动态规划算法练习题

简介: 动态规划算法练习题

45. 跳跃游戏 II

中等

2K

相关企业

给定一个长度为 n0 索引整数数组 nums。初始位置为 nums[0]

每个元素 nums[i] 表示从索引 i 向前跳转的最大长度。换句话说,如果你在 nums[i] 处,你可以跳转到任意 nums[i + j] 处:

  • 0 <= j <= nums[i]
  • i + j < n

返回到达 nums[n - 1] 的最小跳跃次数。生成的测试用例可以到达 nums[n - 1]

示例 1:

输入: nums = [2,3,1,1,4]

输出: 2

解释: 跳到最后一个位置的最小跳跃数是 2。

    从下标为 0 跳到下标为 1 的位置,跳 1步,然后跳 3步到达数组的最后一个位置。


示例 2:

输入: nums = [2,3,0,1,4]

输出: 2


提示:

  • 1 <= nums.length <= 104
  • 0 <= nums[i] <= 1000
  • 题目保证可以到达 nums[n-1]
int jump(int* nums, int numsSize){
   int *dp=(int *)malloc(sizeof(int)*numsSize);
   dp[0]=0;
   for(int i = 1 ; i < numsSize ; i++ )
    {
        dp[i] =  numsSize + 1;
    }
   for(int i =1; i< numsSize; i++)
    {
        for(int j = 0; j < i; j++)
        {
            if(j + nums[j] >= i)
            {
                dp[i] = fmin(dp[i],dp[j]+1);
            }
        }
    }
   return dp[numsSize-1];
}

97. 交错字符串

相关企业

给定三个字符串 s1s2s3,请你帮忙验证 s3 是否是由 s1s2 交错 组成的。

两个字符串 st 交错 的定义与过程如下,其中每个字符串都会被分割成若干 非空 子字符串:

  • s = s1 + s2 + ... + sn
  • t = t1 + t2 + ... + tm
  • |n - m| <= 1
  • 交错s1 + t1 + s2 + t2 + s3 + t3 + ... 或者 t1 + s1 + t2 + s2 + t3 + s3 + ...

注意:a + b 意味着字符串 ab 连接。

示例 1:

输入:s1 = "aabcc", s2 = "dbbca", s3 = "aadbbcbcac"

输出:true


示例 2:

输入:s1 = "aabcc", s2 = "dbbca", s3 = "aadbbbaccc"

输出:false


示例 3:

输入:s1 = "", s2 = "", s3 = ""

输出:true


提示:

  • 0 <= s1.length, s2.length <= 100
  • 0 <= s3.length <= 200
  • s1s2、和 s3 都由小写英文字母组成
bool isInterleave(char * s1, char * s2, char * s3){
    int len1=strlen(s1),len2=strlen(s2),len3=strlen(s3),dp[105][105]={0};
    if(len3!=(len1+len2)){
        return false;
    }
    dp[0][0]=1;
    for(int i=0;i<=len1;i++){
        for(int j=0;j<=len2;j++){
            int p=i+j-1;
            if(i>0){
                if(dp[i-1][j]==1&&s3[p]==s1[i-1])
                    dp[i][j]=1;
            }
            if(j>0){
                 if(dp[i][j-1]==1&&s3[p]==s2[j-1])
                    dp[i][j]=1;
            }
        }
    }
    return dp[len1][len2];
}

131. 分割回文串

中等

1.4K

相关企业

给你一个字符串 s,请你将 s 分割成一些子串,使每个子串都是 回文串 。返回 s 所有可能的分割方案。

回文串 是正着读和反着读都一样的字符串。

示例 1:

输入:s = "aab"

输出:[["a","a","b"],["aa","b"]]


示例 2:

输入:s = "a"

输出:[["a"]]


提示:

