1、背包理论基础有N件物品和一个最多能背重量为W的背包。第i件物品的重量是weight[i]，得到的价值是value[i]。每件物品只能用一次，求解将哪些物品装入背包里物品价值最大。其实这是标准的背包问题。每一件物品有2种状态，取物品放入背包中，不取该物品放入背包中。所以可以使用回溯法搜索出所有的情况，那么时间复杂度就是O(2^n)，这里的n表示物品数量。2、算法分析①确定dp数组以及下标的含义对

算法：动态规划classSolution{publicintuniquePathsWithObstacles(int[][]obstacleGrid){

'''#贪心算法贪心算法（贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择，也就是说，不从整体最优上加以考虑，他所做的是某种意义上的局部最优解贪心算法并不保证会得到最优解，但是在某些问题上贪心算法的解就是最优解要会判断一个问题能否用贪心算法来计算''''''找零问题，假设商店老板需要找零n元钱，钱币的面额有：100元50元20元5元1元如何找零使得所需钱币的数量最少从最大钱币开始找'

~~~~~总题单链接什么是动态规划~~~~~动态规划就是把当前的问题拆分成若干个子问题，将子问题解决后，再用子问题的答案来推出当前的问题。

我自己的理解是KMP其实用了回溯+动态规划的思路来减少无用功，让已经匹配过的字符串可以复用。

由于其NP完全性，当问题规模较大时，求解此问题通常需要使用启发式算法（如遗传算法、动态规划、分支定界法等）来找到近似最优解。（3）实例讲解：0-1背包问题模型手动求解过程在0-1背包问题

文章目录一、动态规划概念二、算法思想三、算法步骤四、应用场景五、动态规划优缺点一、动态规划概念  动态规划（DynamicProgramming，简称DP）是一种广泛应用于数学、计算机科学和经济学等领域的方法论

背景今天在做Leetcode题目时，做到了一道经典的动态规划问题：爬楼梯，题目的大致意思很简单，有个小孩正在上楼梯，楼梯有n阶台阶，小孩一次可以上1阶、2阶或3阶。

动态规划——背包问题文章目录理解背包问题：分类与解题模板什么是背包问题？

文章目录题目链接解题思路解题代码题目链接198.打家劫舍你是一个专业的小偷，计划偷窃沿街的房屋。每间房内都藏有一定的现金，影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警。给定一个代表每个房屋存放金额的非负整数数组，计算你不触动警报装置的情况下，一夜之内能够偷窃到的最高金额。示例1：输入：[1,2,3,1]输出：4解释：偷窃1号房

1阶+1阶+1阶1阶+2阶2阶+1阶解题思路#思路：动态规划#1.划分阶段#按照台阶的层数进行划分为0~n。#2.

算法相关数据结构总结：序号数据结构文章1动态规划动态规划之背包问题——01背包动态规划之背包问题——完全背包动态规划之打家劫舍系列问题动态规划之股票买卖系列问题动态规划之子序列问题算法（Java）——动态规划

Model-FreePredictionInterductionimage.png区别上节课讲已知MDP，使用动态规划方法来获得最优valuefunction和policy。

largestDivisibleSubset(int*nums,intnumsSize,int*returnSize){intlen=numsSize;qsort(nums,numsSize,sizeof(int),cmp);//第1步：动态规划找出最大子集的个数

classSolution{publicListlargestDivisibleSubset(int[]nums){intlen=nums.length;Arrays.sort(nums);//第1步：动态规划找出最大子集的个数

IDEA动态规划（从后向前）时间复杂度O(n2)O(n^2)O(n2)classSolution{publicintjump(int[]nums){nums[nums.length-1]=0;for(inti

目录引言最优子结构重叠子问题打家劫舍（LeetCode198题）经典例题1.爬楼梯（LeetCode70题）2.斐波那契数列（LeetCode126题）3.最长公共子序列（LeetCode95题）引言动态规划

