动态规划注释完善

linwt · linwt · commit 830ad51f29cc · 2022-03-26T15:01:01.000+08:00
diff --git a/leetcode_Java/Solution0022.java b/leetcode_Java/Solution0022.java
@@ -40,8 +40,10 @@ private void dfs(String track, int n, int left, int right) {
 2、题目：数字n代表生成括号的对数，请你设计一个函数，用于能够生成所有可能的并且有效的括号组合。
 3、题目简化：求n对括号的所有有效组合
 4、定义dp列表：dp[i]表示i对括号的所有有效组合。本题不能用一维或二维数组，而是用二维列表，存放的是字符串对象
-5、状态转移方程：dp[i] = "(" + dp[p]的组合 + ")" + dp[q]的组合，其中1+p+q=i，p从0遍历到i-1，q则相应从i-1到0
-6、初始化：dp[0]=[""], dp[1]=["()"]
+5、初始化：
+  1）一维dp数组扩容：增加0对括号这一最小规模的情况
+  2）dp[0]=[""], dp[1]=["()"]
+6、状态转移方程：dp[i] = "(" + dp[p]的组合 + ")" + dp[q]的组合，其中1+p+q=i，p从0遍历到i-1，q则相应从i-1到0
 7、遍历dp数组填表：从前向后，第一个for循环用于遍历dp列表未知位置，第二个for循环用于遍历dp列表已知位置，得到已知结果后根据状态转移方程推断计算未知结果并填表
 8、返回结果：最后一个状态就是结果
  */
diff --git a/leetcode_Java/Solution0042.java b/leetcode_Java/Solution0042.java
@@ -62,10 +62,12 @@ private int getMax(int[] height, int start, int end) {
 逐列累加雨水，动态规划，时间复杂度优化，空间换时间：
 1、为避免重复遍历计算某位置的左右最高柱子，使用dp数组存放最高柱子
 2、定义dp数组：dpLeft[i]表示i位置左边最高柱子的高度，dpRight[i]表示i位置右边最高柱子的高度
-3、状态转移方程：
+3、初始化：
+  1）一维dp数组不用扩容
+  2）dp[0]=0，不用赋值了
+4、状态转移方程：
    dpLeft[i] = Math.max(dpLeft[i - 1], height[i - 1]);
    dpRight[i] = Math.max(dpRight[i + 1], height[i + 1]);
-4、初始化：dp[0]=0，不用赋值了
 4、遍历dp数组填表：一个for循环遍历dp数组填表，求 左边最高柱子的高度 则 从左往右 遍历，求 右边最高柱子的高度 则 从右往左 遍历
  */
 class Solution {
diff --git a/leetcode_Java/Solution0053.java b/leetcode_Java/Solution0053.java
@@ -46,8 +46,10 @@ public int maxSubArray(int[] nums) {
 1、题目：给你一个整数数组 nums，请你找出一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。子数组是数组中的一个连续部分。
 2、题目简化：求数组nums的具有最大和的连续子数组的和。要先求多个局部连续子数组的最大和，再从多个局部最大中得到全局最大
 3、定义dp数组：dp[i]表示以索引i结尾的连续子数组的最大和
-4、状态转移方程：dp[i] = Math.max(nums[i], nums[i] + dp[i - 1]);
-5、初始化：dp[0] = nums[0];
+4、初始化：
+  1）一维dp数组不用扩容，直接根据dp数组的定义就可以直观地对应进行初始化
+  2）dp[0] = nums[0];
+5、状态转移方程：dp[i] = Math.max(nums[i], nums[i] + dp[i - 1]);
 6、遍历dp数组填表：一个for循环遍历dp数组，根据状态转移方程推断计算未知结果并填表
 7、返回结果：dp数组的最大值就是具有最大和的连续子数组的和
  */
diff --git a/leetcode_Java/Solution0055.java b/leetcode_Java/Solution0055.java
