day19
968. 监控二叉树
力扣题目链接
题目
给定一个二叉树,我们在树的节点上安装摄像头。
节点上的每个摄影头都可以监视其父对象、自身及其直接子对象。
计算监控树的所有节点所需的最小摄像头数量。
示例 1:
示例 2:
提示:
思路
应该用后序遍历从下到上进行推导
- 情况一:左右节点都有覆盖
左孩子有覆盖,右孩子有覆盖,那么此时中间节点应该就是无覆盖的状态了
- 情况二:左右节点至少有一个无覆盖的情况
- 情况三:左右节点至少有一个有摄像头
- 情况四:头结点没有覆盖
代码实现
509. 斐波那契数
力扣题目链接
题目
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:
给定 n
,请计算 F(n)
。
示例 1:
示例 2:
示例 3:
提示:
思路
动规五部曲:
这里我们要用一个一维dp数组来保存递归的结果
- 确定dp数组以及下标的含义
dp[i]的定义为:第i个数的斐波那契数值是dp[i]
- 确定递推公式
为什么这是一道非常简单的入门题目呢?
因为题目已经把递推公式直接给我们了:状态转移方程 dp[i] = dp[i - 1] + dp[i - 2];
- dp数组如何初始化
题目中把如何初始化也直接给我们了,如下:
- 确定遍历顺序
从递归公式 dp[i] = dp[i - 1] + dp[i - 2];
中可以看出,dp[i]是依赖 dp[i - 1] 和 dp[i - 2],那么遍历的顺序一定是从前到后遍历的
- 举例推导dp数组
按照这个递推公式dp[i] = dp[i - 1] + dp[i - 2],我们来推导一下,当N为10的时候,dp数组应该是如下的数列:
代码实现
70. 爬楼梯
力扣题目链接
题目
假设你正在爬楼梯。需要 n
阶你才能到达楼顶。
每次你可以爬 1
或 2
个台阶。你有多少种不同的方法可以爬到楼顶呢?
示例 1:
示例 2:
提示:
思路
动规五部曲:
定义一个一维数组来记录不同楼层的状态
- 确定dp数组以及下标的含义
dp[i]的定义: 爬到第i层楼梯,有dp[i]种方法
- 确定递推公式
从dp[i]的定义可以看出,dp[i] 可以有两个方向推出来。
首先是dp[i - 1],上i-1层楼梯,有dp[i - 1]种方法,那么再一步跳一个台阶不就是dp[i]了么。
还有就是dp[i - 2],上i-2层楼梯,有dp[i - 2]种方法,那么再一步跳两个台阶不就是dp[i]了么。
那么dp[i]就是 dp[i - 1]与dp[i - 2]之和!
所以dp[i] = dp[i - 1] + dp[i - 2] 。
- dp数组如何初始化
- 确定遍历顺序
从递推公式dp[i] = dp[i - 1] + dp[i - 2]; 中可以看出,遍历顺序一定是从前向后遍历的
- 举例推导dp数组
举例当n为5的时候,dp table(dp数组)应该是这样的:
代码实现
746. 使用最小花费爬楼梯
力扣题目链接
题目
给你一个整数数组 cost ,其中 cost[i] 是从楼梯第 i 个台阶向上爬需要支付的费用。一旦你支付此费用,即可选择向上爬一个或者两个台阶。
你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。
请你计算并返回达到楼梯顶部的最低花费。
示例 1:
示例 2:
提示:
思路
这道题是爬楼梯那道题的变种,这里的每一级楼梯都是有价格的,想要跨过它,就要交保护费,而我们每次可以从前一个楼梯或者前两个楼梯爬上来,所以,不难写出动态规划方程:
- 状态定义:
dp[i]
表示到达第i
级楼梯所需要的最小代价(注意:是到达,还没有跨过)。 - 转移方程:
dp[i] = Min(dp[i-2]+cost[i-2], dp[i-1]+cost[i-1])
,要想到达i
,要么交i-2
的保护费走两步上来,要么交i-1
的保护费走一步上来。 - 初始值:
dp[0] = dp[1] = 0
,可以直接从0
或1
号楼梯开始,所以到达它们不需要花费代价。 - 返回值:
dp[n]
,表示到达第n
级楼梯的最小代价,也就是跨过第n-1
的最小代价。
代码实现
62. 不同路径
力扣题目链接
题目
一个机器人位于一个 m x n 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?