0-1背包问题及其Java实现概述0-1背包问题是动态规划领域的经典问题之一。

  今天做了一道背包问题的变种问题，这个问题还是用动态规划来做，但是做法上跟原来的背包问题有很大的区别。题意给出一个都是正整数的数组nums，其中没有重复的数。

目录115.不同的子序列分析：583.两个字符串的删除操作72.编辑距离115.不同的子序列力扣题目链接(opensnewwindow)给定一个字符串s和一个字符串t，计算在s的子序列中t出现的个数。字符串的一个子序列是指，通过删除一些（也可以不删除）字符且不干扰剩余字符相对位置所组成的新字符串。（例如，"ACE"是"ABCDE"的一个子序列，而"AEC"不是）题目数据保证答案符合32位带符号整数

300.最长递增子序列力扣题目链接(opensnewwindow)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

目录Leetcode62：不同路径Ⅰ题目描述思路分析Leetcode63：不同路径Ⅱ题目描述代码实现Leetcode62：不同路径Ⅰ题目描述思路分析解法一：动态规划publicintuniquePaths1

leetcode139.单词拆分给你一个字符串s和一个字符串列表wordDict作为字典。如果可以利用字典中出现的一个或多个单词拼接出s则返回true。注意：不要求字典中出现的单词全部都使用，并且字典中的单词可以重复使用。示例1：输入:s=“leetcode”,wordDict=[“leet”,“code”]输出:true解释:返回true因为“leetcode”可以由“leet”和“code”拼

子序列问题是动态规划解决的经典问题，当前下标i的递增子序列长度，其实和i之前

提示：区间dp#include#includeusingnamespacestd;intf[2005][2005];chars[2005];intmain(){memset(f,0x3f,sizeoff

今天是动态规划算法学习的第八天，也是买卖股票的一天。涉及到了使用多维数组来表示不同的状态，然后进行状态转移。

题目描述实现一个简易的重复内容识别系统，通过给定的两个内容名称，和相似内容符号，判断两个内容是否相似；如果相似，返回相似内容；如果不相似，返回不相似的内容。初始化：给出两个字符串，一些相似字符对，如顿号和逗号相似，的和de相似，猪和潴，给出两个字符串的相似判断结果输入：两条语句，给出是否相似，对于相似的语句，返回True和相似的字符对；对于不相似的内容，则返回第一个内容的不相似信息，方便后续补充注

0-1背包问题详解与实现目录0-1背包问题详解与实现问题描述问题分析状态定义状态转移方程边界条件算法实现暴力搜索记忆化搜索动态规划空间优化总结思维导图C++学习资源问题描述在算法领域，0-1背包问题是一个经典的优化问题

今天累了，动态规划总结就先不写了，

300.最长递增子序列：要注意dp数组的定义，dp[i]指包括nums[i]的最长子序列长度，因此最后的result是dp数组里元素的最大值。其次，初始化要注意，所有元素初始化为1，因为最起码升序数组可以包含元素本身。674.最长连续递增序列：达成不看视频就解答的成就。仅仅就是把递推公式逻辑变成，当前元素大于前一个元素即可。718.最长重复子数组：最难的部分在于定义dp数组，是我想不到的定义方式了

322.零钱兑换：完全背包之装满一个背包的最少物品件数是多少。由于取最小值，数组初始化时，除了dp[0]都初始化为最大值。遍历顺序和组合排列无关，先遍历哪个都可以。注意顺序是从前到后，是一维数组的正常从前往后递推。279.完全平方数：和上面一题本质一模一样。注意边界即可。139.单词拆分：可以用回溯算法章节分割回文串的暴力搜索方式。这题必须先遍历背包再遍历物品，因为所求结果和排列有关。这题类似背包

本题综合了二叉树的遍历和动态规划，经典的二叉树后序遍历，状态一步一步向

动态规划方法注意dp数组的含义，持有为0，不持有为1。由于只能购买一次，一旦持有股票，要么是首次买入，值为-prices[i]，要么是维持前一天。这个点会体现和其他股票题的区别！

188.买卖股票的最佳时机IV：就是把买卖股票III换成了更加通解的模式，想清楚递归和初始化的逻辑，注意二维dp数组大小不要定义反即可。309.买卖股票的最佳时机含冷冻期：需要具体分为四个状态，最主要在于拆分“不持有股票/卖出股票”这个状态，以便在数组中展示出冷冻期的操作。理解递推原理之后并不难，不强求压缩数组了。714.买卖股票的最佳时机含手续费：基本就是买卖股票II的变换，在递推公式里扣除手续

