【Python 算法】动态规划

本博客笔记内容来源于灵神,视频链接如下:https://www.bilibili.com/video/BV16Y411v7Y6?vd_source=7414087e971fef9431117e44d8ba61a7\&spm_id_from=333.788.player.switch

01背包



计算了f[i+1],f[i]就没用了,相当于每时每刻只有两个数组在参与运算:

494题是求方案数的,要初始化成 0。
如果是恰好型背包并且要计算最大最小,那么初始值就和 inf 有关。

力扣494题:

对于至少/至多的变形问题,变形类似:

完全背包


力扣322题:

其中:从二维递推式来理解,

例如01背包,更新f【c】的值需要的是当前f【c】和上一个状态的f【c-w】,因为我们现在之后一个数组,若是正序,f【c-w】就更新过了,也就不是上一个状态的值了,所以必须逆序

若是完全背包,更新f【c】的值需要的是当前f【c】和当前状态的f【c-w】,需要的就是更新过的值,所以正序是没问题的。

例题:力扣2915. 和为目标值的最长子序列的长度

python 复制代码
class Solution:
    def lengthOfLongestSubsequence(self, nums: List[int], target: int) -> int:
        # 先使用递归
        # 恰好等于target ==背包容量
        # 长度即选物品,其价值为1
        # 只能选一次:01背包问题
        n = len(nums)

        # 1.递归:
        @cache
        def dfs(i,c):
            if i<0:
                return 0 if c==0 else -inf
            if c< nums[i]:
                return dfs(i-1,c)
            return max(dfs(i-1,c),dfs(i-1,c-nums[i])+1)
        
        ans= dfs(n-1,target)
        dfs.cache_clear()
        return ans if ans>-1 else -1

        # 2. 转为递推:
        dp[i+1][c]= max(dp[i][c],dp[i][c-nums[i]]+1) 整体加了1
        dp =[[-inf]*(target+1) for _ in range(n+1)]
        dp[0][0]=0
        for i,x in enumerate(nums):
            for c in range(target+1):
                if c<x:
                    dp[i+1][c]=dp[i][c]
                else:
                    dp[i+1][c]= max(dp[i][c],dp[i][c-x]+1)
        ans = dp[n][target]
        return ans if ans>-1 else -1

        # 3. 进一步优化为滚动数组
        dp =[[-inf]*(target+1) for _ in range(2)]
        dp[0][0]=0
        for i,x in enumerate(nums):
            for c in range(target+1):
                if c<x:
                    dp[(i+1)%2][c]=dp[i%2][c]
                else:
                    dp[(i+1)%2][c]= max(dp[i%2][c],dp[i%2][c-x]+1)

        ans = dp[n%2][target]  # 记得这里也要%2
        return ans if ans>-1 else -1

        #  4. 进一步优化为1维滚动数组

        dp =[-inf]*(target+1)
        dp[0]=0
        for x in nums:
            for c in range(target,x-1,-1):
                if c<x:
                    dp[c] = dp[c]
                else:
                    dp[c]= max(dp[c],dp[c-x]+1)

        ans = dp[target]  
        return ans if ans>-1 else -1

        
相关推荐
berryyan1 分钟前
傻瓜教程安装Trae IDE用AI撰写第一个AKShare接口脚本
python·trae
东方翱翔3 分钟前
第十六届蓝桥杯大赛软件赛省赛第二场 C/C++ 大学 A 组
算法·职场和发展·蓝桥杯
灏瀚星空18 分钟前
从基础到实战的量化交易全流程学习:1.3 数学与统计学基础——概率与统计基础 | 基础概念
笔记·python·学习·金融·概率论
Hellohistory24 分钟前
HOTP 算法与实现解析
后端·python
伊织code25 分钟前
cached-property - 类属性缓存装饰器
python·缓存·cache·装饰器·ttl·property·cached-property
Blossom.11830 分钟前
量子计算在密码学中的应用与挑战:重塑信息安全的未来
人工智能·深度学习·物联网·算法·密码学·量子计算·量子安全
1白天的黑夜135 分钟前
贪心算法-860.柠檬水找零-力扣(LeetCode)
c++·算法·leetcode·贪心算法
明明跟你说过41 分钟前
深度学习常见框架:TensorFlow 与 PyTorch 简介与对比
人工智能·pytorch·python·深度学习·自然语言处理·tensorflow
搏博43 分钟前
专家系统的基本概念解析——基于《人工智能原理与方法》的深度拓展
人工智能·python·深度学习·算法·机器学习·概率论
yzx99101344 分钟前
决策树随机深林
人工智能·python·算法·决策树·机器学习