文章目录
- 前言
- 动态规知识点
- 动规五部曲
- 一、100233. 重新分装苹果
- 二、100247. 幸福值最大化的选择方案
- 总结
前言
一个本硕双非的小菜鸡,备战24年秋招,计划二刷完卡子哥的刷题计划,加油!
二刷决定精刷了,于是参加了卡子哥的刷题班,训练营为期60天,我一定能坚持下去,迎来两个月后的脱变的,加油!
推荐一手卡子哥的刷题网站,感谢卡子哥。代码随想录
动态规知识点
终于来到了守关boss。。。
动态规划中每一个状态一定是由上一个状态推导出来的
动规是由前一个状态推导出来的,而贪心是局部直接选最优的。
动规五部曲
动态规划一般分为如下五步:
- 确定dp数组(dp table)以及下标的含义
- 确定递推公式
- dp数组如何初始化
- 确定遍历顺序
- 举例推导dp数组
//1. 确定dp数组(dp table)以及下标的含义//2. 确定递推公式//3. dp数组如何初始化//4. 确定遍历顺序//5. 举例推导dp数组
解题时候多把dp数组打印出来,看看究竟是不是按照自己思路推导的。
写代码之前一定要把状态转移在dp数组的上具体情况模拟一遍,心中有数,确定最后推出的是想要的结果。
然后再写代码,如果代码没通过就打印dp数组,看看是不是和自己预先推导的哪里不一样。
如果打印出来和自己预先模拟推导是一样的,那么就是自己的递归公式、初始化或者遍历顺序有问题了。
如果和自己预先模拟推导的不一样,那么就是代码实现细节有问题。
一、100233. 重新分装苹果
100233. 重新分装苹果
Note:纯暴力
class Solution {
public:int minimumBoxes(vector<int>& apple, vector<int>& capacity) {int res = 0;int nums = 0;for (int i = 0; i < apple.size(); i++)nums += apple[i];sort(capacity.begin(), capacity.end(), [](int a, int b){return a > b;});for (int i = 0; i < capacity.size(); i++) {if (nums <= 0) {return res;} else {nums -= capacity[i];res++;}}return res;}
};
二、100247. 幸福值最大化的选择方案
100247. 幸福值最大化的选择方案
Note:暴力+1,有点贪心思想
class Solution {
public:long long maximumHappinessSum(vector<int>& happiness, int k) {long long res = 0;sort(happiness.begin(), happiness.end(), [](int a, int b){return a > b;});for (int i = 0; i < k; i++) {if ((happiness[i] - i) >= 0)res += happiness[i] - i;}return res;}
};
总结
动态规划法,和分治法极其相似。区别就是,在求解子问题时,会保存该子问题的解,后面的子问题求解时,可以直接拿来计算。