《剑指 Offer (第 2 版)》动态规划部分 JavaScript 题解
- 《剑指 Offer (第 2 版)》动态规划部分 JavaScript 题解
- 10- I. 斐波那契数列
- 10- II. 青蛙跳台阶问题
- 42. 连续子数组的最大和
- 14- I. 剪绳子
- 14- II. 剪绳子 II
- 46. 把数字翻译成字符串
- 47. 礼物的最大价值
- 49. 丑数
- 60. 63. 股票的最大利润
《剑指 Offer (第 2 版)》动态规划部分 JavaScript 题解
《剑指 Offer(第 2 版)》通行全球的程序员经典面试秘籍。剖析典型的编程面试题,系统整理基础知识、代码质量、解题思路、优化效率和综合能力这 5 个面试要点。
最近,把动态规划部分的题刷完了。本文来分享下这些题的解法
10- I. 斐波那契数列
写一个函数,输入 n
,求斐波那契(Fibonacci)数列的第 n
项(即 F(N)
)。斐波那契数列的定义如下:
F(0) = 0, F(1) = 1
F(N) = F(N - 1) + F(N - 2), 其中 N > 1.
斐波那契数列由 0 和 1 开始,之后的斐波那契数就是由之前的两数相加而得出。
答案需要取模 1e9+7(1000000007),如计算初始结果为:1000000008,请返回 1。
示例 1:
输入:n = 2
输出:1
示例 2:
输入:n = 5
输出:5
提示:
- 0 <= n <= 100
https://leetcode.cn/problems/fei-bo-na-qi-shu-lie-lcof
解题思路
动态规划解析:
- 状态定义: 设 dp 为一维数组,其中 dp[i] 的值代表 斐波那契数列第 i 个数字 。
- 转移方程: dp[i + 1] = dp[i] + dp[i - 1],即对应数列定义 f(n+1)=f(n)+f(n−1) ;
- 初始状态: dp[0]=0, dp[1] = 1,即初始化前两个数字;
- 返回值: dp[n] ,即斐波那契数列的第 n 个数字。
空间复杂度优化:
- 由于 dp 列表第 i 项只与第 i−1 和第 i−2 项有关,因此只需要初始化三个整形变量 r, a, b ,利用辅助变量 r 使 a, b 两数字交替前进即可 (具体实现见代码)。
- 节省了 dp 列表空间,因此空间复杂度降至 O(1) 。
/**
* @param {number} n
* @return {number}
*/
var fib = function(n) {
const MOD = 1000000007;
let [a, b, r] = [0, 0, 1];
if (n < 2) return n;
for(let i = 2; i <= n; i++) {
a = b;
b = r;
r = (a + b) % MOD;
}
return r;
};
10- II. 青蛙跳台阶问题
一只青蛙一次可以跳上1级台阶,也可以跳上2级台阶。求该青蛙跳上一个 n 级的台阶总共有多少种跳法。
答案需要取模 1e9+7(1000000007),如计算初始结果为:1000000008,请返回 1。
示例 1:
输入:n = 2
输出:2
示例 2:
输入:n = 7
输出:21
示例 3:
输入:n = 0
输出:1
提示:
- 0 <= n <= 100
力扣链接:https://leetcode.cn/problems/qing-wa-tiao-tai-jie-wen-ti-lcof
解题思路
设跳上 n 级台阶有 f(n) 种跳法。在所有跳法中,青蛙的最后一步只有两种情况: 跳上 1 级或 2 级台阶。
- 当为 1 级台阶: 剩 n−1 个台阶,此情况共有 f(n−1) 种跳法;
- 当为 2 级台阶: 剩 n−2 个台阶,此情况共有 f(n−2) 种跳法。
f(n) 为以上两种情况之和,即 f(n)=f(n−1)+f(n−2) ,以上递推性质为斐波那契数列。
动态规划解析:
- 状态定义: 设 dp 为一维数组,其中 dp[i] 的值代表斐波那契数列第 i 个数字 。
- 转移方程: dp[i+1]=dp[i]+dp[i−1] ,即对应数列定义 f(n+1)=f(n)+f(n−1) ;
- 初始状态: dp[0]=1, dp[1]=1 ,即初始化前两个数字;
- 返回值: dp[n] ,即斐波那契数列的第 n 个数字。
空间复杂度优化:
- 由于 dp 列表第 i 项只与第 i−1 和第 i−2 项有关,因此只需要初始化三个整形变量 r, a, b ,利用辅助变量 r 使 a, b 两数字交替前进即可 (具体实现见代码) 。
- 因为节省了 dp 列表空间,因此空间复杂度降至 O(1) 。
/**
* @param {number} n
* @return {number}
