93复原IP地址题目描述有效IP地址正好由四个整数（每个整数位于0到255之间组成，且不能含有前导0），整数之间用'.'分隔。例如："0.1.2.201"和"192.168.1.1"是有效IP地址，但是"0.011.255.245"、"192.168.1.312"和"[email protected]"是无效IP地址。给定一个只包含数字的字符串s，用以表示一个IP地址，返回所有可能的有效IP地址，这些地址可以

象棋描述你有足够多的象棋“车”，在一个n×n的棋盘上你能放多少个“车”呢？注意，所给棋盘上有些位置不能放任何东西。同时，某一行（列）最多只能存在一个“车”。输入第一行为一个正整数n。接下来n行，每行包含n个整数，若为0表示这个位置不能放“车”；若为1表示这个位置可以放“车”。输出输出一个整数，表示最多能放多少个“车”。样例1输入51000000000000101101000010样例1输出3样例1

动态规划part0770.爬楼梯（进阶）解题思路总结322.零钱兑换解题思路总结279.完全平方数解题思路70.爬楼梯（进阶）这道题目爬楼梯之前我们做过，这次再用完全背包的思路来分析一遍文章讲解：70.爬楼梯（进阶）解题思路我们之前做的爬楼梯是只能至多爬两个台阶。这次改为：一步一个台阶，两个台阶，三个台阶，…，直到m个台阶。问有多少种不同的方法可以爬到楼顶呢？这又有难度了，这其实是一个完全背包问题

文章目录贪心算法理论基础455.分发饼干思路代码376.摆动序列思路代码53.最大子序和思路代码贪心算法理论基础学习链接：贪心算法理论基础贪心的本质是选择每一阶段的局部最优，从而达到全局最优如何能看出局部最优是否能推出整体最优呢？没有方法，要靠自己手动模拟，如果可行就试一试贪心策略，不可行可能需要动态规划。最好用的策略就是举反例，如果想不到反例，就试一试贪心。刷题或者面试的时候，手动模拟一下感觉可

今日任务目录贪心理论基础455.分发饼干-Easy376.摆动序列-Medium53.最大子序和-Medium贪心理论基础理论基础：代码随想录贪心的本质是选择每一阶段的局部最优，从而达到全局最优。贪心算法并没有固定的套路，就是常识性推导加上举反例。所以唯一的难点就是如何通过局部最优，推出整体最优。刷题或者面试的时候，手动模拟一下感觉可以局部最优推出整体最优，而且想不到反例，那么就试一试贪心。贪心算

贪心理论：局部最优->整体最优“贪心其实就是没有什么规律可言，所以了解贪心算法就了解它没有规律的本质就够了。不用花心思去研究其规律，没有思路就立刻看题解。基本贪心的题目有两个极端，要不就是特简单，要不就是死活想不出来。学完贪心之后再去看动态规划，就会了解贪心和动规的区别。”没有策略可以判断贪心是否行得通。可以先试一试贪心，不可行就去做dp关于贪心是否需要推导：贪心没有套路，说白了就是常识性推导+举

455.分发饼干链接思路：这里的局部最优就是大饼干喂给胃口大的，充分利用饼干尺寸喂饱一个，全局最优就是喂饱尽可能多的小孩。代码实现：varfindContentChildren=function(g,s){g=g.sort((a,b)=>a-b)s=s.sort((a,b)=>a-b)letresult=0,index=s.length-1;for(leti=g.length-1;i>=0;i--

仅做学习笔记，详细请访问代码随想录491.递增子序列46.全排列47.全排列II491.递增子序列classSolution{private:vector>result;vectorpath;voidbacktrack(vector&nums,intstartindex){if(path.size()>1){result.push_back(path);}unordered_setuset;for

仅做学习笔记，详细请访问代码随想录●332.重新安排行程●51.N皇后●37.解数独●总结●332.重新安排行程classSolution{private://unordered_map>targetsunordered_map>targets;boolbacktracking(intticketNum,vector&result){if(result.size()==ticketNum+1){r

