前几天有点忙加上贪心后面好难QWQ暂时跳过两天的贪心，开始学动归动态规划理论基础:文章链接:代码随想录文章思维导图:文章摘要:动态规划，英文：DynamicProgramming，简称DP，如果某一问题有很多重叠子问题

力扣题部分:62.不同路径题目链接:.-力扣（LeetCode）题面: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。机器人试图达到网格的右下角（在下图中标记为“Finish”）。问总共有多少条不同的路径？思路:动规五部曲:1.确定dp数组（dptable）以及下标的含义dp[i][j]：表示从（0，0）出发，到(i,j)有dp[i]

思路：动态规划五部曲：1.确定dp数组及含义。dp数组需要是一个二维数组，dp[i][j]代表从起始位置到下标为（i，j）位置的不同路径条数。2.确定递推公式。

121.买卖股票的最佳时机.-力扣（LeetCode）一次买卖股票的最大收益1.dp[i][0]表示第i天持有股票所得最多现金，dp[i][1]表示第i天不持有股票所得最多现金2.dp[i][0]=max(dp[i-1][0],-prices[i]);前一天持有的收益，与今天持有的maxdp[i][1]=max(dp[i-1][1],prices[i]+dp[i-1][0]);前一天不持有的收益与

300.最长递增子序列1.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2.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。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。3.dp[i]（即最长递增子序列）起始大小至

tpId=117&&tqId=37717&rp=1&ru=/activity/oj&qru=/ta/job-code-high/question-ranking根本用不上什么动态规划，直接遍历数组，然后找到最低价格

509.斐波那契数斐波那契数，通常用F(n)表示，形成的序列称为斐波那契数列。该数列由0和1开始，后面的每一项数字都是前面两项数字的和。也就是：F(0)=0，F(1)=1F(n)=F(n-1)+F(n-2)，其中n>1给你n，请计算F(n)。示例1：输入：2输出：1解释：F(2)=F(1)+F(0)=1+0=1示例2：输入：3输出：2解释：F(3)=F(2)+F(1)=1+1=2示例3：输入：4输

华为OD机试2024E卷题库疯狂收录中，刷题点这里专栏导读本专栏收录于《华为OD机试真题（Python/JS/C/C++）》。刷的越多，抽中的概率越大，私信哪吒，备注华为OD，加入华为OD刷题交流群，每一题都有详细的答题思路、详细的代码注释、3个测试用例、为什么这道题采用XX算法、XX算法的适用场景，发现新题目，随时更新，全天CSDN在线答疑。一、题目描述部门准备举办一场王者荣耀表演赛，有10名游

完全背包问题：每个物品使用次数没有限制，与0-1背包的不同之处在于遍历背包的顺序是正序。#includeusingnamespacestd;intmain(){intn,v;cin>>n>>v;vectorweight(n),values(n),dp(v+1,0);//dp[j]：容量为j的背包的最大价值for(inti=0;i>weight[i]>>values[i];}for(inti=0;i

由美国计算机科学家罗伯特·弗洛伊德于1962年提出，该算法通过动态规划的思想，在图中寻找任意两个节点之间的最短路径，具有广泛的应用。本文将详细介绍弗洛伊德算法的原理、实现细节以及应用案例。

目录1.引言与背景2.庞特里亚金定理与动态规划3.算法原理4.算法实现5.优缺点分析优点缺点6.案例应用7.对比与其他算法8.结论与展望1.引言与背景在当今信息爆炸的时代，机器学习作为人工智能领域的核心驱动力

目录583.两个字符串的删除操作72.编辑距离编辑距离总结篇判断子序列不同的子序列两个字符串的删除操作编辑距离583.两个字符串的删除操作本题和动态规划：115.不同的子序列相比，其实就是两个字符串都可以删除了

解法都在代码里，不懂就留言或者私信，这个题绝对比动态规划的解法强classSolution{/**本题我们先不用动态规划了，因为从任何一个位置都可能跳到最后一个位置，用动态规划的成本太高了本题的解题思路

剑指OfferII092.翻转字符【中等题】思路：【动态规划】二阶dp数组dp[i][0]表示将第i位翻转为0后，数组保持递增的最小翻转次数dp[i][1]表示将第i位翻转为1后，数组保持递增的最小翻转次数初始状态

动态规划的正确打开跳台阶题目描述：一个楼梯共有n级台阶，每次可以走一级或者两级，问从第0级台阶到第n级台阶一共有多少种方案。输入格式：共一行，包含一个整数n。

**动态规划**：使用动态规划求解最长路径。###细节-**图的构建**：遍历所有边，根据点权大小确定边的方向。-**拓扑排序**：使用Kahn算法或DFS进行拓扑排序。

eg:第i组一个物品都不选f[i-1][j]，第i组选第k个物品f[i-1][j-v[i][k]]+w[i][k]样例输入：3521224134145样例输出：8//动态规划-分组背包#includeusingnamespacestd

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

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