*/
var numWays = function(n) {
if (n < 2) return 1;
const MOD = 1000000007;
let [a, b, r] = [1, 1, 2];
for(let i = 2; i <= n; i++) {
r = (a + b) % MOD;
a = b;
b = r;
}
return r;
};
42. 连续子数组的最大和
输入一个整型数组,数组中的一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。
要求时间复杂度为O(n)。
示例1:
输入: nums = [-2,1,-3,4,-1,2,1,-5,4]
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。
提示:
- 1 <= arr.length <= 10^5
- -100 <= arr[i] <= 100
力扣链接:https://leetcode.cn/problems/lian-xu-zi-shu-zu-de-zui-da-he-lcof
解题思路
动态规划解析:
- 状态定义: 设动态规划列表 dp ,dp[i] 代表以元素 nums[i] 为结尾的连续子数组最大和。
- 为何定义最大和 dp[i] 中必须包含元素 nums[i] :保证 dp[i] 递推到 dp[i+1] 的正确性;如果不包含 nums[i] ,递推时则不满足题目的连续子数组要求。
- 转移方程: dp[i] = max{ dp[i-1]+nums[i], nums[i] }
- 初始状态: dp[0] = nums[0],即以 nums[0] 结尾的连续子数组最大和为 nums[0] 。
- 返回值: 返回 dp 列表中的最大值,代表全局最大值。
空间复杂度优化:
- 考虑到 dp[i] 只和 dp[i-1] 相关,于是我们可以只用一个变量 pre 来维护对于当前 dp[i] 的 dp[i-1] 的值是多少。
- 因为节省了 dp 列表空间,因此空间复杂度降至 O(1) 。
/**
* @param {number[]} nums
* @return {number}
*/
var maxSubArray = function(nums) {
let pre = 0, maxAns = nums[0];
nums.forEach((x) => {
pre = Math.max(pre + x, x);
maxAns = Math.max(maxAns, pre);
});
return maxAns;
};
14- I. 剪绳子
给你一根长度为 n
的绳子,请把绳子剪成整数长度的 m
段(m、n都是整数,n>1并且m>1),每段绳子的长度记为 k[0],k[1]...k[m-1]
。请问 k[0]*k[1]*...*k[m-1]
可能的最大乘积是多少?例如,当绳子的长度是8时,我们把它剪成长度分别为2、3、3的三段,此时得到的最大乘积是18。
示例 1:
输入: 2
输出: 1
解释: 2 = 1 + 1, 1 × 1 = 1
示例 2:
输入: 10
输出: 36
解释: 10 = 3 + 3 + 4, 3 × 3 × 4 = 36
提示:
- 2 <= n <= 58
解题思路
动态规划解析:
- 状态定义: 设动态规划列表 dp ,dp[i] 代表将长度为 i 的绳子剪成至少两段绳子之后,这些绳子长度的最大乘积。
- 转移方程:当 i ≥ 2 时,假设对长度为 i 绳子剪出的第一段绳子长度是 j(1≤j<i),则有以下两种方案:
- 将 i 剪成 j 和 i-j 长度的绳子,且 i−j 不再继续剪,此时的乘积是 j×(i−j) 。
- 将 i 剪成 j 和 i−j 长度的绳子,且 i−j 继续剪成多段长度的绳子,此时的乘积是 j×dp[i−j] 。
- 因此,当 j 固定时,有 dp[i]=max(j×(i−j),j×dp[i−j])。由于 j 的取值范围是 1 到 i ,需要遍历所有的 j 得到dp[i]的。
- 初始状态: dp[2] = 1,即长度为 2 的绳子剪成至少两段绳子之后,这些绳子长度的最大乘积为 1。
- 返回值: 最终得到 dp[n] 的值即为将长度为 n 的绳子拆分成至少两段绳子之后,这些绳子长度的最大乘积。
/**
* @param {number} n
* @return {number}
*/
var cuttingRope = function(n) {
const dp = Array(n + 1).fill(0);
dp[2] = 1;
for(let i = 3; i <= n; i++) {
for(let j = 2; j < i; j++) {
dp[i] = Math.max(dp[i], dp[j] * (i - j), j * (i - j));
