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。
字串編輯
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。
給你兩個單詞 word1 和 word2，請你計算出將 word1 轉換成 word2 所使用的最少運算元 。
你可以對乙個單詞進行如下三種操作：
插入乙個字元
刪除乙個字元
替換乙個字元
示例 1：
輸入：word1 =
"horse"
, word2 =
"ros"
輸出：3
解釋：horse -
>
rorse
(將 'h' 替換為 'r'
)rorse -
>
rose
(刪除 'r'
)rose -
>
ros(刪除 'e')/
/leetcode-cn.com/problems/edit-distance
class
solution
: def mindistance
(self, word1: str, word2: str)
-> int:
m,n =
len(word1)
,len
(word2)
dp =[[
0]*(n+1)
for _ in
range
(m+1)]
for i in
range
(m+1):
for j in
range
(n+1):
if i ==0:
dp[i]
[j]= j
elif j ==0:
dp[i]
[j]= i
else
:if word1[i-1]
== word2[j-1]
: a =
0else
: a =
1 dp[i]
[j]=
min(dp[i-1]
[j-1
]+a,
min(dp[i-1]
[j]+
1,dp[i]
[j-1]+
1))return dp[m]
[n]
copy all (複製全部) : 你可以複製這個記事本中的所有字元(部分的複製是不允許的)。
paste (貼上) : 你可以貼上你上一次複製的字元。
給定乙個數字 n 。你需要使用最少的操作次數，在記事本中列印出恰好 n 個 『a』。輸出能夠列印出 n 個 『a』 的最少操作次數。
示例 1
:輸入:
3輸出:
3解釋:
最初, 我們只有乙個字元 'a'。
第 1 步, 我們使用 copy all 操作。
第 2 步, 我們使用 paste 操作來獲得 'aa'。
第 3 步, 我們使用 paste 操作來獲得 'aaa'。
2-keys-keyboard
class
solution
: def minsteps
(self, n: int)
-> int:
dp =[0
]*(n+1
) h =
int(n**
0.5)
for i in
range(2
,n+1):
dp[i]
= i for j in
range(2
,h+1):
if i%j ==0:
dp[i]
= dp[j]
+ dp[i//j]
break
return dp[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...