示例 1:
示例 2:
示例 3:
示例 4:
提示:
思路
机器人从 (0 , 0) 位置出发,到 (m - 1, n - 1) 终点。
按照动规五部曲来分析:
- 确定dp数组(dp table)以及下标的含义
dp[i][j] :表示从(0,0)出发,到(i, j) 有 dp[i][j] 条不同的路径。
- 确定递推公式
想要求 dp[i][j],只能有两个方向来推导出来,即dp[i - 1][j] 和 dp[i][j - 1]。
此时再回顾一下 dp[i - 1][j] 表示啥,是从(0, 0)的位置到(i - 1, j)有几条路径,dp[i][j - 1]同理。
那么很自然,dp[i][j] = dp[i - 1][j] + dp[i][j - 1]
,因为 dp[i][j]
只能从这两个方向过来。
- dp数组的初始化
如何初始化呢,首先 dp[i][0] 一定都是1,因为从 (0, 0) 的位置到 (i, 0) 的路径只有一条,那么dp[0][j]也同理。
所以初始化代码为:
- 确定遍历顺序
这里要看一下递归公式 dp[i][j] = dp[i - 1][j] + dp[i][j - 1]
,dp[i][j] 都是从其上方和左方推导而来,那么从左到右一层一层遍历就可以了。
这样就可以保证推导 dp[i][j] 的时候,dp[i - 1][j] 和 dp[i][j - 1]一定是有数值的。
- 举例推导dp数组
代码实现
63. 不同路径 II
力扣题目链接
题目
一个机器人位于一个 m x n 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”)。
现在考虑网格中有障碍物。那么从左上角到右下角将会有多少条不同的路径?
网格中的障碍物和空位置分别用 1 和 0 来表示。
示例 1:
示例 2:
提示:
思路
动规五部曲:
- 确定dp数组(dp table)以及下标的含义
dp[i][j] :表示从(0,0)出发,到(i, j) 有dp[i][j]条不同的路径。
- 确定递推公式
递推公式和 62.不同路径一样,dp[i][j] = dp[i - 1][j] + dp[i][j - 1]。
但这里需要注意一点,因为有了障碍,(i, j)如果就是障碍的话应该保持初始状态(初始状态为0)。
- dp数组如何初始化
- 确定遍历顺序
从递归公式dp[i][j] = dp[i - 1][j] + dp[i][j - 1]
中可以看出,一定是从左到右一层一层遍历,这样保证推导dp[i][j]的时候,dp[i - 1][j] 和 dp[i][j - 1]一定是有数值。
- 举例推导dp数组
- 拿示例1来举例如题:
- 对应的 dp table 如图:
代码实现
343. 整数拆分
力扣题目链接
题目
给定一个正整数 n
,将其拆分为 k
个 正整数 的和( k >= 2
),并使这些整数的乘积最大化。
返回 你可以获得的最大乘积 。
示例 1:
示例 2:
提示:
思路
动规五部曲,分析如下:
- 确定dp数组(dp table)以及下标的含义
dp[i]:分拆数字 i
,可以得到的最大乘积为 dp[i]
。
dp[i]的定义将贯彻整个解题过程,下面哪一步想不懂了,就想想dp[i]究竟表示的是啥!
- 确定递推公式
可以想 dp[i]最大乘积是怎么得到的呢?
其实可以从1遍历 j,然后有两种渠道得到 dp[i]。
- 一个是
j * (i - j)
直接相乘。 - 一个是
j * dp[i - j]
,相当于是拆分(i - j)
,对这个拆分不理解的话,可以回想dp数组的定义。
j怎么就不拆分呢?
j是从1开始遍历,拆分j的情况,在遍历j的过程中其实都计算过了。那么从 1 遍历 j,比较 (i - j) * j
和 dp[i - j] * j
取最大的。递推公式:dp[i] = Max(dp[i], Max((i - j) * j, dp[i - j] * j))
;
也可以这么理解,j * (i - j)
是单纯的把整数拆分为两个数相乘,而 j * dp[i - j]
是拆分成两个及两个以上的个数相乘。
如果定义 dp[i - j] * dp[j]
也是默认将一个数强制拆成4份及4份以上了。
所以递推公式:dp[i] = max({dp[i], (i - j) * j, dp[i - j] * j});
那么在取最大值的时候,为什么还要比较dp[i]呢?