}
}
return dp[n];
};
14- II. 剪绳子 II
给你一根长度为 n
的绳子,请把绳子剪成整数长度的 m
段(m、n都是整数,n>1并且m>1),每段绳子的长度记为 k[0],k[1]...k[m - 1]
。请问 k[0]*k[1]*...*k[m - 1]
可能的最大乘积是多少?例如,当绳子的长度是8时,我们把它剪成长度分别为2、3、3的三段,此时得到的最大乘积是18。
答案需要取模 1e9+7(1000000007),如计算初始结果为:1000000008,请返回 1。
示例 1:
输入: 2
输出: 1
解释: 2 = 1 + 1, 1 × 1 = 1
示例 2:
输入: 10
输出: 36
解释: 10 = 3 + 3 + 4, 3 × 3 × 4 = 36
提示:
- 2 <= n <= 1000
力扣链接:https://leetcode.cn/problems/jian-sheng-zi-ii-lcof
解题思路
在14-1的基础上,使用 BigInt
完成大数计算。因为 Math.max
不能求 BigInt
类型的最值,所以我们要自己写一个 max
函数判断最值。
/**
* @param {number} n
* @return {number}
*/
var cuttingRope = function (n) {
const max = (...args) => args.reduce((prev, curr) => prev > curr ? prev : curr);
let dp = new Array(n + 1).fill(BigInt(1));
for (let i = 3; i <= n; i++) {
for (let j = 2; j < i; j++) {
dp[i] = max(dp[i], dp[j] * BigInt((i - j)), BigInt(j* (i - j)));
}
}
return dp[n] % (1000000007n);
};
46. 把数字翻译成字符串
给定一个数字,我们按照如下规则把它翻译为字符串:0 翻译成 “a” ,1 翻译成 “b”,……,11 翻译成 “l”,……,25 翻译成 “z”。一个数字可能有多个翻译。请编程实现一个函数,用来计算一个数字有多少种不同的翻译方法。
示例 1:
输入: 12258
输出: 5
解释: 12258有5种不同的翻译,分别是"bccfi", "bwfi", "bczi", "mcfi"和"mzi"
提示:
- 0 <= num < 2^31
力扣链接:https://leetcode.cn/problems/ba-shu-zi-fan-yi-cheng-zi-fu-chuan-lcof
解题思路
动态规划解析:
- 状态定义: 设动态规划列表 dp ,dp[i] 代表以 数字 num 第 i 位数字 为结尾的数字的翻译方案数量。
- 转移方程:若 **数字 num 第 i 位数字 和 数字 num 第 i-1 位数字 **组成的两位数字可以被翻译,则 dp[i] = dp[i - 1] + dp[i - 2] ;否则 dp[i] = dp[i - 1]。
- 可被翻译的两位数区间:[10, 25]。
- 初始状态: dp[0] = dp[1] = 1,即 “无数字” 和 “第 1 位数字” 的翻译方法数量均为 1 。
- 返回值: dp[n],即此数字的翻译方案数量。
空间复杂度优化:
- 由于 dp[i] 只与 dp[i−1] 有关,因此可使用两个变量 a, b 分别记录 dp[i], dp[i - 1],两变量交替前进即可。
- 因为节省了 dp 列表空间,因此空间复杂度降至 O(1) 。
/**
* @param {number} num
* @return {number}
*/
var translateNum = function(num) {
const str = String(num);
const { length } = str;
let [a, b] = [1, 1];
for(let i = 1; i < length; i++) {
const tmp = parseInt(str.charAt(i - 1) + str.charAt(i));
const c = tmp >= 10 && tmp <= 25 ? a + b : a;
b = a;
a = c;
}
return a;
};
47. 礼物的最大价值
在一个 m * n 的棋盘的每一格都放有一个礼物,每个礼物都有一定的价值(价值大于 0)。你可以从棋盘的左上角开始拿格子里的礼物,并每次向右或者向下移动一格、直到到达棋盘的右下角。给定一个棋盘及其上面的礼物的价值,请计算你最多能拿到多少价值的礼物?
