动态规划

题目介绍 题目链接：https://leetcode.cn/problems/edit-distance/ 分析 这道题好像是鹅厂的笔试题，看起来挺有难度，为什么说这道题难呢，因为显而易见，它就是难，

题目介绍 题目链接：https://leetcode.cn/problems/maximum-subarray/ 分析 其实第一次看到这道题，我首先想到的滑动窗口算法，因为滑动窗口算法就是专门处理子串

基本介绍 最长递增子序列（Longest Increasing Subsequence，简写 LIS）是非常经典的一个算法问题，比较容易想到的是动态规划解法，时间复杂度 O(N^2)，我们借这个问题来

题目介绍 王强决定把年终奖用于购物，他把想买的物品分为两类：主件与附件，附件是从属于某个主件的，下表就是一些主件与附件的例子： 如果要买归类为附件的物品，必须先买该附件所属的主件，且每件物品只能购买一

基本介绍 今天就来说一下背包问题吧，就讨论最常说的 0-1 背包问题，简单描述一下吧： 给你一个可装载重量为W的背包和N个物品，每个物品有重量和价值两个属性。其中第i个物品的重量为wt[i]，价值为v

题目介绍 力扣518题：https://leetcode-cn.com/problems/coin-change-2/ 分析 PS：至于 Coin Change 1，在我们前文 动态规划套路详解 写过

题目介绍 力扣416题：https://leetcode-cn.com/problems/partition-equal-subset-sum/ 分析 算法的函数签名如下： 对于这个问题，看起来和背包

题目介绍 力扣516题：https://leetcode-cn.com/problems/longest-palindromic-subsequence/ 动态规划 dp 数组的定义是：在子串s[i.

题目介绍 力扣931题：https://leetcode-cn.com/problems/minimum-falling-path-sum/ 动态规划 首先我们可以定义一个dp数组： 这个dp函数的含

题目介绍 力扣329题：https://leetcode-cn.com/problems/longest-increasing-path-in-a-matrix/ 深度搜索 matrix 为储存原本数

题目介绍 力扣343题：https://leetcode-cn.com/problems/integer-break/ 动态规划 对于的正整数 n，当n ≥ 2 时，可以拆分成至少两个正整数的和。令

题目介绍 力扣338题：https://leetcode-cn.com/problems/counting-bits/ 分析 对于所有的数字，只有两类： 奇数：二进制表示中，奇数一定比前面那个偶数多一

题目介绍 力扣152题：https://leetcode-cn.com/problems/maximum-product-subarray/ 动态规划 看着题目好像跟[53. 最大子序和]类似，于是我

题目介绍 力扣53题：https://leetcode-cn.com/problems/maximum-subarray/ 动态规划 假设num 数组的长度是 n，下标从 0 到 n−1。 我们用 f

题目介绍 力扣44题：https://leetcode-cn.com/problems/wildcard-matching/ 分析 我们来看这样一个表 其中，横轴为string s，纵轴为patter

题目介绍 力扣32题：https://leetcode-cn.com/problems/longest-valid-parentheses/ 动态规划 1.定义dp数组 首先，我们定义一个 dp 数组

题目介绍 力扣221题：https://leetcode-cn.com/problems/maximal-square/ 动态规划 可以使用动态规划降低时间复杂度。我们用 dp(i,j) 表示以 (i

题目介绍 力扣1277题：https://leetcode-cn.com/problems/count-square-submatrices-with-all-ones/ 动态规划 该题目的思路与[2

题目介绍 力扣140题：https://leetcode-cn.com/problems/word-break-ii/ 回溯 该题目最直观的方法就是使用回溯算法。 首先遍历字符串s，找到在wordDi

题目介绍 力扣139题：https://leetcode-cn.com/problems/word-break/ 动态规划 初始化 dp=[False,⋯,False]，长度为 n + 1。n 为字符