每日打卡

连续子集的最大和最大数

思路

这是一个简单的线性DP问题。

定义f[i]为考虑以nums[i]结束的子集的最大数。 不要丢失f[i]如何移动的一般考虑。
f[i] = max(f[i-1]+nums[i], nums[i])
f[i]表示当前下行和前行连续子集的最大数目,
等于f[i-1]+当前子元素,比当前子元素大
换句话说,要么从当前子标签元素开始添加,要么包含前面的元素

题目来源

其次,最长的渐进序列

思路

动态规划中，线性重叠不能减少计算dp的复杂性;在计算的每一轮中,必须通过[0,k)间隔元素的线性过渡取得dp[k]。我们考虑是否可以重新设计国家定义,使整个dp成为序列列表,所以在计算每个dp[k]时,通过二进制方法可以通过[0,k)间隔元素,减少这个部分的复杂度从O(N)到O(logN)

题目来源

三、最长递增子序列

思路

任何决定是否离开房子的决定都是与前者是否拥有房子有关的
我们定义 f[i][2] 为有否在位置i. 中有一个房子的程序的数目。 f[i][0] 表示没有房子, f[i][1] 表示有房子

1. 地点没有房子,无论有没有房子,都可以搬走
   f[i][0] = (f[i - 1][1] + f[i - 1][0]) % MOD;
2. 如果你想把房子置于i-位置,你不需要在i-1中置房子。
   f[i][1] = f[i - 1][0];
   由于道路的两边是独立的,可以采用两个条件的f和一个方形
   记住使用长度和服用 MOD

总结

提示:本文的摘要如下:
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。