@@ -6,8 +6,10 @@
 1、题目：给定一个非负整数数组nums，你最初位于数组的第一个下标，数组中的每个元素代表你在该位置可以跳跃的最大长度，判断你是否能够到达最后一个下标。
 2、题目简化：求索引 i 位置可以跳跃的最大长度，该长度是否大于等于最后一个索引位置
 3、定义dp数组：dp[i]表示索引 i 位置能够跳跃到的最大长度
-4、状态转移方程：dp[i] = max(dp[i - 1], i + nums[i]);
-5、初始化：dp[0] = nums[0];
+4、初始化：
+  1）dp数组不用扩容，直接根据dp数组的定义就可以直观地对应进行初始化
+  2）dp[0] = nums[0];
+5、状态转移方程：dp[i] = max(dp[i - 1], i + nums[i]);
 6、遍历dp数组填表：一个for循环遍历dp数组，根据状态转移方程推断计算未知结果并填表
 7、返回结果：在状态转移前后进行跳跃长度判断以快速得出结果，没希望跳过去、已经足够跳过去
  */
diff --git a/leetcode_Java/Solution0062.java b/leetcode_Java/Solution0062.java
@@ -6,8 +6,10 @@
 1、题目：一个机器人位于一个 m x n 网格的左上角，机器人每次只能向下或者向右移动一步，机器人试图达到网格的右下角，问总共有多少条不同的路径？
 2、题目简化：求从(0,0)到(m-1,n-1)的不同路径条数
 3、定义dp数组：dp[i][j]表示到达位置(i,j)的不同路径条数
-4、状态转移方程：dp[i][j] = dp[i - 1][j] + dp[i][j - 1] 即上方和左方的不同路径条数相加
-5、初始化：首行首列只有一条路径，初始化为1
+4、初始化：
+  1）二维dp数组不用扩容，直接根据dp数组的定义就可以直观地对应进行初始化
+  2）首行首列只有一条路径，初始化为1
+5、状态转移方程：dp[i][j] = dp[i - 1][j] + dp[i][j - 1] 即上方和左方的不同路径条数相加
 6、遍历dp数组填表：两个for循环遍历二维dp数组每个位置，根据状态转移方程计算该位置不同路径条数并填表，直到终点，获得结果
 7、返回结果：最后一个状态就是结果
  */
diff --git a/leetcode_Java/Solution0064.java b/leetcode_Java/Solution0064.java
@@ -6,8 +6,10 @@
 1、题目：给定一个包含非负整数的 m x n 网格 grid ，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。说明：每次只能向下或者向右移动一步。
 2、题目简化：求从 (0,0) 到达 (m-1,n-1) 位置的最小路径和
 3、定义dp数组：本题可以直接在原数组操作。grid[i][j] 表示到达 (i,j) 位置的最小路径和
-4、状态转移方程：grid[i][j] += Math.min(grid[i - 1][j], grid[i][j - 1]); 即上方或左方的最小路径和
-5、初始化：首行首列的路径和进行累加初始化
+4、初始化：
+  1）二维dp数组不用扩容，直接根据dp数组的定义就可以直观地对应进行初始化
+  2）首行首列的路径和进行累加初始化
+5、状态转移方程：grid[i][j] += Math.min(grid[i - 1][j], grid[i][j - 1]); 即上方或左方的最小路径和
 6、遍历顺序：两个for循环遍历二维dp数组每个位置，根据状态转移方程计算该位置的最小路径和并填表，直到终点，获得结果
  */
 class Solution {
diff --git a/leetcode_Java/Solution0121.java b/leetcode_Java/Solution0121.java
@@ -6,14 +6,14 @@
 1、定义dp数组：
   dp[i][0] 表示第i天交易结束后不持有股票的最大利润
   dp[i][1] 表示第i天交易结束后持有股票的最大利润
-2、状态转移方程
+2、初始化
+  dp[0][0] = 0 表示第0天不持有股票，最大利润为0。创建数组时默认为0，可省略
+  dp[0][1] = -prices[0] 表示第0天持有股票，最大利润为-prices[0]
+3、状态转移方程
     dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
