DP 从放弃到拿捏:一份持续更新的动态规划题解清单(一)

DP 从放弃到拿捏:一份持续更新的动态规划题解清单(一)

目录

一、题目引入

输入描述

输出描述

二、思路分析

1. 暴力法不可行

2. 动态规划的引入

1. 状态表示

2.状态转移方程

3.空间优化

3. 边界与数据类型

三、代码实现

四、复杂度分析


题目链接:mari和shiny

一、题目引入

mari 每天都非常 shiny,她的目标是把正能量传达到世界的每个角落!有一天,她得到了一个仅由小写字母组成的字符串。她想知道,这个字符串有多少个 "shy" 的子序列?

子序列:不要求连续,但顺序必须与原串一致。例如,字符串 "shy" 本身有一个子序列 "shy";字符串 "shhsyy" 中,'s''h''y' 各自出现两次,可以组成多少个 "shy" 呢?稍加枚举就能发现,答案是 4(每个 's' 可以和它后面的任意 'h' 和 'y' 组合,但要注意顺序)。

输入描述

  • 第一行一个正整数 n(1 ≤ n ≤ 300000),代表字符串长度。
  • 第二行一个长度为 n 的仅由小写字母组成的字符串。

输出描述

  • 一个正整数,代表子序列 "shy" 的数量。

二、思路分析

1. 暴力法不可行

最直接的想法是枚举所有三元组 (i, j, k) 满足 i < j < k 且 s[i]=='s's[j]=='h's[k]=='y'。三重循环显然不可行(n 最大 30 万),即使优化到 O(n²) 也会超时。我们需要一种 O(n) 甚至 O(1) 空间的算法。

2. 动态规划的引入

仔细观察,我们要统计的是形如 's' → 'h' → 'y' 的三元组个数,且顺序与原串一致。这是一个多状态的线性dp:我们依次读取字符,每读到一个字符,就考虑它能如何延续已有的部分子序列。

一种经典的动态规划思路是:用dp表记录当前已经形成的不同前缀子序列的个数

1. 状态表示

s[i] 表示:字符串 str 中 [0, i] 区间内,有多少个"s"

h[i] 表示:字符串 str 中 [0, i] 区间内,有多少个 "sh"

y[i] 表示:字符串 str 中 [0,i] 区间内,有多少个 "shy"

2.状态转移方程

3.空间优化

直接用有限的变量来进行状态表示

  • 设 cnt_s 表示到目前为止,以当前字符结尾的 's' 子序列的个数(其实就是字符 's' 出现的次数)。
  • 设 cnt_sh 表示到目前为止,以当前字符结尾的 "sh" 子序列的个数。
  • 设 cnt_shy 表示到目前为止,以当前字符结尾的 "shy" 子序列的个数。

当我们遍历到新字符 c 时:

  • 如果 c == 's':这个 's' 可以作为一个新的 's' 子序列的开始,所以 cnt_s += 1
  • 如果 c == 'h':这个 'h' 可以和之前所有的 's' 组成新的 "sh" 子序列,所以 cnt_sh += cnt_s
  • 如果 c == 'y':这个 'y' 可以和之前所有的 "sh" 组成新的 "shy" 子序列,所以 cnt_shy += cnt_sh

遍历结束后,cnt_shy 就是答案。

3. 边界与数据类型

  • 初始值全部为 0。
  • 答案可能很大:最坏情况字符串全是 's''h''y' 中的一种?实际上如果字符串由这三个字母组成,且顺序允许,最大子序列数可能达到组合数级别,比如 's'*100000 + 'h'*100000 + 'y'*100000,那么 's' 有 10^5 个,'h' 也有 10^5,每个 'y' 可以和前面所有的 "sh" 组合,数量级约为 10^15,会超过 32 位 int 范围,因此必须使用 64 位整数(如 C++ 的 long long)。

三、代码实现

#include <iostream> #include <string> using namespace std; int n; string str; int main() { cin >> n >> str; long long s = 0, h = 0, y = 0; for (int i = 0; i < n; i++) { char ch = str[i]; if (ch == 's') s++; else if (ch == 'h') h += s; else if (ch == 'y') y += h; } cout << y << endl; return 0; }

