leecode更新

Leecode/src/main/java/com/markilue/leecode/dynamic/T27_LengthOfLIS.java

@@ -96,7 +96,7 @@ public class T27_LengthOfLIS {
                         r = mid - 1;
                     }
                 }
-                d[pos + 1] = nums[i];
+                d[pos + 1] = nums[i];//把第一个小于的位置替换成这个数//并不影响原本的长度,只有后续比他更长了，才会影响他的长度
             }
         }
         return len;

Leecode/src/main/java/com/markilue/leecode/dynamic/second/T26_MaxProfit.java

@@ -0,0 +1,96 @@
+package com.markilue.leecode.dynamic.second;
+
+import org.junit.Test;
+
+/**
+ *@BelongsProject: Leecode
+ *@BelongsPackage: com.markilue.leecode.dynamic.second
+ *@Author: markilue
+ *@CreateTime: 2023-02-22  10:35
+ *@Description:
+ * TODO  力扣714题  买卖股票的最佳时机含手续费:
+ *  给定一个整数数组 prices，其中 prices[i]表示第 i 天的股票价格 ；整数 fee 代表了交易股票的手续费用。
+ *  你可以无限次地完成交易，但是你每笔交易都需要付手续费。如果你已经购买了一个股票，在卖出它之前你就不能再继续购买股票了。
+ *  返回获得利润的最大值。
+ *  注意：这里的一笔交易指买入持有并卖出股票的整个过程，每笔交易你只需要为支付一次手续费。
+ *@Version: 1.0
+ */
+public class T26_MaxProfit {
+
+    @Test
+    public void test(){
+        int[] prices = {1, 3, 2, 8, 4, 9};
+        int fee = 2;
+        System.out.println(maxProfit(prices,fee));
+    }
+
+    /**
+     * 思路:仅是每笔交易的时候包含了手续费;在每次买的时候加上手续费即可
+     * 速度击败50.42%  内存击败89.43%
+     * @param prices
+     * @param fee
+     * @return
+     */
+    public int maxProfit(int[] prices, int fee) {
+
+        int[][] dp = new int[prices.length][2];
+
+        dp[0][0] = 0;
+        dp[0][1] = -prices[0] - fee;
+
+        for (int i = 1; i < prices.length; i++) {
+            dp[i][0]=Math.max(dp[i-1][0],dp[i-1][1]+prices[i]);
+            dp[i][1]=Math.max(dp[i-1][1],dp[i-1][0]-prices[i]-fee);
+        }
+
+        return dp[dp.length-1][0];
+
+    }
+
+
+    /**
+     * 一维dp优化
+     * 速度击败99.96%  内存击败36.47%  3ms
+     * @param prices
+     * @param fee
+     * @return
+     */
+    public int maxProfit1(int[] prices, int fee) {
+
+        int dp0 = 0;
+        int dp1 = -prices[0] - fee;
+        int temp;
+
+        for (int i = 1; i < prices.length; i++) {
+            temp=dp0;
+            dp0=Math.max(dp0,dp1+prices[i]);
+            dp1=Math.max(dp1,temp-prices[i]-fee);
+        }
+
+        return dp0;
+    }
+
+
+    /**
+     * 贪心算法:  核心在于  何时才真正卖出
+     * @param prices
+     * @param fee
+     * @return
+     */
+    public int maxProfit2(int[] prices, int fee) {
+
+        int buy=prices[0]+fee;
+        int sum=0;
+
+        for (int price : prices) {
+            if(price+fee<buy){//后续如果比8大的数，如果在之前遇到了p + fee<buy的情况,那么后续就一定有正收益了，所以之前的可以放心卖
+                buy=price+fee;//寻找最小价格
+            }else if(price>buy){
+                sum += price - buy;//假装排除计算收益
+                buy = price;//后期如果有数比他大，那么就是计算加上的p-buy增值收益
+            }
+        }
+
+        return sum;
+    }
+}