  • 1 <= s.length <= 16
  • s 仅由小写英文字母组
int dp[20][20]={0};
 void dfs(char* s, int len, int begin, char*** ans, int* returnSize, int* returnColumnSizes, char** temps, int* tempsSize) {
    if(begin==len){
           char** tmp = malloc(sizeof(char*) * (*tempsSize));
        for (int j = 0; j < (*tempsSize); j++) {
            int tempsColSize = strlen(temps[j]);
            tmp[j] = malloc(sizeof(char) * (tempsColSize + 1));
            strcpy(tmp[j], temps[j]);
        }
        ans[*returnSize] = tmp;
        returnColumnSizes[(*returnSize)++] = *tempsSize;
        return;
     }
    for (int j = begin; j < len; ++j) {
        if (dp[begin][j]==1) {
            char* temp = malloc(sizeof(char) * (j - begin + 2));
                 for (int k = begin; k <= j; k++) {
                      temp[k - begin] = s[k];
                  }
            temp[j - begin + 1] = '\0';
                 temps[(*tempsSize)++]=temp;
            dfs(s, len, j + 1, ans, returnSize, returnColumnSizes, temps, tempsSize);
            --*(tempsSize);
        }
    }
}
char*** partition(char* s, int* returnSize, int** returnColumnSizes) {
     int i,j,len=strlen(s);
      int retMaxLen = len * (1 << len);
     for(i=0;i<20;i++){
         for(j=0;j<20;j++){
             dp[i][j]=0;
         }
     }
     char*** ans = malloc(sizeof(char**) * retMaxLen);
    *returnSize = 0;
    *returnColumnSizes = malloc(sizeof(int) * retMaxLen);
     for(i=len-1;i>=0;i--){
         for(j=i;j<len;j++){
             if(s[i]==s[j]){
                 if(i==j)
                    dp[i][j]=1;
                 if(j-i==1){
                     dp[i][j]=1;
                 }
                 if(j-i>1){
                     if(dp[i+1][j-1]==1){
                         dp[i][j]=1;
                     }
                 }
             }
         }
     }
      char* temps[len];
     int tempsSize=0;
    dfs(s, len, 0, ans, returnSize, *returnColumnSizes, temps, &tempsSize);
    return ans;
}

139. 单词拆分

中等

1.9K

相关企业

给你一个字符串 s 和一个字符串列表 wordDict 作为字典。请你判断是否可以利用字典中出现的单词拼接出 s

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" 拼接成。


示例 2:

输入: s = "applepenapple", wordDict = ["apple", "pen"]

输出: true

解释: 返回 true 因为 "applepenapple" 可以由 "apple" "pen" "apple" 拼接成

    注意,你可以重复使用字典中的单词。


示例 3:

输入: s = "catsandog", wordDict = ["cats", "dog", "sand", "and", "cat"]

输出: false


提示:

  • 1 <= s.length <= 300
  • 1 <= wordDict.length <= 1000
  • 1 <= wordDict[i].length <= 20
  • swordDict[i] 仅有小写英文字母组成
  • wordDict 中的所有字符串 互不相同
bool wordBreak(char * s, char ** wordDict, int wordDictSize){
   int len=strlen(s),falg=0;
   int dp[301]={0};
   dp[0]=1;
   for(int i=0;i<len;i++){
       for(int j=0;j<wordDictSize;j++){
          int n=strlen(wordDict[j]);
          if(n>(len-i)){
              continue;
          }
           falg=1;
           for(int k=0;k<n;k++){
              if(s[i+k]!=wordDict[j][k]){
                  falg=0;
                }
            }
            if(falg==1&&dp[i]==1){
                dp[i+n]=1;
            }
       }
       
   }
   if(dp[len]==1)
      return true;
   return false;
}

221. 最大正方形

中等

1.4K

相关企业

在一个由 '0''1' 组成的二维矩阵内,找到只包含 '1' 的最大正方形,并返回其面积。

示例 1:

输入:matrix = [["1","0","1","0","0"],["1","0","1","1","1"],["1","1","1","1","1"],["1","0","0","1","0"]]

输出:4


示例 2:

正在上传…重新上传取消转存失败重新上传取消

输入:matrix = [["0","1"],["1","0"]]

输出:1


示例 3:

输入:matrix = [["0"]]

输出:0


提示:

  • m == matrix.length
  • n == matrix[i].length
  • 1 <= m, n <= 300
  • matrix[i][j]'0''1'

暴力超时:

int maximalSquare(char** matrix, int matrixSize, int* matrixColSize){
    int max=0;
    int m=matrixSize,n=matrixColSize[0];
    for(int i=0;i<m;i++){
        for(int j=0;j<n;j++){
            if(matrix[i][j]=='1'){
                printf(" %d %d ",i,j);
                for(int b=1;i+b<=m&&j+b<=n;b++){
                    printf(" b=%d\n",b);
                    int falg=1;
                       for(int k=i;k<b+i;k++){
                           for(int l=j;l<j+b;l++){
                                if(matrix[k][l]!='1'){
                                     falg=0;
                                     break;
                                }
                            }
                       }
                       if(falg==1){
                            if(max<b)
                            {
                                max=b;
                            }
                       }
                       if(falg==0){
                           break;
                       }
                }
                
            }
        }
    }
    return max*max;
}

动态规划:

int maximalSquare(char** matrix, int matrixSize, int* matrixColSize){
    int max=0,dp[301][301]={0};
    int m=matrixSize,n=matrixColSize[0];
    for(int i=0;i<m;i++){
        for(int j=0;j<n;j++){
            if(matrix[i][j]=='1'){   
               dp[i+1][j+1]=fmin(fmin(dp[i][j],dp[i][j+1]),fmin(dp[i][j],dp[i+1][j]))+1;
            }
            if(dp[i+1][j+1]>max){
                max=dp[i+1][j+1];
            }
        }
    }
    return max*max;
}

