《MySQL必知必会》学习笔记 目录
72. 编辑距离
给定两个单词 word1 和 word2,计算出将 word1 转换成 word2 所使用的最少操作数 。
你可以对一个单词进行如下三种操作:
插入一个字符
删除一个字符
替换一个字符
示例 1:
输入: word1 = "horse", word2 = "ros"
输出: 3
解释:
horse -> rorse (将 'h' 替换为 'r')
rorse -> rose (删除 'r')
rose -> ros (删除 'e')
示例 2:
输入: word1 = "intention", word2 = "execution"
输出: 5
解释:
intention -> inention (删除 't')
inention -> enention (将 'i' 替换为 'e')
enention -> exention (将 'n' 替换为 'x')
exention -> exection (将 'n' 替换为 'c')
exection -> execution (插入 'u')
#@author:leacoder
#@des: 动态规划 编辑距离
class Solution:
def minDistance(self, word1: str, word2: str) -> int:
len1 = len(word1)
len2 = len(word2)
'''
动态规划
step1: 状态
首先只定义一维 DP[i] 不能有效简化问题的处理
使用 二维 DP[i][j],表示 word1 的 i 个字母 与 word2 的 第 j 个字母 相同 需要的操作步骤数
将最对 word1 处理 转化为 对 word1 和 word2 均处理
word1 插入一个字符 DP[i-1][j] + 1 -> DP[i][j]
word1 删除一个字符 = word2 插入一个字符 DP[i][j-1] + 1 -> DP[i][j]
word1 替换一个字符 = word1 word2 都替换一个字符 DP[i-1][j-1] + 1 -> DP[i][j]
step2: 动态方程
DP[i][j] A、 word1 的 i 个字母 与 word2 的 第 j 个字母 相同
DP[i][j] = DP[i-1][j-1] #不操作
B、不相同,需要进行 插入 删除 或者 替换操作
DP[i][j] = min(DP[i-1][j] + 1,DP[i][j-1] + 1,DP[i-1][j-1]+1)
'''
DP = [[0 for _ in range(len2+1)] for _ in range(len1+1)]
# 初始
for i in range(len1+1):
DP[i][0] = i
for j in range(len2+1):
DP[0][j] = j
for i in range(1,len1+1):
for j in range(1,len2+1):
if word1[i - 1] == word2[j -1]:
DP[i][j] = DP[i-1][j-1]
else:
DP[i][j] = min(DP[i-1][j] + 1,DP[i][j-1] + 1,DP[i-1][j-1]+1)
return DP[len1][len2]
GitHub链接: https://github.com/lichangke/LeetCode
个人Blog: https://lichangke.github.io/
欢迎大家来一起交流学习
322. 零钱兑换
给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额,返回 -1。
示例 1:
输入: coins = [1, 2, 5], amount = 11
输出: 3
解释: 11 = 5 + 5 + 1
示例 2:
输入: coins = [2], amount = 3
输出: -1
说明:
你可以认为每种硬币的数量是无限的。
# @author:leacoder
# @des: 动态规划 零钱兑换
class Solution:
def coinChange(self, coins: List[int], amount: int) -> int:
if amount < 0 : return -1
DP = [amount + 1]*(amount + 1) #DP[i] 表示 总金额 为 i 时的最少硬币数,极限情况硬币数为 amount 不可能为 amount + 1
DP[0] = 0 # 初始 下面 DP[i - coin] 中 i - coin = 0时
for i in range(1,amount+1): # 总金额 1 到 amount 的循环
for coin in coins: # 不同面额遍历
if coin <= i: # 面额小于总金额
DP[i] = min(DP[i],DP[i - coin] + 1) # DP方程 类似70. 爬楼梯;
if DP[amount] == amount+1:
return -1
else:
return DP[amount]
GitHub链接: https://github.com/lichangke/LeetCode
个人Blog: https://lichangke.github.io/
欢迎大家来一起交流学习
给定一个数组,它的第 i 个元素是一支给定的股票在第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你最多可以完成 k 笔交易。
注意: 你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
示例 1:
输入: [2,4,1], k = 2
输出: 2
解释: 在第 1 天 (股票价格 = 2) 的时候买入,在第 2 天 (股票价格 = 4) 的时候卖出,这笔交易所能获得利润 = 4-2 = 2 。
示例 2:
输入: [3,2,6,5,0,3], k = 2
输出: 7
解释: 在第 2 天 (股票价格 = 2) 的时候买入,在第 3 天 (股票价格 = 6) 的时候卖出, 这笔交易所能获得利润 = 6-2 = 4 。
随后,在第 5 天 (股票价格 = 0) 的时候买入,在第 6 天 (股票价格 = 3) 的时候卖出, 这笔交易所能获得利润 = 3-0 = 3 。
买卖股票的最佳时机 系列问题 通用型 解法 ,LeetCode 121 123 均可参考此方法
# @author:leacoder
# @des: 动态规划 买卖股票的最佳时机 IV(通用型)
class Solution:
def maxProfit(self, k: int, prices: List[int]) -> int:
n = len(prices)
if n<=1: return 0
if k>int(n/2): # 会超时
#k = int(n/2)
return self.greedy(prices) # 使用贪心
maxprof = 0