Leecode/src/main/java/com/markilue/leecode/dynamic/second/T27_LengthOfLIS.java

@@ -0,0 +1,44 @@
+package com.markilue.leecode.dynamic.second;
+
+import java.util.Arrays;
+
+/**
+ *@BelongsProject: Leecode
+ *@BelongsPackage: com.markilue.leecode.dynamic.second
+ *@Author: markilue
+ *@CreateTime: 2023-02-22  10:58
+ *@Description:
+ * TODO  leecode300  最长递增子序列:
+ *  给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。
+ *  子序列 是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。
+ *@Version: 1.0
+ */
+public class T27_LengthOfLIS {
+
+
+    /**
+     * 思路:注意是子序列,可以删除前后元素,找最长  因为可以删除  所以可以将状态分为两种 ：要当前的词  不要当前的词  TODO 不知道如何保存状态，未能做出
+     *   TODO dp五部曲:
+     *      1.dp定义:  dp[i][0]表示不要当前当前的词的最长序列长度  dp[i][1]表示要当前的词的最长序列长度
+     *      2.dp状态转移方程:   //因为没法保存状态,所以只能暴力依次比较  时间复杂度O(n^2)
+     *      3.dp初始化:
+     *      4.dp遍历顺序:
+     *      5.dp举例推导:
+     * @param nums
+     * @return
+     */
+    public int lengthOfLIS(int[] nums) {
+        int[] dp = new int[nums.length];
+        Arrays.fill(dp, 1);
+        int result = 0;
+        for (int i = 0; i < dp.length; i++) {
+            for (int j = 0; j < i; j++) {//本质上还是依次比较寻找最大的
+                if (nums[i] > nums[j]) {
+                    dp[i] = Math.max(dp[i], dp[j] + 1);
+                }
+            }
+            if (dp[i] > result) result = dp[i]; // 取长的子序列
+        }
+        return result;
+    }
+}

Leecode/src/main/java/com/markilue/leecode/dynamic/second/T28_FindLengthOfLCIS.java

@@ -0,0 +1,67 @@
+package com.markilue.leecode.dynamic.second;
+
+/**
+ *@BelongsProject: Leecode
+ *@BelongsPackage: com.markilue.leecode.dynamic.second
+ *@Author: markilue
+ *@CreateTime: 2023-02-22  11:47
+ *@Description:
+ * TODO  力扣674题  最长连续递增序列:
+ *  给定一个未经排序的整数数组，找到最长且 连续递增的子序列，并返回该序列的长度。
+ *  连续递增的子序列 可以由两个下标 l 和 r（l < r）确定，如果对于每个 l <= i < r，都有 nums[i] < nums[i + 1] ，
+ *  那么子序列 [nums[l], nums[l + 1], ..., nums[r - 1], nums[r]] 就是连续递增子序列。
+ *@Version: 1.0
+ */
+public class T28_FindLengthOfLCIS {
+
+    /**
+     * 思路:不同之处在于  要连续递增  所以要维护的是一个子数组，由于是连续的,所以比较
+     *      TODO  DP五部曲；
+     *          1.dp定义:
+     *          2.dp状态转移方程:
+     *          3.dp初始化:
+     *          4.dp遍历顺序:
+     *          5.dp举例推导:
+     * @param nums
+     * @return
+     */
+    public int findLengthOfLCIS(int[] nums) {
+
+        int maxLength = 1;
+        int curLength = 1;
+
+        for (int i = 1; i < nums.length; i++) {
+            if (nums[i] > nums[i - 1]) {
+                curLength++;
+            } else {
+                curLength = 1;//小于就重置
+            }
+
+            if (curLength > maxLength) maxLength = curLength;
+        }
+        return maxLength;
+
+    }
+
+
+    /**
+     * 动态规划法
+     * @param nums
+     * @return
+     */
+    public int findLengthOfLCIS1(int[] nums) {
+        int nowLength=1;
+        int[] dp = new int[nums.length];
+        dp[0]=1;
+
+        for (int i = 1; i < nums.length; i++) {
+            if (nums[i] > nums[i-1]) {
+                nowLength+=1;//状态递推
+            }else {
+                nowLength=1;
+            }
+            dp[i]=Math.max(dp[i-1],nowLength);
+        }
+        return dp[nums.length-1];
+    }
+}

