---

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：

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

        //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。