動態規劃演算法：每次決策依賴於當前狀態，又隨即引起狀態的轉移。乙個決策序列就是在變化的狀態中產生出來的，所以，這種多階段最優化決策解決問題的過程就稱為動態規劃。
在查詢有很多重疊子問題的情況的最優解有效。動態規劃儲存子問題的解，避免重複計算。
子序問題
解決動態規劃問題的關鍵是找到狀態轉移方程，這樣就可以通過計算和儲存子問題的解來解決最終問題。
給你乙個整數陣列 nums ，找到其中最長嚴格遞增子串行的長度。
子串行是由陣列派生而來的序列，刪除（或不刪除）陣列中的元素而不改變其餘元素的順序。例如，[3,6,2,7] 是陣列 [0,3,1,6,2,2,7] 的子串行。
示例 1：
輸入：nums =[10
,9,2
,5,3
,7,101,18
]輸出：4
解釋：最長遞增子串行是 [2,
3,7,
101]，因此長度為 4 。
class
solution
: def lengthoflis
(self, nums: list[int])-
> int:
maxlength,n =0,
len(nums)
if n <=1:
return n
dp =[1
]*nfor i in
range
(n):
for j in
range
(i):
if nums[i]
> nums[j]
: dp[i]
=max
(dp[i]
, dp[j]+1
) maxlength =
max(maxlength,dp[i]
)return maxlength
class
solution
: def lengthoflis
(self, nums: list[int])-
> int:
n =len(nums)
if n <=1:
return n
dp =
dp.(nums[0]
)for i in
range(1
,n):
if dp[
len(dp)-1
]: dp.
(nums[i]
)else
:for j,k in
enumerate
(dp)
:if k >= nums[i]
:break
dp[j]
= nums[i]
return
len(dp)
乙個字串的 子串行 是指這樣乙個新的字串：它是由原字串在不改變字元的相對順序的情況下刪除某些字元（也可以不刪除任何字元）後組成的新字串。
例如，「ace」 是 「abcde」 的子串行，但 「aec」 不是 「abcde」 的子串行。兩個字串的「公共子串行」是這兩個字串所共同擁有的子串行。
若這兩個字串沒有公共子串行，則返回 0。
示例 1
:輸入：text1 =
"abcde"
, text2 =
"ace"
輸出：3
解釋：最長公共子串行是 "ace"，它的長度為 3
class
solution
: def longestcommonsubsequence
(self, text1: str, text2: str)
-> int:
m,n =
len(text1)
,len
(text2)
dp =[[
0]*(n+1)
for _ in
range
(m+1)]
for i in
range(1
,m+1):
for j in
range(1
,n+1):
if text1[i-1]
== text2[j-1]
: dp[i]
[j]= dp[i-1]
[j-1]+
1else
: dp[i]
[j]=
max(dp[i-1]
[j], dp[i]
[j-1])
return dp[m]
[n]
演算法學習 Union Find演算法
union find演算法有它的實際用途。多用於動態連通的應用場景。union find演算法是 給出兩個節點，判斷它們是否連通，如果連通，是不需要給出具體的路徑的 舉兩個例子作為主要表現 1 在網路連線中，當發現沒有連線的兩個節點，可以把他們連線起來，一旦節點都連線起來，又能把多餘的線拆除，這時候...
演算法學習 KM演算法
km演算法 用於求二分圖的最佳完美匹配 即權值最大的完美匹配 如果你也是個剛來學習km演算法的人 大概的用途肯定還是知道的吧 還是直接說重點吧 首先 理解km演算法前 必須有以下3個概念 1.可行頂標 對於乙個賦值二分圖g x,y,e,w x,y 代表二分圖的兩邊頂點標號 e代表邊 w代表邊的權值 ...
演算法 演算法學習01
貪婪 可以理解為最簡單基礎的求解方式，特點是 短視性 從這個特點入手很容易理解每一步取其最優的原理。雖然最終結果不一定是最好的，但是一定是較好的而且是最簡便的。因此在不過分追求最優結果或者對速度的要求高於結果的情況下，貪婪是不錯的選擇。分治可以理解為大事化小小事好搞，與貪婪的每一步的 串聯 不同，分...