Leecode/src/main/java/com/markilue/leecode/dynamic/second/T29_FindLength.java

@@ -0,0 +1,86 @@
+package com.markilue.leecode.dynamic.second;
+
+import org.junit.Test;
+
+/**
+ *@BelongsProject: Leecode
+ *@BelongsPackage: com.markilue.leecode.dynamic.second
+ *@Author: markilue
+ *@CreateTime: 2023-02-22  11:56
+ *@Description:
+ * TODO  力扣718题  最长重复子数组:
+ *  给两个整数数组 nums1 和 nums2 ，返回 两个数组中 公共的 、长度最长的子数组的长度 。
+ *@Version: 1.0
+ */
+public class T29_FindLength {
+
+    @Test
+    public void test() {
+        int[] nums1 = {0, 1, 1, 1, 1};
+        int[] nums2 = {1, 0, 1, 0, 1};
+        System.out.println(findLength(nums1, nums2));
+    }
+
+
+    /**
+     * 思路:
+     *  TODO  DP五部曲:
+     *      1.dp定义:dp[i][j]表示  使用nums1[0-i]和nums2[0-j]所返回的最长长度
+     *      2.dp状态转移方程:
+     *                      dp[i][j] 可以是  不要nums2[j]   不要nums1[i]  或者nums[i]==nums[j]
+     *                          dp[i][j]  if(nums[i-1]!=nums[j-1])    max(dp[i-1][j],dp[i][j-1])
+     *                                         else    dp[i-1][j-1]+1
+     *      3.dp初始化:为了初始化方便，取nums[i-1]!=nums[j-1]的关系  dp[i][0]=0;  dp[0][j]=0;
+     *      4.dp遍历顺序:
+     *      5.dp举例推导:
+     * @param nums1
+     * @param nums2
+     * @return
+     */
+    public int findLength(int[] nums1, int[] nums2) {
+
+        int[][] dp = new int[nums1.length + 1][nums2.length + 1];
+        int result = 0;
+
+        for (int i = 1; i < dp.length; i++) {
+            for (int j = 1; j < dp[0].length; j++) {
+                if (nums1[i - 1] == nums2[j - 1]) dp[i][j] = dp[i - 1][j - 1] + 1;
+                //因为是子数组，不是子序列，所以一不想等，就直接等于0了，不做处理
+                if (result < dp[i][j]) result = dp[i][j];
+//                else dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
+            }
+        }
+
+        return result;
+
+    }
+
+
+    /**
+     * 一维dp优化
+     * @param nums1
+     * @param nums2
+     * @return
+     */
+    public int findLength1(int[] nums1, int[] nums2) {
+
+        int[] dp = new int[nums2.length + 1];
+        int result = 0;
+
+        for (int i = 1; i < nums1.length + 1; i++) {
+            for (int j = dp.length - 1; j >= 1; j--) {
+                //返许遍历，因为dp[j]要用到dp[i-1]
+                if (nums1[i - 1] == nums2[j - 1]) {
+                    dp[j] = dp[j - 1] + 1;
+                }else {
+                    dp[j]=0; //TODO 特别需要注意: 如果不等需要重新赋值，避免不覆盖的情况；而二维的时候不用，因为不用重复利用
+                }
+                //因为是子数组，不是子序列，所以一不想等，就直接等于0了，不做处理
+                if (result < dp[j]) result = dp[j];
+            }
+        }
+
+        return result;
+
+    }
+}