            if(isPal(s,j,i-1)){
                minCut[i]=Math.min(minCut[i],minCut[j]+1);
            }
        }
    }
    return minCut[len];
    
}

private boolean isPal(String s, int start, int end) {
    while(start<end){
        if(s.charAt(start)!=s.charAt(end)){
            return false;
        }
        start++;
        end--;
    }
    return true;
}
}

第8题编辑距离(Edit Distance)

动态规划2:题目

问题:word1到word2的编辑距离

子问题:word1局部到word2局部的编辑距离

状态：

F(i,j):word1前i个字符到word2前j个字符的编辑距离

min(删除,插入,替换(相等不加一))

F(i,j) = min { F(i-1,j）+1, F(i,j-1) +1, F(i-1,j-1) +(w1[i]==w2[j]?0:1) }

i删除增加i 如果i,j对应的字符相等,不操作,如果不相等,+1

初始化:F(i,0)=i

F(0,i)=i

返回结果:F(m,n)

步骤:

有一个为空,返回另一个的长度
初始化
状态变化:从1开始
1. 得到插入和删除的最小值
2. 判断i,j对应的元素是否相等
3. 替换和1得到的值取最小值
返回

import java.util.*;


public class Solution {
    /**
     * 
     * @param word1 string字符串 
     * @param word2 string字符串 
     * @return int整型
     */
     public int minDistance (String word1, String word2) {
        // write code here
        if(word1.isEmpty() || word2.isEmpty()){
            return Math.max(word1.length(),word2.length());
        }
        int row=word1.length();
        int col=word2.length();
        int[][] dp=new int[row+1][col+1];
        for(int i=0;i<=row;i++){
            dp[i][0]=i;
        }
        for(int i=0;i<=col;i++){
            dp[0][i]=i;
        }
        for(int i=1;i<=row;i++){
            for(int j=1;j<=col;j++){
                int cur=Math.min(dp[i-1][j],dp[i][j-1])+1;
                if(word1.charAt(i-1) ==word2.charAt(j-1)){
                    dp[i][j]=Math.min(dp[i-1][j-1],cur);
                }else{
                    dp[i][j]=Math.min(dp[i-1][j-1]+1,cur);
                }
            }
        }
        return dp[row][col];
    }
}

第9题不同子序列(Distinct Subsequences)

动态规划2:题目

问题:
1. S中和T相同的子序列的个数
子问题:
1. S的子串中和T相同的子序列的个数
状态F(i):
1. S的前i个字符构成的子串中和T相同的子序列的个数
2. 子串长度>=T的长度
3. 在F(i,j)处需要考虑S[i] = T[j] 和 S[i] != T[j]两种情况
状态转移方程
1. 当s[i]!=T[j]: F(i,j)=F(i-1,j)
2. 当s[i]==T[i]:
  1. 匹配: F(i,j)=F(i-1,j-1)
  2. 不匹配: F(i,j)=F(i-1,j) s,t下标从0开始
初始化:
1. F(i,0)=1 s中包含空集
2. F(0,j)=0 空集中不包含

import java.util.*;


public class Solution {
    /**
     * 
     * @param S string字符串 
     * @param T string字符串 
     * @return int整型
     */
   public int numDistinct (String S, String T) {
        int slen=S.length();
        int tlen=T.length();
        //初始化
        int[][] dp=new int[slen+1][tlen+1];
        dp[0][0]=1;
        for(int i=1;i<=slen;i++){
            dp[i][0]=1;
        }
        for(int i=1;i<=tlen;i++){
            dp[0][i]=0;
        }
        for(int i=1;i<=slen;i++){
            for(int j=1;j<=tlen;j++){
                if(S.charAt(i-1)==T.charAt(j-1)){
                    dp[i][j]=dp[i-1][j-1]+dp[i-1][j];
                }else{
                    dp[i][j]=dp[i-1][j];
                }
            }
        }
        return dp[slen][tlen];
    }
}

到了这里，关于动态规划2:题目的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！