示例 1:
输入:
[
[1,3,1],
[1,5,1],
[4,2,1]
]
输出: 12
解释: 路径 1→3→5→2→1 可以拿到最多价值的礼物
提示:
- 0 < grid.length <= 200
- 0 < grid[0].length <= 200
力扣链接:https://leetcode.cn/problems/li-wu-de-zui-da-jie-zhi-lcof
解题思路
动态规划解析:
- 状态定义: 设动态规划矩阵 dp ,dp(i, j) 代表从棋盘的左上角开始,到达单元格 (i, j) 时能拿到礼物的最大累计价值。
- 转移方程:分为以下四种情况:
- 当 i = 0 且 j = 0 时,为起始元素;
- 当 i = 0 且 j !=0 时,为矩阵第一行元素,只可从左边到达:
dp[i][j] = grid[i][j] + grid[i][j - 1]
- 当 i != 0 且 j =0 时,为矩阵第一列元素,只可从上边到达:
dp[i][j] = grid[i][j] + grid[i - 1][j]
- 当 i != 0 且 j !=0 时,可从左边或上边到达:
dp[i][j] = grid[i][j] + Math.max(grid[i][j - 1], grid[i - 1][j])
- 初始状态: dp[0][0]=grid[0][0] ,即到达单元格 (0, 0) 时能拿到礼物的最大累计价值为 grid[0][0]。
- 返回值: dp[_m_−1][_n_−1] ,m, n 分别为矩阵的行高和列宽,即返回 dp 矩阵右下角元素。
空间复杂度优化:
- 由于 dp[i][j] 只与 dp[i-1][j] , dp[i][j-1] , grid[i][j] 有关系,因此可以将原矩阵 grid 用作 dp 矩阵,即直接在 grid 上修改即可。
- 应用此方法可省去 dp 矩阵使用的额外空间,因此空间复杂度从 O(MN) 降至 O(1)。
/**
* @param {number[][]} grid
* @return {number}
*/
var maxValue = function(grid) {
const m = grid.length;
const n = grid[0].length;
for(let i = 0; i < m; i++) {
for(let j = 0; j < n; j++) {
if (i === 0 && j ===0) continue;
else if (i === 0) grid[i][j] += grid[i][j - 1];
else if (j === 0) grid[i][j] += grid[i - 1][j];
else grid[i][j] += Math.max(grid[i][j - 1], grid[i - 1][j]);
}
}
return grid[m - 1][n - 1];
};
49. 丑数
我们把只包含质因子 2、3 和 5 的数称作丑数(Ugly Number)。求按从小到大的顺序的第 n 个丑数。
示例:
输入: n = 10
输出: 12
解释: 1, 2, 3, 4, 5, 6, 8, 9, 10, 12 是前 10 个丑数。
**说明: **
- 1 是丑数。
- n 不超过1690。
力扣链接:https://leetcode.cn/problems/chou-shu-lcof
解题思路
动态规划解析:
- 状态定义: 设动态规划列表 dp ,dp[i] 代表第 i 个丑数。
- 转移方程:每轮计算 dp[i] 后,需要更新索引 p2, p3, p5 的值,使其始终满足方程条件。实现方法:分别独立判断 dp[i] 和 dp[p2]×2 , dp[p3]×3 , dp[p5]×5 的大小关系,若相等则将对应索引 p2, p3, p5 加 1 ;则 dp[i]=min{ dp[p2]×2, dp[p3]×3, dp[p5]×5 }
- 初始状态: dp[1]=1 ,即第一个丑数为 1 。
- 返回值: dp[n] ,即返回第 n 个丑数。
/**
* @param {number} n
* @return {number}
*/
var nthUglyNumber = function(n) {
const dp = new Array(n + 1).fill(0);
dp[1] = 1;
let p2 = 1, p3 = 1, p5 = 1;
for (let i = 2; i <= n; i++) {
const num2 = dp[p2] * 2, num3 = dp[p3] * 3, num5 = dp[p5] * 5;
dp[i] = Math.min(Math.min(num2, num3), num5);
if (dp[i] === num2) {
p2++;
}
if (dp[i] === num3) {
p3++;
}
if (dp[i] === num5) {
p5++;
}
}
return dp[n];
};
60. 63. 股票的最大利润
假设把某股票的价格按照时间先后顺序存储在数组中,请问买卖该股票一次可能获得的最大利润是多少?
示例 1:
输入: [7,1,5,3,6,4]
输出: 5
解释: 在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。
注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格。
示例 2:
输入: [7,6,4,3,1]
输出: 0
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
限制:
- 0 <= 数组长度 <= 10^5
力扣链接:https://leetcode.cn/problems/gu-piao-de-zui-da-li-run-lcof
解题思路
动态规划解析:
- 状态定义: 设动态规划列表 dp ,dp[i] 代表以 prices[i] 为结尾的子数组的最大利润(以下简称为 前 i 日的最大利润 )。
- 转移方程:由于题目限定 “买卖该股票一次” ,因此前 i 日最大利润 dp[i] 等于前 i - 1 日最大利润 dp[i-1] 和第 i 日卖出的最大利润中的最大值。
- 初始状态: dp[0] = 0 ,即首日利润为 0 。
- 返回值: dp[_n_−1] ,其中 n 为 dp 列表长度。
效率优化:
- 时间复杂度降低: 在遍历 prices 时,可以借助一个变量(记为成本 cost )每日更新最低价格。
- 可使用一个变量(记为利润 profit)代替 dp 列表。优化后的转移方程为:profit=max{ profit, prices[i]−min{ cost, prices[i] } }
/**
* @param {number[]} prices
* @return {number}
*/
var maxProfit = function(prices) {
let [cost, profit] = [Infinity, 0];
for(const price of prices) {
cost = Math.min(cost, price);
profit = Math.max(profit, price - cost);
}
return profit;
};