   第i天不持有股票        前一天不持有股票   前一天持有股票且今天卖出
     dp[i][1] = Math.max(dp[i - 1][1], -prices[i]);  // 注意：只能买卖一次，所以买入时的利润为-prices[i]
    第i天持有股票         前一天持有股票     今天买入
-3、初始化
-  dp[0][0] = 0 表示第0天不持有股票，最大利润为0。创建数组时默认为0，可省略
-  dp[0][1] = -prices[0] 表示第0天持有股票，最大利润为-prices[0]
 4、遍历dp数组填表：一个for循环遍历数组，根据状态转移方程直接取dp数组的已知结果计算未知结果
 5、返回结果：最后一个不持有股票的状态就是结果
 
diff --git a/leetcode_Java/Solution0122.java b/leetcode_Java/Solution0122.java
@@ -6,14 +6,14 @@
 1、定义dp数组：
   dp[i][0] 表示第i天交易结束后不持有股票的最大利润
   dp[i][1] 表示第i天交易结束后持有股票的最大利润
-2、状态转移方程
+2、初始化
+  dp[0][0] = 0 表示第0天不持有股票，最大利润为0。创建数组时默认为0，可省略
+  dp[0][1] = -prices[0] 表示第0天持有股票，最大利润为-prices[0]
+3、状态转移方程
     dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
   第i天不持有股票        前一天不持有股票   前一天持有股票且今天卖出
     dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);  // 注意：可以买卖多次，所以买入时的利润包含之前所得利润，即dp[i - 1][0] - prices[i]
    第i天持有股票         前一天持有股票    前一天不持有股票且今天买入
-3、初始化
-  dp[0][0] = 0 表示第0天不持有股票，最大利润为0。创建数组时默认为0，可省略
-  dp[0][1] = -prices[0] 表示第0天持有股票，最大利润为-prices[0]
 4、遍历dp数组填表：一个for循环遍历数组，根据状态转移方程直接取dp数组的已知结果计算未知结果
 5、返回结果：最后一个不持有股票的状态就是结果
 
diff --git a/leetcode_Java/Solution0139.java b/leetcode_Java/Solution0139.java
@@ -6,8 +6,10 @@
 1、题目：给你一个字符串 s 和一个字符串列表 wordDict 作为字典。请你判断是否可以利用字典中出现的单词拼接出 s。注意：不要求字典中出现的单词全部都使用，并且字典中的单词可以重复使用。
 2、题目简化：字符串s能否由单词列表拼出
 3、定义dp数组：dp[i]表示前i个字符是否能由单词拼出
-4、状态转移方程：dp[i] = dp[j] && wordDict.contains(s.substring(j, i))
-5、初始化：dp[0] = true，表示字符串为空字符时的情况，方便递推判断
+4、初始化：
+  1）一维dp数组扩容：增加空字符串这一最小规模的情况，方便初始化
+  2）dp[0] = true，表示字符串为空字符时的情况，方便递推判断
+5、状态转移方程：dp[i] = dp[j] && wordDict.contains(s.substring(j, i))
 6、遍历dp数组填表：
   1）解释一：第一个for循环用于遍历dp数组未知位置，第二个for循环用于遍历dp数组已知位置，得到已知结果后根据状态转移方程推断计算未知结果并填表
   2）解释二：固定未知位置，由前面已知推断当前结果。固定第i个字符的位置，然后从头开始遍历到i位置，判断s[0,j)和s[j,i)是否能由单词拼出
diff --git a/leetcode_Java/Solution0152.java b/leetcode_Java/Solution0152.java
@@ -29,10 +29,12 @@ public int maxProduct(int[] nums) {
 1、题目：给你一个整数数组 nums ，请你找出数组中乘积最大的非空连续子数组（该子数组中至少包含一个数字），并返回该子数组所对应的乘积。
 2、题目简化：求数组的最大乘积