题目链接：455.分发饼干代码随想录看完代码随想录之后的想法：这道题使用的是贪心算法，贪心是由局部最优推出全局最优；我们每一次尽量用大饼干满足胃口大的，不然用大饼干满足胃口小的会浪费大饼干；classSolution{publicintfindContentChildren(int[]g,int[]s){Arrays.sort(g);Arrays.sort(s);intleft=g.length-

代码随想录算法训练营第31天||理论基础||455.分发饼干||376.摆动序列||53.最大子序和理论基础什么是贪心？本质就是选择每一阶段最优，从而达到全局最优。

今日学习的文章链接和视频链接理论基础https://programmercarl.com/%E8%B4%AA%E5%BF%83%E7%AE%97%E6%B3%95%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%80.html455.分发饼干https://programmercarl.com/0455.%E5%88%86%E5%8F%91%E9%A5%BC%E5%B9%B2.h

●理论基础455.分发饼干#伪代码#先排序sort(g.begin,g.end);sort(s.begin.s.end);intresult=0intindex=s.size()-1;for(i=g.size()-1;i>=0;i--){if(index>=0&&s[index0>=g[i]])result++;index--;}returnresult;classSolution:deffind

455.分发饼干题目链接：LeetCode-TheWorld'sLeadingOnlineProgrammingLearningPlatform代码随想录classSolution(object):deffindContentChildren(self,g,s):""":typeg:List[int]:types:List[int]:rtype:int"""#getlengthofsandgm=l

文章目录前言一、理论基础二、455.分发饼干三、376.摆动序列四、53.最大子序和总结前言贪心。一、理论基础贪心没有套路，说白了就是常识性推导加上举反例。贪心算法一般分为如下四步：将问题分解为若干个子问题找出适合的贪心策略求解每一个子问题的最优解将局部最优解堆叠成全局最优解二、455.分发饼干贪心按照大胃口和小胃口分发，如下：这里的局部最优就是大饼干喂给胃口大的，充分利用饼干尺寸喂饱一个，全局最

文章目录理论基础455.分发饼干思路代码总结376.摆动序列思路代码总结53.最大子序和思路代码总结理论基础贪心的本质是选择每一阶段的局部最优，从而达到全局最优贪心算法一般分为如下四步：将问题分解为若干个子问题找出适合的贪心策略求解每一个子问题的最优解将局部最优解堆叠成全局最优解贪心算法其实就是没有什么规律可言455.分发饼干思路代码classSolution{public:intfindCont

前言：贪心算法其实就是没有什么规律可言，所以大家了解贪心算法就了解它没有规律的本质就够了。不用花心思去研究其规律，没有思路就立刻看题解。基本贪心的题目有两个极端，要不就是特简单，要不就是死活想不出来。学完贪心之后再去看动态规划，就会了解贪心和动规的区别。455.分发饼干376.摆动序列注意：细节处理！53.最大子序和

仅做学习笔记，详细请访问代码随想录●理论基础●455.分发饼干●376.摆动序列●53.最大子序和●理论基础有同学问了如何验证可不可以用贪心算法呢？最好用的策略就是举反例，如果想不到反例，那么就试一试贪心吧。贪心一般解题步骤贪心算法一般分为如下四步：将问题分解为若干个子问题找出适合的贪心策略求解每一个子问题的最优解将局部最优解堆叠成全局最优解这个四步其实过于理论化了，我们平时在做贪心类的题目很难去

Seaborn和Matplotlib为我们提供了许多诱人的图表，通过这些图表，人们可以轻松地分析关键点，更深入地了解数据，并最终获得对数据的深刻见解，并在通过不同算法训练后获得

近几年随着大数据和人工智能介入，通过采用支持向量机、神经网络等机器学习算法训练数据集来构建模型，以预测材料的结构、吸附特性、电学特性、催化性能、力学特性和热力学特性等性能，大大推动了新型材料的发现和传统材料的更

文档讲解：单词拆分139.单词拆分题目链接：https://leetcode.cn/problems/word-break/description/思路：单词就是物品，字符串s就是背包，单词能否组成字符串s，就是问物品能不能把背包装满。拆分时可以重复使用字典中的单词，说明就是一个完全背包！设dp[i]:字符串长度为i的话，dp[i]为true，表示可以拆分为一个或多个在字典中出现的单词。如果确定d

