Coco416的博客

1、算法总体思路类似于矩阵连乘问题，可以用dp[i][j]表示：合并第i堆到第j堆的最少得分2、但它们之间最大的区别是：此题为一个圆形操场——首尾相接，第一堆和最后一堆也是相邻的。故需要增加一维数据分别记录两种合并情况，如下图：3.最后枚举最后两堆的合并情况得到最小得分4.生成测试数据5.不同规模数据实验的时间对比计时方式:6.时间复杂度分析最多三层循环O(n3)

我认为做动态规划题的关键是找到一个合适的dp数组，确定它dp[i][j]的含义，用它和题目的最优子结构性质结合求解。具体思路如下：(笔记些许潦草hhh…)1.dp[i][j]表示第i个作业在第j（0-A,1-B）台机器上处理，两台机器处理完i个作业的最短总时间2.根据最优子结构性质貌似dp[i][0]=min(dp[i-1][0],dp[i-1][1])+a[i]dp[i][1]=min(dp[i-1][0],dp[i-1][1])+b[i]陷阱在这里，前面选择的不同会直接影响A、B机器的可用时刻，因此，直

昨晚受高人指点：如何实现当优先队列里的元素是结构体时，按照指定要求排序——利用操作符重载。现把这个方法分享给大家~

做这个题踩了一个好傻的坑：数组范围定义小了仅以此文纪念我苦苦debug的夜晚也给大家提供一个解题参考。

本文详细介绍了最优组合问题的算法思想，并介绍了优先队列的使用。

本篇文章总结了贪心算法的基本要素、局限性以及贪心算法和动态规划算法的差异，并详细分析了会场安排问题的贪心求解方法。

- 依然是个区间dp问题。前面如何分段会直接影响结果，所以应该记录每种分段的情况。故可以用dp[i][j\] 枚举记录前i个数据包被划分成j段的max{f(rm,rm+1)} 0

依然是个区间dp问题。前面如何分段会直接影响分段乘积的最大值，所以应该记录每种分段的情况。故可以用dp[i][j] 枚举记录前i位数被划分成j段的最大乘积。为了便于计算分段后的整数乘积，可以用v[i][j]表示num[i]num[i+1]…num[j]的数值大小。

前面如何分段会直接影响子序列和的最大值，故应该枚举记录每种分段的情况。

1.该路径可能以最后一行任意一个数为终点，故定义 dp【i】【j】 表示第i行第j个数为终点的最大数字总和2.每个点的上一个点要么来自左上，要么来自右上，而最左和最右只有一个来源 故递推式如下：dp【i】【1】=dp【i-1】【1】+a【i】【1】dp【i】【i】=dp【i-1】【i-1】+a【i】【i】j>1 && j

1.前i个作业被分为多少段会直接影响后面作业的花费，故需要枚举记录每种分段情况的最小花费。2.最后找出将i个物品分为多少段其花费最少即为答案

此题在最基础的0-1背包问题上加了一个体积限制，其基本思想不变。记录容量为1—c,容积为1—d的背包处理前i的物品的最大价值。考虑能不能装下第i个物品，装得的话考虑值不值得装。用一个回溯来记录选择了哪些物品。

详细讲解如何设计一个O(n2)的算法实现查询最长单调子序列

排列的字典序问题

【代码】1-2 字典序问题——分治。

【代码】归并排序——分治。

问题描述：输入一组数据，找出其中的最大值和最小值。

将一个规模为n的问题分解为k个规模较小的子问题子问题互相独立且与原问题相同递归地解这些子问题，然后将各子问题的解合并得到原问题的解。