 3、定义dp数组：dpMax[i]表示以i位置结尾的子数组最大乘积，dpMin[i]表示以i位置结尾的子数组最小乘积。由于存在负数，因此要保留当前的最大最小值。
-4、状态转移方程：
+4、初始化：
+  1）一维dp数组不用扩容，直接根据dp数组的定义就可以直观地对应进行初始化
+  2）dpMax[0] = dpMin[0] = nums[0];
+5、状态转移方程：
    dpMax[i] = Math.max(nums[i], Math.max(dpMax[i - 1] * nums[i], dpMin[i - 1] * nums[i]));
    dpMin[i] = Math.min(nums[i], Math.min(dpMax[i - 1] * nums[i], dpMin[i - 1] * nums[i]));
-5、初始化：dpMax[0] = dpMin[0] = nums[0];
 6、遍历dp数组填表：一个for循环遍历dp数组的未知位置，根据状态转移方程直接取dp数组的已知结果计算未知结果
 7、返回结果：dpMax[i]中取最大值
  */
diff --git a/leetcode_Java/Solution0188.java b/leetcode_Java/Solution0188.java
@@ -7,12 +7,14 @@
   1）存在三种「状态」：天数、交易次数、是否持有股票，因此定义三维dp
   2）dp[i][j][0] 表示第i天，已经进行了j次交易，不持有股票，获取的最大利润
     dp[i][j][1] 表示第i天，已经进行了j次交易，持有股票，获取的最大利润
-2、状态转移方程
-  dp[i][j][0] = Math.max(dp[i - 1][j][0], dp[i - 1][j][1] + prices[i]);
-  dp[i][j][1] = Math.max(dp[i - 1][j][1], dp[i - 1][j - 1][0] - prices[i]);
-3、初始化：
+2、初始化：
   dp[0][j][0] = 0 表示第0天，不持有股票，任意交易次数，获取的最大利润都为0。创建数组时默认为0，可省略
   dp[0][j][1] = -prices[0] 表示第0天，持有股票，任意交易次数，获取的最大利润都为-prices[0]
+3、状态转移方程
+  dp[i][j][0] = Math.max(dp[i - 1][j][0], dp[i - 1][j][1] + prices[i]);
+  今天不持有股票             前一天不持有股票       前一天持有股票且今天卖出
+  dp[i][j][1] = Math.max(dp[i - 1][j][1], dp[i - 1][j - 1][0] - prices[i]);
+  今天持有股票               前一天持有股票         前一天不持有股票且今天买入
 4、遍历dp数组填表：第一层遍历天数，第二层遍历交易次数，根据状态转移方程填表。计算当前状态只跟前一天有关，所以两个for循环顺序先后都可以。
 5、返回结果：最后一个状态就是结果。即最后一天，已经进行了k次交易，不持有股票，获取的最大利润
 6、其他细节：
diff --git a/leetcode_Java/Solution0279.java b/leetcode_Java/Solution0279.java
@@ -6,10 +6,12 @@
 1、题目：给你一个整数 n，返回 和为n 的完全平方数的最少数量。完全平方数是一个整数，其值等于另一个整数的平方；换句话说，其值等于一个整数自乘的积。例如，1、4、9 和 16 都是完全平方数，而 3 和 11 不是。
 2、题目简化：求和为n的完全平方数的最少数量
 3、定义dp数组：dp[i]表示和为i的完全平方数的最少数量
-4、状态转移方程：dp[i] = Math.min(dp[i], dp[i - j * j] + 1);
+4、初始化：
+  1）一维dp数组扩容：增加和为0这一最小规模的情况
+  2）dp[i] = i，表示最坏情况全部由1相加，数量为i
+5、状态转移方程：dp[i] = Math.min(dp[i], dp[i - j * j] + 1);
   1）j*j 是一个完全平方数，i-j*j 表示减去一个完全平方数的值，dp[i-j*j] 表示和为 i-j*j 完全平方数的最少数量，dp[i-j*j] + 1 表示和为i的完全平方数的数量
   2）构成i有多个完全平方数相加，所以遍历j，每次减去一个j*j的完全平方数，由旧状态加1直接得到当前值数量，比较得到最少数量