文档讲解：爬楼梯（进阶）零钱兑换完全平方数70.爬楼梯（进阶）题目链接：https://kamacoder.com/problempage.php?pid=1067思路：这其实是一个完全背包问题。1阶，2阶，....m阶就是物品，楼顶就是背包。每一阶可以重复使用，例如跳了1阶，还可以继续跳1阶。问跳到楼顶有几种方法其实就是问装满背包有几种方法。设dp[i]：爬到有i个台阶的楼顶，有dp[i]种方法

视频讲解：动态规划之背包问题，装满这个背包最多用多少个物品？|LeetCode：474.一和零_哔哩哔哩_bilibili动态规划之背包问题，装满背包有多少种方法？|LeetCode：494.目标和_哔哩哔哩_bilibili动态规划之背包问题，这个背包最多能装多少？LeetCode：1049.最后一块石头的重量II_哔哩哔哩_bilibili1049.最后一块石头的重量思路：本题和划分子集的思想

视频讲解：带你学透完全背包问题！和01背包有什么差别？遍历顺序上有什么讲究？_哔哩哔哩_bilibili动态规划之完全背包，装满背包有多少种方法？组合与排列有讲究！|LeetCode：518.零钱兑换II_哔哩哔哩_bilibili动态规划之完全背包，装满背包有几种方法？求排列数？|LeetCode：377.组合总和IV_哔哩哔哩_bilibili52.完全背包问题思路：与所预料的一样，就是01背

视频讲解：带你学透0-1背包问题！|关于背包问题，你不清楚的地方，这里都讲了！|动态规划经典问题|数据结构与算法_哔哩哔哩_bilibili带你学透01背包问题（滚动数组篇）|从此对背包问题不再迷茫！_哔哩哔哩_bilibili动态规划之背包问题，这个包能装满吗？|LeetCode：416.分割等和子集_哔哩哔哩_bilibili01背包问题思路：总结一下自己的思路体会：01背包问题的维度分别是物

讲解链接：代码随想录动态规划之完全背包，装满背包最少的物品件数是多少？|LeetCode：322.零钱兑换_哔哩哔哩_bilibili动态规划之完全背包，换汤不换药！|LeetCode：279.完全平方数_哔哩哔哩_bilibili57.爬楼梯思路：递推公式dp[j]+=dp[j-nums[i]]的练习，这里爬楼梯的来源从2变成了m，所以求和m个位置即可。（类别：放满完全背包）importjava

题目链接：455.分发饼干题目描述假设你是一位很棒的家长，想要给你的孩子们一些小饼干。但是，每个孩子最多只能给一块饼干。对每个孩子i，都有一个胃口值g[i]，这是能让孩子们满足胃口的饼干的最小尺寸；并且每块饼干j，都有一个尺寸s[j]。如果s[j]>=g[i]，我们可以将这个饼干j分配给孩子i，这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子，并输出这个最大数值。示例1:输入:g=[1,2,

题目链接：376.摆动序列题目描述如果连续数字之间的差严格地在正数和负数之间交替，则数字序列称为摆动序列。第一个差（如果存在的话）可能是正数或负数。仅有一个元素或者含两个不等元素的序列也视作摆动序列。例如，[1,7,4,9,2,5]是一个摆动序列，因为差值(6,-3,5,-7,3)是正负交替出现的。相反，[1,4,7,2,5]和[1,7,4,5,5]不是摆动序列，第一个序列是因为它的前两个差值都是

题目链接：53.最大子数组和题目描述代码测试用例测试结果测试结果53.最大子数组和中等相关标签相关企业给你一个整数数组nums，请你找出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。子数组是数组中的一个连续部分。示例1：输入：nums=[-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。示例2：输入：nums=[1]输

332.重新安排行程这题按自己的思路写了一版，但最后一个测试用例进入了死循环，捋了半天没想明白原因，先放在这吧。大致思路就是通过当前机票的to搜索下一张机票的from，使用过的机票在used数组中进行标记。vectorans;vectorpath={"JFK"};boolsolved=false;voidbacktracking(vector&used,vector>&tickets){if(pa

