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
|
2月前
|
算法 开发者 Python
惊呆了!Python算法设计与分析,分治法、贪心、动态规划...这些你都会了吗?不会?那还不快来学!
【7月更文挑战第10天】探索编程巅峰,算法至关重要。Python以其易读性成为学习算法的首选。分治法,如归并排序,将大问题拆解;贪心算法,如找零问题,每步求局部最优;动态规划,如斐波那契数列,利用子问题解。通过示例代码,理解并掌握这些算法,提升编程技能,面对挑战更加从容。动手实践,体验算法的神奇力量吧!
62 8
|
2月前
|
算法 Python
算法不再难!Python分治法、贪心、动态规划实战解析,轻松应对各种算法挑战!
【7月更文挑战第8天】掌握Python算法三剑客:分治、贪心、动态规划。分治如归并排序,将大问题拆解递归解决;贪心策略在每步选最优解,如高效找零;动态规划利用子问题解,避免重复计算,解决最长公共子序列问题。实例展示,助你轻松驾驭算法!**
52 3
|
1月前
|
机器学习/深度学习 算法 Java
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
这篇文章介绍了基于贪婪技术思想的Prim算法和Dijkstra算法,包括它们的伪代码描述、Java源代码实现、时间效率分析,并展示了算法的测试用例结果,使读者对贪婪技术及其应用有了更深入的理解。
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
|
1月前
|
算法 Java 测试技术
算法设计(动态规划实验报告) 基于动态规划的背包问题、Warshall算法和Floyd算法
这篇文章介绍了基于动态规划法的三种算法:解决背包问题的递归和自底向上实现、Warshall算法和Floyd算法,并提供了它们的伪代码、Java源代码实现以及时间效率分析。
算法设计(动态规划实验报告) 基于动态规划的背包问题、Warshall算法和Floyd算法
|
2月前
|
算法 Python
Python算法高手进阶指南:分治法、贪心算法、动态规划,掌握它们,算法难题迎刃而解!
【7月更文挑战第10天】探索Python算法的精华:分治法(如归并排序)、贪心策略(如找零钱问题)和动态规划(解复杂问题)。通过示例代码揭示它们如何优化问题解决,提升编程技能。掌握这些策略,攀登技术巅峰。
69 2
|
2月前
|
算法 程序员 Python
算法小白到大神的蜕变之路:Python分治法、贪心、动态规划,一步步带你走向算法巅峰!
【7月更文挑战第9天】探索算法之旅,以Python解锁编程高手之路。分治法如二分查找,将复杂问题拆解;贪心算法解决活动选择,每次选取局部最优;动态规划求斐波那契数列,避免重复计算,实现全局最优。每一步学习,都是编程能力的升华,助你应对复杂挑战,迈向算法大师!
37 1
|
2月前
|
存储 算法 Python
Python算法界的秘密武器:分治法巧解难题,贪心算法快速决策,动态规划优化未来!
【7月更文挑战第9天】Python中的分治、贪心和动态规划是三大关键算法。分治法将大问题分解为小问题求解,如归并排序;贪心算法每步选局部最优解,不保证全局最优,如找零钱;动态规划存储子问题解求全局最优,如斐波那契数列。选择合适算法能提升编程效率。
50 1
|
2月前
|
存储 算法 Python
震撼!Python算法设计与分析,分治法、贪心、动态规划...这些经典算法如何改变你的编程世界!
【7月更文挑战第9天】在Python的算法天地,分治、贪心、动态规划三巨头揭示了解题的智慧。分治如归并排序,将大问题拆解为小部分解决;贪心算法以局部最优求全局,如Prim的最小生成树;动态规划通过存储子问题解避免重复计算,如斐波那契数列。掌握这些,将重塑你的编程思维,点亮技术之路。
55 1
|
2月前
|
存储 算法 大数据
Python算法高手的必修课:深入理解分治法、贪心算法、动态规划,让你的代码更智能!
【7月更文挑战第9天】在Python算法学习中,分治法(如归并排序)将大问题分解为小部分递归解决;贪心算法(如货币找零)在每步选择局部最优解尝试达到全局最优;动态规划(如斐波那契数列)通过存储子问题解避免重复计算,解决重叠子问题。掌握这三种方法能提升代码效率,解决复杂问题。
36 1
|
2月前
|
算法 索引 Python
逆袭算法界!Python分治法、贪心算法、动态规划深度剖析,带你走出算法迷宫!
【7月更文挑战第8天】分治法,如快速排序,将大问题分解并合并解;贪心算法,选择局部最优解,如活动选择;动态规划,利用最优子结构避免重复计算,如斐波那契数列。Python示例展示这些算法如何解决实际问题,助你精通算法,勇闯迷宫。
34 1