-5、初始化：dp[i] = i，表示最坏情况全部由1相加，数量为i
 6、遍历dp数组填表：一个for循环遍历dp数组的未知位置，另一个for循环遍历完全平方数，根据条件获取dp数组的已知位置，根据状态转移方程取已知结果汇总计算未知结果
 7、返回结果：最后一个状态就是结果
  */
diff --git a/leetcode_Java/Solution0300.java b/leetcode_Java/Solution0300.java
@@ -2,13 +2,16 @@
 
 
 /*
-题目简化：求数组的最长递增子序列的长度
-1、定义dp数组：dp[i] 表示以索引i的元素结尾的最长递增子序列的长度
-2、状态转移方程：if (nums[i] > nums[j]) dp[i] = Math.max(dp[i], dp[j] + 1);
+动态规划：
+1、题目简化：求数组的最长递增子序列的长度
+2、定义dp数组：dp[i] 表示以索引i的元素结尾的最长递增子序列的长度
+3、初始化：
+  1）一维dp数组不用扩容，直接根据dp数组的定义就可以直观地对应进行初始化
+  2）dp[i] = 1 表示每一个位置i的递增子序列的长度至少是1
+4、状态转移方程：if (nums[i] > nums[j]) dp[i] = Math.max(dp[i], dp[j] + 1);
   位置i的最长递增子序列长度 等于j从0到i-1各个位置的 最长递增子序列长度加1的 最大值
-3、初始化：dp[i] = 1 表示每一个位置i的递增子序列的长度至少是1
-4、遍历dp数组填表：第一个for循环遍历dp数组的未知位置，第二个for循环遍历dp数组的已知位置，根据状态转移方程获取已知结果计算未知结果
-5、返回结果：遍历时比较每个位置结尾时的最长递增子序列的长度，并记录最大值，最后返回最大值
+5、遍历dp数组填表：第一个for循环遍历dp数组的未知位置，第二个for循环遍历dp数组的已知位置，根据状态转移方程获取已知结果计算未知结果
+6、返回结果：遍历时比较每个位置结尾时的最长递增子序列的长度，并记录最大值，最后返回最大值
  */
 public class Solution {
     public int lengthOfLIS(int[] nums) {
diff --git a/leetcode_Java/Solution0309.java b/leetcode_Java/Solution0309.java
@@ -7,13 +7,13 @@
   dp[i][0] 表示第i天交易结束后，持有股票，获取的最大利润
   dp[i][1] 表示第i天交易结束后，不持有股票，处于冷冻期，获取的最大利润（第i天卖出股票后就处于冷冻期，则第i+1天不能买入股票）
   dp[i][2] 表示第i天交易结束后，不持有股票，不处于冷冻期，获取的最大利润
-2、状态转移方程
+2、初始化
+  dp[0][0] = -prices[0] 表示第0天交易结束后，持有股票，获取的最大利润为-prices[0]
+  dp[0][1] = dp[0][2] = 0 表示第0天交易结束后，不持有股票，获取的最大利润为0。创建数组时默认为0，可省略
+3、状态转移方程
   dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][2] - prices[i]);  // 今天持有股票。则前一天持有股票；或者前一天不持有股票、非冷冻期，且今天买入股票
   dp[i][1] = dp[i - 1][0] + prices[i];  // 今天不持有股票，处于冷冻期。则前一天持有股票，且今天卖出股票
   dp[i][2] = Math.max(dp[i - 1][1], dp[i - 1][2]);  // 今天不持有股票，不处于冷冻期。则前一天不持有股票，处于冷冻期；或者前一天不持有股票，不处于冷冻期
-3、初始化
-  dp[0][0] = -prices[0] 表示第0天交易结束后，持有股票，获取的最大利润为-prices[0]
-  dp[0][1] = dp[0][2] = 0 表示第0天交易结束后，不持有股票，获取的最大利润为0。创建数组时默认为0，可省略
 4、遍历dp数组填表：一个for循环遍历数组，根据状态转移方程直接取dp数组的已知结果计算未知结果
 5、返回结果：第i天交易结束后，不持有股票的两个状态比较获取的最大利润
  */
diff --git a/leetcode_Java/Solution0322.java b/leetcode_Java/Solution0322.java