530.二叉搜索树的最小绝对差这题依旧利用二叉搜索树中序遍历是单调递增的性质，只要以中序遍历，对比其相邻节点差值即可。利用到了双指针技巧，使用一个pre指针记录上一个节点，cur代表当前节点。TreeNode*pre=nullptr;intminDiff=100001;voidtraversal(TreeNode*cur){if(!cur)return;traversal(cur->left);i

93.复原IP地址整体与131分割回文串类似，仅有部分不同：1、分割回文串时剪枝后是continue（当前子串不是回文串但右边界右移后还有可能是回文串，所以只剪当前i），本题剪枝后是break（当前子串不是IP整数，右边界不管怎么移动之后的子串都不可能是IP整数，所以剪掉整个startIndex）2、除了子串是否合法外还可根据字符串长度进行剪枝//将路径数组转换为IP字符串stringpathTo

491.非递减子序列这题不能对原序列进行排序，想了半天最后还是用回了set来去重。其他方面与之前题型差不多，按模板写即可。判断子序列是否递增只需要将当前元素与path尾元素对比即可。vector>ans;vectorpath;voidbacktracking(intstartIndex,vector&nums){if(path.size()>=2)ans.push_back(path);//每层设

455.分发饼干很简单的思路：小孩和饼干分别排个序，逐个匹配即可确实有那种感觉了：这也叫算法吗？（intfindContentChildren(vector&g,vector&s){std::sort(g.begin(),g.end());std::sort(s.begin(),s.end());intans=0;for(intgIndex=0,sIndex=0;gIndex=g[gIndex])

一、下载数据集及项目包1.数据集1.1文件夹框架的介绍，如下图所示：主要有train和val，分别有高清（HR）和低清（LR）的图像。1.2原图先通过分割尺寸的脚本先将数据集图片处理成两个相同的图像组（HR和LR）。如训练x4的ESRGAN模型，那么我们需要将HR的图像尺寸与LR的图像尺寸比例是4:1。在我的训练中，我将HR的图像尺寸分割成了480x480，LR的图像分割成了120x120。如下图

第九章动态规划part0770.爬楼梯（进阶）importjava.util.Scanner;classclimbStairs{publicstaticvoidmain(String[]args){Scannersc=newScanner(System.in);intm,n;while(sc.hasNextInt()){//从键盘输入参数，中间用空格隔开n=sc.nextInt();m=sc.ne

完全背包视频讲解：带你学透完全背包问题！和01背包有什么差别？遍历顺序上有什么讲究？_哔哩哔哩_bilibilihttps://programmercarl.com/%E8%83%8C%E5%8C%85%E9%97%AE%E9%A2%98%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%80%E5%AE%8C%E5%85%A8%E8%83%8C%E5%8C%85.html518.

70.爬楼梯（进阶）这道题目爬楼梯之前我们做过，这次再用完全背包的思路来分析一遍满背包有几种方法，递推公式一般都是dp[i]+=dp[i-nums[j]];代码随想录publicclassMain{publicstaticvoidmain(String[]args){Scannersc=newScanner(System.in);intn=sc.nextInt();intm=sc.nextInt(

代码随想录算法训练营第四十八天（动态规划篇之01背包）|1049.最后一块

377.组合总和Ⅳ题目链接：377.组合总和Ⅳ-力扣（LeetCode）思路这题对应了518零钱兑换中“先遍历容量，再遍历物体”的遍历顺序。由于元素相同顺序不同的组合算两个组合，其实是求排列。1.dp数组定义dp[j]:凑成目标正整数i的组合（排列）有dp[j]个。2.递推公式对于遍历到的正整数，num，它和之前遍历过的数凑成j的方法取决于之前的正整数能凑成正整数(j-num)的方法，把这个正整数

300.最长递增子序列代码随想录思路：dp[i]表示以i位置结尾的最长递增子序列，如果i位置的数有比其前面位置的数大，位置i的最长升序子序列等于j从0到i-1各个位置的最长升序子序列+1的最大值。代码：classSolution{publicintlengthOfLIS(int[]nums){intn=nums.length;if(n==1)return1;int[]dp=newint[n];Ar

