如何量化两个字符串之间的相似程度呢？有一个非常著名的量化方法，那就是编辑距离。编辑距离指的就是，将一个字符串转化成另一个字符串，需要的最少编辑操作次数。莱文斯坦距离和最长公共子串长度，从两个截然相反的角度，分析字符串的相似程度：。根据回溯算法的代码实现，我

John可以从这些物品中选择一些，如果选出的物体的总体积是40，那么利用这个神奇的口袋，John就可以得到这些物品。现在的问题是，John有多少种不同的选择物品的方式。接下来的n行，每行有一个1到40之间的正整数，分别给出a1，a2 ……输入样例

给定一个无序的整数数组，找到其中最长上升子序列的长度。输入: [10,9,2,5,3,7,101,18]输出: 4 解释: 最长的上升子序列是[2,3,7,101]，它的长度是 4。可能会有多种最长上升子序列的组合，你只需要输出对应的长度即可。你算法的时间

/************************************************************************//* 数塔问题

动态规划不是某种具体算法，而是一种思想。初始时站在 0 级，每次可以向上走 1 级或 2 级。递推关系：走到 f [ n ] ，要么是从 n-1 级走上来的，要么是从 n-2 级来的，依据加法原理。这三种方案，选代价最低的，所以在这一次决策中，选择了 5

给你一根长度为n的绳子，请把绳子剪成整数长的m段，每段绳子的长度记为k[0],k[1],...,k[m]。请问k[0]xk[1]x...xk[m]可能的最大乘积是多少？例如，当绳子的长度是8时，我们把它剪成长度分别为2、3、3的三段，此时得到的最大乘积是1

例如：斐波那契函数f=f(n-1)+f(n-2)。因此在计算f中f(n-2)被计算了两次。为了减少重复的递归调用，我们可以反过来计算。先计算f，有了f再计算f，以此类推，计算到f。在此过程中不需要任何递归。先找出一分钱的找零方法，把最小硬币数存入coinU

给定一个矩阵m，从左上角开始每次只能向右或者向下走，最后到达右下角位置，路径上所有的数字累加起来就是路径和，返回所有路径中最小的路径和。如果给定的m如下：1 3 5 98 1 3 45 0 6 18 8 4 0路径1，3，1,0,6

动态规划算法与分治法类似，其基本思想是将总问题分解成若干个子问题，先求解子问题，再结合这些子问题的解得到原问题的解。与分治法不同的是，动态规划求解的问题经分解得到的子问题往往不是相互独立的。　　写递归表达式，即子问题的答案中最合适的应该满足哪些条件 总问题

之前在其他博客看到了，但是算法的关键部分完全看不懂为什么要这么做，直到最近上算法课，才终于知道到底怎么来的。　　例：数组{1,2,3,4,-5,10,-1,-1}的最大连续子数组和是子数组{1,2,3,4,-5,10}的和15. 　　首先我们把原来数组记做

text2，返回这两个字符串的最长公共子序列。是指这样一个新的字符串：它是由原字符串在不改变字符的相对顺序的情况下删除某些字符后组成的新字符串。# 若这两个字符串没有公共子序列，则返回 0。# 解释：最长公共子序列是 "ace"，它的长

penny数组代表所有货币的面值，正数不重复aim小于等于1000，代表要找的钱输出：换钱的方法总数。class Exchange {public: int countWays { if return 0; vector<v

这里需要注意一下，子序列递增研究的是不连续的子序列，连续的子序列其实可以用前面的KMP算法来及进行解决；对于该问题，首当其中的还是状态转移方程。由于该问题还是从0开始研究，所以仍然设置一个一维数组dp来储存中间的状态；

本文对两种文本相似度算法进行比较。余弦值相似度算法 VS 最小编辑距离法1、L氏编辑距离编辑距离，又称Levenshtein距离，是指两个字串之间，由一个转成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个

本文对两种文本相似度算法进行比较。余弦值相似度算法 VS 最小编辑距离法1、L氏编辑距离编辑距离，又称Levenshtein距离，是指两个字串之间，由一个转成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个

P01: 01背包问题题目 给定 N 种物品和一个容量为 V 的背包，物品 i 的体积是 wi，其价值为 ci 。面对每个物品，我们只有选择放入或者不放入两种选择，每种物品只能放入一次。所以我们有两个最优的子结构：1.容量为V的背包放入i-1件物品的最优选

动态规划的核心处理流程是什么？计算单个子问题所需要处理的时间4: 重用子问题结果并记下新的结果，或者使用DP的bottom-up方式。它消耗的时间为： 子问题的数量 * 每个子问题处理所需要时间例1：斐波那契数列使用递归的方式求斐波那契数列fib:. 节点

这题比较简单：判断两个树是否相等，可以递归的判断子树是否相等，最后找到边界条件就是是否都为空，都不为空时节点里面的值是否相等。思路dp的题目，写了几道了。核心无非就是确定dp数组和状态转移方程。

[示例输入] arr=1 2 4 1 7 8 3[示例输出]15. print非递归实现def dpMaxArray:

剪绳子给你一根长度为n的绳子，请把绳子剪成m段 每段绳子的长度记为k[0],k[1],...,k[m].请问k[0]k[1]...*k[m]可能的最大乘积是多少？例如，当绳子的长度为8时，我们把它剪成长度分别为2,3,3的三段，此时得到的最大乘积是18。因