四、复杂度分析

  • 时间复杂度:O(n),仅需一次遍历字符串。
  • 空间复杂度:O(1),只用了几个辅助变量。

那么本期的内容就到这里了,觉得有收获的同学们可以给个点赞、评论、关注、收藏哦,谢谢大家。

Read more

构建基于Go语言的高性能命令行AI对话客户端:从环境部署到核心实现

构建基于Go语言的高性能命令行AI对话客户端:从环境部署到核心实现

前言 在现代软件开发领域,Go语言凭借其卓越的并发处理能力、静态类型安全以及高效的编译速度,已成为构建命令行工具(CLI)的首选语言之一。本文将详细阐述如何在Ubuntu Linux环境下部署Go开发环境,并结合蓝耘(Lanyun)提供的DeepSeek大模型API,手写一个支持多轮对话、上下文记忆的智能终端聊天工具。 一、 基础运行环境的准备与构建 任何上层应用的稳健运行都离不开坚实的底层系统支持。本次部署的目标环境为Ubuntu LTS系列(20.04/22.04/24.04),这些长期支持版本保证了系统库的稳定性与安全性。硬件层面,建议配置至少1GB的内存与5GB的磁盘空间,以满足编译器运行及依赖包缓存的需求。 1. 系统包索引更新与系统升级 在进行任何开发工具安装之前,首要任务是确保操作系统的软件包索引与现有软件处于最新状态。这不仅能修复已知的安全漏洞,还能避免因依赖库版本过旧导致的编译错误。 执行系统更新操作: sudoapt update &&sudoapt upgrade -y 该指令分为两部分:apt update 用于从软件源服务器获取最新的软件包列

By Ne0inhk

Trae IDE 安装与使用保姆级教程:字节跳动的 AI 编程神器

一、Trae 是什么? Trae(发音 /treɪ/)是字节跳动推出的 AI 原生集成开发环境(AI IDE),于 2025 年 1 月正式发布。与传统的 IDE + AI 插件组合不同,Trae 从底层架构上就将 AI 能力深度集成,实现了真正意义上的"AI 主导开发"。 核心定位 Trae 以 “自主智能体(Agent)” 为核心定位,彻底重构了传统开发流程: * Chat 模式:智能代码补全、问答、解释和优化 * Builder 模式:自然语言一键生成完整项目框架 * SOLO 模式:AI 自主规划并执行开发任务 版本划分 版本定位核心特色适用人群Trae

By Ne0inhk
openJiuwen集成蓝耘AI模型深度解析:从架构设计到企业级Agent实战部署

openJiuwen集成蓝耘AI模型深度解析:从架构设计到企业级Agent实战部署

前言 在人工智能技术从单纯的感知智能向认知智能演进的浪潮中,大语言模型(LLM)的成熟催生了AI Agent(人工智能体)这一全新的应用形态。AI Agent不再局限于传统的单指令执行,而是演进为具备自主感知、推理规划、决策执行能力的智能实体。在这一技术变革背景下,openJiuwen作为一个致力于提供灵活、强大且易用能力的开源Agent平台应运而生。本文将深度剖析openJiuwen的技术架构、核心优势,并基于真实的服务器部署环境,详细拆解从底层环境搭建到上层复杂智能体构建的全过程。 一、 Agentic AI时代的基础设施:openJiuwen概览 openJiuwen的定位不仅是一个开发工具,而是面向生产级应用的Agent全生命周期管理平台。它旨在解决当前大模型应用落地过程中面临的开发门槛高、协同调度难、运行稳定性差等痛点。通过提供标准化的开发框架与高可靠的运行引擎,openJiuwen支持开发者快速构建能够处理各类简单或复杂任务的AI Agent,并实现多Agent间的协同交互。 作为核心代码资产的入口,开发者能在这里查看项目的 Readme 文档、分支管理和最新提交

By Ne0inhk

LiveKit × Bright Data:构建实时新闻播客 AI 语音智能体

想让 AI 自动追踪品牌新闻,还能直接生成语音播客?这个教程带你从零搭建:SERP API 实时抓取新闻 → Web Unlocker 突破反爬 → LiveKit 语音合成输出。企业品牌监测的新玩法,代码全开源! 利用LiveKit构建语音智能助手 bright data官方账号:https://blog.ZEEKLOG.net/ryanding_brd 专属链接:https://www.bright.cn/blog/ai/voice-agents-with-livekit-and-bright-data/?utm_source=brand&utm_campaign=brnd-mkt_cn_ZEEKLOG_luo202602&promo=brd26

By Ne0inhk