profit = [[[0 for _ in range(2)] for _ in range(k+1)] for _ in range(0,len(prices))] # DP[ii][kk][0] 第ii天完成kk次操作无股票 DP[ii][kk][1]第ii天完成kk次操作有股票 prices[ii] 第ii天股票价格
for i in range(0,k+1):
profit[0][i][0] = 0 # 第 1 天 操作i 次 没有股票,所以初始值为 0
profit[0][i][1] = - prices[0] # 第 1 天 操作i 次 有股票, 所以初始值为 - prices[ii]
for ii in range(1,len(prices)): # 天数
for kk in range(0, k + 1): # 交易次数
if kk == 0: #
profit[ii][kk][0] = profit[ii - 1][kk][0] # 0 次交易 今天利润 == 前一天利润
else:
# 今天完成kk次操作无股票 max(前一天无股票今天不交易,前一天有股票今天卖出) 买卖一次算一笔交易 故 profit[ii - 1][kk - 1][1] + prices[ii]
profit[ii][kk][0] = max(profit[ii - 1][kk][0], profit[ii - 1][kk - 1][1] + prices[ii])
# 今天完成kk次操作有股票 max(前一天有股票今天不交易,前一天无股票今天买入)
profit[ii][kk][1] = max(profit[ii - 1][kk][1], profit[ii - 1][kk][0] - prices[ii])
maxprof = max(maxprof, profit[ii][kk][0])
return maxprof
def greedy(self,prices: List[int]) -> int:
max = 0
for i in range(1,len(prices)):
if prices[i]>prices[i-1]:
max += prices[i] - prices[i-1]
return max
GitHub链接: https://github.com/lichangke/LeetCode
个人Blog: https://lichangke.github.io/
欢迎大家来一起交流学习
123. 买卖股票的最佳时机 III
给定一个数组,它的第 i 个元素是一支给定的股票在第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你最多可以完成 两笔 交易。
注意: 你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
示例 1:
输入: [3,3,5,0,0,3,1,4]
输出: 6
解释: 在第 4 天(股票价格 = 0)的时候买入,在第 6 天(股票价格 = 3)的时候卖出,这笔交易所能获得利润 = 3-0 = 3 。
随后,在第 7 天(股票价格 = 1)的时候买入,在第 8 天 (股票价格 = 4)的时候卖出,这笔交易所能获得利润 = 4-1 = 3 。
示例 2:
输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票,之后再将它们卖出。
因为这样属于同时参与了多笔交易,你必须在再次购买前出售掉之前的股票。
示例 3:
输入: [7,6,4,3,1]
输出: 0
解释: 在这个情况下, 没有交易完成, 所以最大利润为 0。
# @author:leacoder
# @des: 动态规划 买卖股票的最佳时机 III(通用型)
class Solution:
def maxProfit(self, prices: List[int]) -> int:
if not prices: return 0
# 三维数组
# profit[ii][kk][jj]
# ii 第 ii 天, kk 股票操作了几次 , jj 是否有股票
# 最多可以完成 两笔 交易: kk 可以为 0 1 2 次操作 , jj可以为 0 ,1 0 没有股票 1有股票
profit = [[[0 for _ in range(2)] for _ in range(3)] for _ in range(len(prices))]
# 第一天 初始化
for k in range(3): #最多可以完成 两笔 交易 故range(3)
profit[0][k][0] = 0 # 第 1 天 操作 k 次 没有股票,所以初始值为 0
profit[0][k][1] = - prices[0] # 第 1 天 操作i 次 有股票, 所以初始值为 - prices[0]
# 注意 买 卖 都进行一次算一次操作 k + 1,单独 买入 不算完成一次操作
for i in range(1,len(prices)):
# 第 i 天 0 次交易 没有股票最大利润 = 第 i-1 天 0 次交易 没有股票最大利润
profit[i][0][0] = profit[i-1][0][0]
# 第 i 天 0 次交易 有股票最大利润 = max(第 i-1 天 0 次交易 有股票最大利润 , 第 i-1 天 0 次交易 无股票最大利润 - 当天股票价格prices[i](买入))
profit[i][0][1] = max(profit[i-1][0][1],profit[i-1][0][0] - prices[i])
# 第 i 天 1 次交易 无股票最大利润 = max(第 i-1 天 1次交易 无股票最大利润 , 第 i-1 天 0 次交易 有股票最大利润 + 当天股票价格prices[i](卖出))
profit[i][1][0] = max(profit[i-1][1][0],profit[i-1][0][1] +prices[i] )
# 第 i 天 1 次交易 有股票最大利润 = max(第 i-1 天 1 次交易 有股票最大利润 , 第 i-1 天 1 次交易 无股票最大利润 - 当天股票价格prices[i](买入))
profit[i][1][1] = max(profit[i-1][1][1],profit[i-1][1][0] - prices[i])
# 第 i 天 2 次交易 无股票最大利润 = max(第 i-1 天 2次交易 无股票最大利润 , 第 i-1 天 1 次交易 有股票最大利润 + 当天股票价格prices[i](卖出))
profit[i][2][0] = max(profit[i-1][2][0],profit[i-1][1][1] + prices[i] )
end = len(prices) - 1
return max(profit[end][0][0],profit[end][1][0],profit[end][2][0])
GitHub链接: https://github.com/lichangke/LeetCode
个人Blog: https://lichangke.github.io/
欢迎大家来一起交流学习