目录一、300.最长递增子序列二、674.最长连续递增序列三、718.最长重复子数组一、300.最长递增子序列力扣题目链接子序列是可以在不改变原有次序的情况下删除一些元素，需要进行二重遍历进行判断classSolution{public:intlengthOfLIS(vector&nums){if(nums.size()dp(nums.size(),1);intresult=0;for(inti=

目录583.两个字符串的删除操作前言思路算法实现法二72.编辑距离前言思路算法实现总结583.两个字符串的删除操作题目链接文章链接前言本题与上一题不同的子序列相比，变化就是两个字符串都可以进行删除操作了。思路利用动规五部曲进行分析：1.确定dp数组及其下标的含义：dp[i][j]：以i-1为结尾的字符串word1，和以j-1位结尾的字符串word2，想要达到相等，所需要删除元素的最少次数。2.确定

300.最长递增子序列力扣思路：1.dp数组及其下标的含义：dp[i]表示i之前包括i的以nums[i]结尾的最长上升自序列的长度；2.递推公式：位置i的最长升序子序列长度=j从0到i-1各个位置的最长升序子序列的长度最大值+1。即，if(nums[i]>nums[j])dp[i]=max(dp[i],dp[j]+1);3.初始化：dp[i]=1;4.遍历顺序：i在外层从前往后遍历，j在内层遍历0

目录1143.最长公共子序列前言思路算法实现1035.不相交的线前言思路算法实现53.最大子序和前言思路算法实现总结1143.最长公共子序列题目链接文章链接前言本题与上一题最长公共子数组类似，只是上一题要求连续，而本题没有这个要求。思路利用动规五部曲进行分析：1.确定dp数组及其下标含义：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

目录392.判断子序列思路算法实现115.不同的子序列思路算法实现总结392.判断子序列题目链接文章链接思路利用动规五部曲进行分析：1.确定dp数组及其下标含义：dp[i][j]表示以下标i-1为结尾的字符串s，和以下标j-1为结尾的字符串t，相同子序列的长度为dp[i][j]。2.确定递推公式：主要考虑两种情况：当s[i-1]==t[j-1]时，t中找到了一个字符在s中也出现了；当s[i-1]!

目录309.最佳买卖股票时机含冷冻期前言思路算法实现714.买卖股票的最佳时机含手续费前言思路算法实现股票问题总结309.最佳买卖股票时机含冷冻期题目链接文章链接前言本题在买卖股票II的基础上增加了一个冷冻期，因此就不能简单分为持有股票和卖出股票两个状态了。思路利用动规五部曲进行分析：1.确定dp数组及其下标的含义：dp[i][j]：第i天状态为j，所剩的最多现金为dp[i][j]；本题的状态j可

300.最长递增子序列讲解链接：代码随想录-300.最长递增子序列dp[i]的定义：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状态转移方程位置i的最长升序子序列等于j从0到i-1各个位置的最长升序子序列+1的最大值。所以：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

300.最长递增子序列（题目链接：力扣（LeetCode）官网-全球极客挚爱的技术成长平台）思路：今天开始了dp的又一类超经典题目，最长递增子序列。依然是dp数组构造四部曲：1.确定dp数组的含义；2.确定递推公式；3.确定dp数组初始化；4.确定dp遍历顺序。因为本题不是求两个数组的公共子序列，因此一维dp数组就够了，里层for循环也不用倒叙遍历。直接拿nums[i]和nums[j]进行比较，如

目录300.最长递增子序列前言思路算法实现674.最长连续递增序列前言思路算法实现718.最长重复子数组前言思路总结300.最长递增子序列题目链接文章链接前言在结束代码随想录中的股票问题后，又是一个新的专题，本题是子序列问题的第一题，子序列问题是动态规划解决的经典问题。思路当前下标i的递增子序列长度，其实和i之前的下表j的子序列长度有关系，利用动规五部曲进行分析：1.确定dp数组及其下标含义：dp