算法（8）：动态规划

这是我最想写的一篇文章之一了~ 因为这玩意真难......

---

• 目录：
  算法：附录
  算法（1）：递归
  算法（2）：链表
  算法（3）：数组
  算法（4）：字符串
  算法（5）：二叉树
  算法（6）：二叉查找树
  算法（7）：队列和堆栈（附赠BFS和DFS）
  算法（8）：动态规划
  算法（9）：哈希表
  算法（10）：排序
  算法（11）：回溯法
  算法（12）：位操作

---

例题1：求目标和（Target Sum，在算法（7）堆栈习题3中出现过，这里给出另一种解法）。给定一个数组以及一个目标数S，你可以给数组中每个数分配 运算符‘+’ 或 ‘-’ 其中之一，使得数组之和为目标S。输出共有多少种分配方式。
输入: nums is [1, 1, 1, 1, 1], S is 3.
输出: 5
解释:
-1+1+1+1+1 = 3
+1-1+1+1+1 = 3
+1+1-1+1+1 = 3
+1+1+1-1+1 = 3
+1+1+1+1-1 = 3
代码解析：使用备忘录法。

class Solution:
    def findTargetSumWays(self, nums: list, S: int, ) -> int:
        if nums == []:
            return 0
        dic = {nums[0]: 1, -nums[0]: 1} if nums[0] != 0 else {0: 2}
        for i in range(1, len(nums)):
            tdic = {}
            for d in dic:
                tdic[d + nums[i]] = tdic.get(d + nums[i], 0) + dic.get(d, 0)
                tdic[d - nums[i]] = tdic.get(d - nums[i], 0) + dic.get(d, 0)
            dic = tdic
        return dic.get(S, 0)

if __name__ == '__main__':
    nums = [1, 1, 1, 1, 1]
    S = 3.
    solution = Solution()
    steps = solution.findTargetSumWays(nums,S)
    print(steps)

---

例题2：最大子数组（Maximum Subarray），给出一个数组，找到一个连续的子数组（至少一个元素），该子数组有最大和，返回该最大和。
输入: [-2,1,-3,4,-1,2,1,-5,4],
输出: 6
解释: [4,-1,2,1] 有最大和，为6.

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        curSum = maxSum = A[0]
        for num in A[1:]:
            # 这句代码可以理解成：curSum = num if curSum < 0 else num + curSum
            curSum = max(num, curSum + num)
            maxSum = max(maxSum, curSum)

        return maxSum

---

例题3：解码方法（Decode Ways）。
给A到Z编码如下：

'A' -> 1
'B' -> 2
...
'Z' -> 26

现如今给一个非空字符串，里面由数字0到9组成，问有多少种解码方式？
例题：
输入: "226"
输出: 3
解释: "BZ" (2 26), "VF" (22 6), or "BBF" (2 2 6).

注意事项：我当时做这道题的时候忽略了0这个特殊的存在，因为0不对应任何一个字母。比如一个字符串中出现了‘00’，那么该字符串输出就一定是0......下面给出了两种代码，供参考。

class Solution:
    def numDecodings(self, s: str) -> int:
        # v, w, p = 0, int(s>''), ''
        # for d in s:
        #     v, w, p = w, (d>'0')*w + (9<int(p+d)<27)*v, d
        # return w
        # w tells the number of ways
        # v tells the previous number of ways
        # d is the current digit
        # p is the previous digit
    
    
        #dp[i] = dp[i-1] if s[i] != "0"
        #       +dp[i-2] if "09" < s[i-1:i+1] < "27"
        if s == "": return 0
        dp = [0 for x in range(len(s)+1)]
        dp[0] = 1
        for i in range(1, len(s)+1):
            if s[i-1] != "0":
                dp[i] += dp[i-1]
            if i != 1 and "09" < s[i-2:i] < "27":  #"01"ways = 0
                dp[i] += dp[i-2]
        return dp[len(s)]

---

例题4：丑数，丑数为只能被2，3，5整除的数（1定义为第一个丑数），输入一个整数n，输出第n个丑数。
输入：10
输出：12（前十个丑数序列：1, 2, 3, 4, 5, 6, 8, 9, 10, 12）
代码解释：用了三指针技术，对每个丑数再乘以2，3或5就是新的丑数，但是为了使得输出有序，需要三个指针来记录位置。

class Solution:
    def nthUglyNumber(self, n: int) -> int:
        ugly = [1]
        i2, i3, i5 = 0, 0, 0
        while n > 1:
            u2, u3, u5 = 2 * ugly[i2], 3 * ugly[i3], 5 * ugly[i5]
            umin = min((u2, u3, u5))
            if umin == u2:
                i2 += 1
            if umin == u3:
                i3 += 1
            if umin == u5:
                i5 += 1
            ugly.append(umin)
            n -= 1
        return ugly[-1]

---

例题5：最长递增子序列（Longest Increasing Subsequence），给出一个未排序的整型数组，返回其最长递增子序列长度。
输入: [10,9,2,5,3,7,101,18]
输出: 4 （其中最长递增子序列为[2,3,7,101]）
代码解释：(下文sub 数组里存放的元素可能不是实际的递增子序列，但其长度是准确的)

leetcode（Longest Increasing Subsequence）

1. initial sub = [ ].
2. traversing the nums:
   a) if val > sub's all elements, then subsequence length increased by 1, sub.append(val);
   b) if sub[i-1] < val < sub[i], then we find a smaller value, update sub[i] = val. Some of the elements stored in the sub[ ] are known subsequences, and the other part is elements of other possible new subsequences. However, the length of the known subsequences is unchanged.
3. return the sub[ ]'s length.

Here is the solution's track, as we have nums = [8, 2, 5, 1, 6, 7, 9, 3],when we traversing the nums:

i = 0, sub = [8]
i = 1, sub = [2]
i = 2, sub = [2, 5]
i = 3, sub = [1, 5], # element has been changed, but the sub's length has not changed.
i = 4, sub = [1, 5, 6]
i = 5, sub = [1, 5, 6, 7]
i = 6, sub = [1, 5, 6, 7, 9]
i = 7, sub = [1, 3, 6, 7, 9] #done! Although the elements are not correct, but the length is correct.

Because of sub[ ] is incremental, we can use a binary search to find the correct insertion position.

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        # O(nlogn) solution with binary search
        def binarySearch(sub, val):
            lo, hi = 0, len(sub)-1
            while(lo <= hi):
                mid = lo + (hi - lo)//2
                if sub[mid] < val:
                    lo = mid + 1
                elif val < sub[mid]:
                    hi = mid - 1
                else:
                    return mid
            return lo

        sub = []
        for val in nums:
            pos = binarySearch(sub, val)
            if pos == len(sub):
                sub.append(val)
            else:
                sub[pos] = val
        return len(sub)

---

我先把常见问题写在这，省的日后忘了：

1. 求一个字符串的最长回文子串

LeetCode 上的五种解法
马拉车算法

---

2. 两个字符串的最长子序列

最长子序列

1 2

---

3. 两个字符串的最长公共子串

最长公共子串

公式比最长子序列更简单，如下所示：

公共字串

---

4. 背包问题

背包九讲PDF下载链接：http://vdisk.weibo.com/s/zmfTPG2vgAcNV

---

5. 股票买卖问题

5种股票买卖问题
上面的第五道题，买卖需要冷却的问题，可参考下面链接，讲的更详细，代码也更精致：Best Time to Buy and Sell Stock with Cooldown

---