带你读《图解算法小抄》二十一、动态规划(12)

简介: 带你读《图解算法小抄》二十一、动态规划(12)

带你读《图解算法小抄》二十一、动态规划(11)https://developer.aliyun.com/article/1347952?groupCode=tech_library


2)解题步骤

为了计算最长数对链,我们可以使用动态规划的思想来解决问题。排序:首先对给定的数对列表按照第二个数字的升序进行排序,以确保后面的数对始终满足跟随关系。

 

  • 定义状态:我们可以将问题转化为对于每个数对的状态,即以该数对为结尾的最长数对链的长度。令 dp[i] 表示以第 i 个数对为结尾的最长数对链的长度。
  • 初始状态:对于每个数对,初始状态为 1,即自身形成长度为 1 的数对链。
  • 状态转移方程:对于第 i 个数对,我们需要找到所有在它之前的数对 (a, b),其中 b < c,并更新 dp[i]。如果存在多个满足条件的数对,我们选择最长的数对链长度进行更新。
  • 综上所述,我们可以得到状态转移方程为:dp[i] = max(dp[j] + 1),其中 0 ≤ j < i 且 pairs[j][1] < pairs[i][0]
  • 最终解:问题的解即为所有 dp[i] 中的最大值。

下面是使用动态规划解决最长数对链问题的算法框架:

 

function findLongestChain(pairs) {
  const n = pairs.length;  // 排序
  pairs.sort((a, b) => a[1] - b[1]);  // 初始化状态数组
  const dp = new Array(n).fill(1);  // 计算最长数对链的长度
  for (let i = 1; i < n; i++) {
    for (let j = 0; j < i; j++) {
      if (pairs[j][1] < pairs[i][0]) {
        dp[i] = Math.max(dp[i], dp[j] + 1);
      }
    }
  }  // 返回最长数对链的长度
  return Math.max(...dp);
}

19.最大和的循环子数组

1)题目描述

给定一个由整数数组 nums 组成的循环数组,找到具有最大和的连续子数组(允许循环)。子数组最少包含一个元素。

2)解题步骤

为了解决循环子数组的最大和问题,我们可以使用动态规划的思想来解决。处理普通的最大和子数组问题:首先,我们可以使用动态规划来解决普通的最大和子数组问题,即找到不循环的情况下的最大和子数组。我们可以使用 Kadane's 算法来处理此问题。

 

处理循环的最大和子数组问题:对于循环数组,存在两种情况:

  • 情况一:最大和子数组不包含循环的起始点和结束点。在这种情况下,我们可以直接应用步骤 1 中的动态规划算法来计算最大和。
  • 情况二:最大和子数组包含循环的起始点和结束点。在这种情况下,我们需要使用两次动态规划算法来计算最大和:
  • 第一次,我们计算从数组起始位置到数组的倒数第二个位置的最大和,即 maxSum1 = kadane(nums, 0, n-2),其中 kadane() 是步骤 1 中的动态规划算法。
  • 第二次,我们计算从数组的第二个位置到数组的末尾位置的最大和,即 maxSum2 = kadane(nums, 1, n-1)。取最大和:最后,我们比较两个情况下的最大和,即 maxSum = max(maxSum1, maxSum2),其中 max() 是取两个数的较大值的函数。

 

下面是使用动态规划解决最大和的循环子数组问题的算法框架:

 

function maxSubarraySum(nums) {
  // 计算不循环的最大和子数组
  function kadane(arr, start, end) {
    let maxSum = -Infinity;
    let currSum = 0;    for (let i = start; i <= end; i++) {
      currSum = Math.max(arr[i], currSum + arr[i]);
      maxSum = Math.max(maxSum, currSum);
}
    return maxSum;
  }
  const n = nums.length;  // 情况一:最大和子数组不包含循环的起始点和结束点
  const maxSum1 = kadane(nums, 0, n - 2);  // 情况二:最大和子数组包含循环的起始点和结束点
  const maxSum2 = kadane(nums, 1, n - 1);  // 取最大和
  const maxSum = Math.max(maxSum1, maxSum2);
  return maxSum;
}


带你读《图解算法小抄》二十一、动态规划(13)https://developer.aliyun.com/article/1347949

相关文章
|
11月前
|
机器学习/深度学习 存储 算法
动态规划算法深度解析:0-1背包问题
0-1背包问题是经典的组合优化问题,目标是在给定物品重量和价值及背包容量限制下,选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决,通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值,利用状态转移方程避免重复计算子问题,从而高效求解最优解。
1040 1
|
存储 算法 Java
算法系列之动态规划
动态规划(Dynamic Programming,简称DP)是一种用于解决复杂问题的算法设计技术。它通过将问题分解为更小的子问题,并存储这些子问题的解来避免重复计算,从而提高算法的效率。
572 4
算法系列之动态规划
|
算法 Java C++
【潜意识Java】蓝桥杯算法有关的动态规划求解背包问题
本文介绍了经典的0/1背包问题及其动态规划解法。
617 5
|
算法
动态规划算法学习三:0-1背包问题
这篇文章是关于0-1背包问题的动态规划算法详解,包括问题描述、解决步骤、最优子结构性质、状态表示和递推方程、算法设计与分析、计算最优值、算法实现以及对算法缺点的思考。
986 2
动态规划算法学习三:0-1背包问题
|
算法 安全 调度
【动态规划篇】穿越算法迷雾:约瑟夫环问题的奇幻密码
【动态规划篇】穿越算法迷雾:约瑟夫环问题的奇幻密码
|
机器学习/深度学习 算法 测试技术
【动态规划篇】01 背包的逆袭:如何用算法装满你的 “财富背包”
【动态规划篇】01 背包的逆袭:如何用算法装满你的 “财富背包”
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
415 2
|
存储 算法
动态规划算法学习一:DP的重要知识点、矩阵连乘算法
这篇文章是关于动态规划算法中矩阵连乘问题的详解,包括问题描述、最优子结构、重叠子问题、递归方法、备忘录方法和动态规划算法设计的步骤。
1736 1
|
算法
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
这篇文章介绍了动态规划算法中解决最大上升子序列问题(LIS)的方法,包括问题的描述、动态规划的步骤、状态表示、递推方程、计算最优值以及优化方法,如非动态规划的二分法。
539 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
|
算法
动态规划算法学习二:最长公共子序列
这篇文章介绍了如何使用动态规划算法解决最长公共子序列(LCS)问题,包括问题描述、最优子结构性质、状态表示、状态递归方程、计算最优值的方法,以及具体的代码实现。
915 0
动态规划算法学习二:最长公共子序列

热门文章

最新文章