@@ -45,22 +45,24 @@ private int dfs(int[] memo, int[] coins, int amount) {
 1、题目：给你一个整数数组coins，表示不同面额的硬币；以及一个整数amount，表示总金额。计算并返回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。你可以认为每种硬币的数量是无限的。
 2、题目简化：求凑成总金额amount所需的最少硬币数
 3、定义dp数组：dp[i][j] 表示使用前i个硬币，凑成总金额j所需的最少硬币数
-4、状态转移方程
+4、初始化：
+  1）二维dp数组扩容：增加0个硬币、总金额0这一最小规模的情况，方便初始化
+  2）首列 dp[i][0] 表示使用前i个硬币，凑成总金额0所需的最少硬币数为0
+  3）其他填充一个不可能的硬币数，使得不影响计算，也方便状态转移时取最小值
+5、状态转移方程
   if (j - coins[i - 1] >= 0)  dp[i][j] = Math.min(dp[i - 1][j], dp[i][j - coins[i - 1]] + 1);   // 金额足够，“不用”和“用”两种情况比较出最少
   else  dp[i][j] = dp[i - 1][j];    // 金额不够，只能选择“不用”该硬币
   注意：dp[i - 1][j - coins[i - 1]] 表示第i个硬币只用一次，属于0-1背包。dp[i][j - coins[i - 1]] 表示第i个硬币重复使用，属于完全背包。
-5、初始化：
-  1）首列 dp[i][0] 表示使用前i个硬币，凑成总金额j所需的最少硬币数为0
-  2）其他填充一个不可能的硬币数，使得不影响计算，也方便状态转移时取最小值
 6、遍历dp数组填表：第一层遍历硬币，第二层遍历金额，都从1开始，正序遍历。两个for循环先后都可以，因为计算当前状态只需要当前行左边的状态和上一行的状态
 7、返回结果：最后一个状态就是结果
 
 二维dp更新过程，从左到右，从上到下
 coins = [1, 2, 5], amount = 11
-0  12  12  12  12  12  12  12  12  12  12  12
-0  1   2   3   4   5   6   7   8   9   10  11
-0  1   1   2   2   3   3   4   4   5   5   6
-0  1   1   2   2   1   2   2   3   3   2   3
+   0  1   2   3   4   5   6   7   8   9   10  11
+x  0  12  12  12  12  12  12  12  12  12  12  12
+1  0  1   2   3   4   5   6   7   8   9   10  11
+2  0  1   1   2   2   3   3   4   4   5   5   6
+5  0  1   1   2   2   1   2   2   3   3   2   3
  */
 class Solution {
     public int coinChange(int[] coins, int amount) {
diff --git a/leetcode_Java/Solution0416.java b/leetcode_Java/Solution0416.java
diff --git a/leetcode_Java/Solution0474.java b/leetcode_Java/Solution0474.java
diff --git a/leetcode_Java/Solution0494.java b/leetcode_Java/Solution0494.java
diff --git a/leetcode_Java/Solution0509.java b/leetcode_Java/Solution0509.java
diff --git a/leetcode_Java/Solution0516.java b/leetcode_Java/Solution0516.java
diff --git a/leetcode_Java/Solution0518.java b/leetcode_Java/Solution0518.java
diff --git a/leetcode_Java/Solution0674.java b/leetcode_Java/Solution0674.java