因为在递推公式推导的过程中,每次计算dp[i],取最大的而已。
- dp的初始化
这里我只初始化dp[2] = 1,从dp[i]的定义来说,拆分数字2,得到的最大乘积是1,这个没有任何异议!
- 确定遍历顺序
确定遍历顺序,先来看看递归公式:dp[i] = max(dp[i], max((i - j) * j, dp[i - j] * j));
dp[i] 是依靠 dp[i - j]的状态,所以遍历i一定是从前向后遍历,先有dp[i - j]再有dp[i]。
枚举j的时候,是从1开始的。i是从3开始,这样dp[i - j]就是dp[2]正好可以通过我们初始化的数值求出来。
所以遍历顺序为:
- 举例推导dp数组
举例当n为10 的时候,dp数组里的数值,如下:
代码实现
96. 不同的二叉搜索树
力扣题目链接
题目
给你一个整数 n
,求恰由 n
个节点组成且节点值从 1
到 n
互不相同的 二叉搜索树 有多少种?返回满足题意的二叉搜索树的种数。
示例 1:
示例 2:
提示:
思路
- n为1的时候有一棵树,n为2有两棵树,这个是很直观的
- 来看看n为3的时候,有哪几种情况。
当1为头结点的时候,其右子树有两个节点,看这两个节点的布局,是不是和 n 为2的时候两棵树的布局是一样的啊!
当3为头结点的时候,其左子树有两个节点,看这两个节点的布局,是不是和n为2的时候两棵树的布局也是一样的啊!
当2为头结点的时候,其左右子树都只有一个节点,布局是不是和n为1的时候只有一棵树的布局也是一样的啊!
发现到这里,其实我们就找到了重叠子问题了,其实也就是发现可以通过dp[1] 和 dp[2] 来推导出来dp[3]的某种方式。
dp[3],就是 元素1为头结点搜索树的数量 + 元素2为头结点搜索树的数量 + 元素3为头结点搜索树的数量
元素1为头结点搜索树的数量 = 右子树有2个元素的搜索树数量 * 左子树有0个元素的搜索树数量
元素2为头结点搜索树的数量 = 右子树有1个元素的搜索树数量 * 左子树有1个元素的搜索树数量
元素3为头结点搜索树的数量 = 右子树有0个元素的搜索树数量 * 左子树有2个元素的搜索树数量
有2个元素的搜索树数量就是dp[2]。
有1个元素的搜索树数量就是dp[1]。
有0个元素的搜索树数量就是dp[0]。
所以dp[3] = dp[0] * dp[2] + dp[1] * dp[1] + dp[2] * dp[0]
此时我们已经找到递推关系了,那么可以用动规五部曲再系统分析一遍。
动规五部曲:
- 确定dp数组(dp table)以及下标的含义
dp[i] : 1到i为节点组成的二叉搜索树的个数为dp[i]。
以下分析如果想不清楚,就来回想一下dp[i]的定义
- 确定递推公式
在上面的分析中,其实已经看出其递推关系, dp[i] += dp[以j为头结点左子树节点数量] * dp[以j为头结点右子树节点数量]
j相当于是头结点的元素,从1遍历到i为止。
所以递推公式:dp[i] += dp[j - 1] * dp[i - j];
,j-1
为j为头结点左子树节点数量,i-j
为以j为头结点右子树节点数量
- dp数组如何初始化
初始化,只需要初始化dp[0]就可以了,推导的基础,都是dp[0]。
那么dp[0]应该是多少呢?
从定义上来讲,空节点也是一棵二叉树,也是一棵二叉搜索树,这是可以说得通的。
从递归公式上来讲,dp[以j为头结点左子树节点数量] * dp[以j为头结点右子树节点数量] 中以j为头结点左子树节点数量为0,也需要dp[以j为头结点左子树节点数量] = 1, 否则乘法的结果就都变成0了。
所以初始化dp[0] = 1
- 确定遍历顺序
首先一定是遍历节点数,从递归公式:dp[i] += dp[j - 1] * dp[i - j]
可以看出,节点数为i的状态是依靠 i之前节点数的状态。
那么遍历i里面每一个数作为头结点的状态,用j来遍历。
- 举例推导dp数组
n为5时候的dp数组状态如图:
代码实现