思路：动态规划可以直接在矩阵上修改，减小时间复杂度，把当前位置的数改为到当前位置的最小路径，起始位置不用变，直接跳过进行后面的运算

动态规划的时间复杂度：O(状态总数*计算每个状态的时间复杂度)举例：triangle，数字三角形的最短路径，状态总数约O(n^2)个，计算每个状态的时间复杂度为

DP初步：状态转移与递推最少硬币问题有多个不同面值的硬币(任意面值)数量不限输入金额S，输出最少硬币组合。回顾用贪心求解硬币问题硬币面值1、2、5。支付13元，要求硬币数量最少贪心:(1)5元硬币，2个(2)2元硬币，1个(3)1元硬币，1个硬币面值1、2、4、5、6.，支付9元。贪心:(1)6元硬币，1个(2)2元硬币，1个(3)1元硬币，1个错误!答案是:5元硬币+4元硬币=2个硬币问题的正解

文章目录1.题目2.思路及代码实现详解（Java）2.1动态规划2.2不需要额外空间的算法1.题目给你一个只包含'('和')'的字符串，找出最长有效（格式正确且连续）括号子串的长度。

思路：动态规划的选择问题思路：有点像01背包，但是又不像，因为这里的状态分为三个，并不是两个，也就是说，这是一个很好的01背包变形问题。状态有三个，也就是放到左边，放到右边，或者说不选择它。

解码方法题目链接解题思路:动态规划状态表示:dp[i]表示前i个字符,可以解码方法的总数状态转移方程以i位置为结尾的字符,可以有两种情况进行解码单独解码如果该字符不为0,就可以解码成功,就相当于在区间[

数据结构之数组2）1.2数据结构之字符串3）1.3数据结构之链表4）1.4数据结构之队列5）1.5数据结构之栈5）1.6数据结构之二叉树6）1.7数据结构之BFS7）1.8数据结构之DFS8）2.1算法之动态规划

123.BestTimetoBuyandSellStockIII股票问题就是分清有几个状态，然后弄清每个状态是由哪个状态转化而来的。其实和背包问题很类似，背包问题是物品装与不装，股票就是买与不买。不同点在于，股票在买与不买的基础上，还有卖与不卖的另一种状态！无操作=当日买入+当日再卖出代码随想录中dp包含5种状态，他是4种状态+1种操作（无操作）。我这里给出和之前121题、122题背包问题，一致的

寻找最长递增序列可以用动态规划实现。但测试用例只通过了2/20，我使用其它用户发的代码并作了些格式上的修改，依然只能通过2/20。有没有人能告诉为什么：（代码（未通过所有测试案例）

学习目标：本次学习目标为力扣初级算法-动态规划，其中主要的LC如下：最大子序和学习内容：最大子序和-----（[链接](https://leetcode-cn.com/leetbook/read/top-interview-questions-easy

198.打家劫舍https://leetcode.com/problems/house-robber/description/思路：经典的动态规划问题，首先确定dp数组记录的是打劫到第i家时的收获，dp

CodeforcesRound927(Div.3)(A~E)目录：ABCDEA题：ThornsandCoins标签:动态规划（dp）贪心（greedy）实现问题，编程技巧，模拟（implementation

文章目录动态规划矩阵动态规划矩阵接下来我们深入一下，看几道矩阵类型的题目：62.不同路径一个机器人位于一个mxn网格的左上角（起始点在下图中标记为“Start”）。机器人每次只能向下或者向右移动一步。

前言组会前一点不慌，反正跑不出好东西，能应付就行，早上直接刷题70.爬楼梯-力扣（LeetCode）动态规划classSolution:defclimbStairs(self,n:int)->int:dp

funcmax(a,bint)int{ifa>b{returna}returnb}//392.判断子序列//本题与求最长公共子序列相似，区别在于，如果s是t的子序列，那么最长公共子序列的长度等于s的长度，否则s不是t的子序列funcisSubsequence(sstring,tstring)bool{n:=len(s)ifn==0{returntrue}h:=len(t)dp:=make([][]