279. 完全平方数

中等

1.6K

相关企业

给你一个整数 n ,返回 和为 n 的完全平方数的最少数量

完全平方数 是一个整数,其值等于另一个整数的平方;换句话说,其值等于一个整数自乘的积。例如,14916 都是完全平方数,而 311 不是。

示例 1:

输入:n = 12

输出:3

解释:12 = 4 + 4 + 4

示例 2:

输入:n = 13

输出:2

解释:13 = 4 + 9

提示:

  • 1 <= n <= 104
int numSquares(int n) 
{
    int dp[n +1];   //定义dp的大小
    dp[0] = 0;      //定义dp的初始状态
    int min; 
    for(int i = 1 ; i <= n ; i++)
    {
        min = INT_MAX;
        for(int j = 1 ; j*j <= i;j++)
        {
            min = fmin(min, dp[i - j * j]);
        }
        dp[i] = min + 1;
    }
    return dp[n];
}

300. 最长递增子序列

中等

3K

相关企业

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],因此长度为 4 。


示例 2:

输入:nums = [0,1,0,3,2,3]

输出:4


示例 3:

输入:nums = [7,7,7,7,7,7,7]

输出:1


提示:

  • 1 <= nums.length <= 2500
  • -104 <= nums[i] <= 104

进阶:

  • 你能将算法的时间复杂度降低到 O(n log(n)) 吗?
int lengthOfLIS(int* nums, int numsSize){
    int dp[numsSize],max=0;
    for(int i=0;i<numsSize;i++){
        dp[i]=1;
        for(int j=0;j<i;j++){
            if(nums[i]>nums[j]){
                dp[i]=fmax(dp[i],dp[j]+1);
            }
        }
        if(dp[i]>max){
            max=dp[i];
        }
    }
    return max;
}

376. 摆动序列

中等

857

相关企业

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][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正数,第二个序列是因为它的最后一个差值为零。

子序列 可以通过从原始序列中删除一些(也可以不删除)元素来获得,剩下的元素保持其原始顺序。

给你一个整数数组 nums ,返回 nums 中作为 摆动序列 最长子序列的长度

示例 1:

输入:nums = [1,7,4,9,2,5]

输出:6

解释:整个序列均为摆动序列,各元素之间的差值为 (6, -3, 5, -7, 3) 。


示例 2:

输入:nums = [1,17,5,10,13,15,10,5,16,8]

输出:7

解释:这个序列包含几个长度为 7 摆动序列。

其中一个是 [1, 17, 10, 13, 10, 16, 8] ,各元素之间的差值为 (16, -7, 3, -3, 6, -8) 。


示例 3:

输入:nums = [1,2,3,4,5,6,7,8,9]

输出:2


提示:

  • 1 <= nums.length <= 1000
  • 0 <= nums[i] <= 1000
int wiggleMaxLength(int* nums, int numsSize) {
    int up[numsSize];
    memset(up,0,sizeof(int)*numsSize);
    up[0]=1;
    int down[numsSize];
    memset(down,0,sizeof(int)*numsSize);
    down[0]=1;
    int max=0;
    for(int i=0;i<numsSize;i++){
        for(int j=0;j<i;j++){
            if(nums[i]>nums[j]){
                down[i]=fmax(up[j]+1,down[i]);
            }
            if(nums[i]<nums[j]){
                up[i]=fmax(down[j]+1,up[i]);
            }
            
        }
        if(up[i]>max){
            max=up[i];
        }
        if(down[i]>max){
            max=down[i];
        }
    }
    return max;
}
目录
相关文章
|
1月前
|
存储 算法
深入了解动态规划算法
深入了解动态规划算法
57 1
|
1月前
|
算法 测试技术 C++
【动态规划算法】蓝桥杯填充问题(C/C++)
【动态规划算法】蓝桥杯填充问题(C/C++)
|
4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!
72 8
|
4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!**
68 3
|
9天前
|
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。
27 2
|
1月前
|
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。
65 2
动态规划算法学习三:0-1背包问题
|
1月前
|
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。
65 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
|
1月前
|
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。
118 0
动态规划算法学习二:最长公共子序列
|
1月前
|
存储 人工智能 算法
【算法——动态规划】蓝桥ALGO-1007 印章(C/C++)
【算法——动态规划】蓝桥ALGO-1007 印章(C/C++)
【算法——动态规划】蓝桥ALGO-1007 印章(C/C++)
|
1月前
|
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。
101 0