青春时代的爱情总是美好的，总让人经不起回忆记得，刚上大一，我遇见了我的第一个女朋友，那时候，刚谈恋爱的我不是很懂，也不会谈恋爱。但是，我很热爱，每天都会花很多的时间在上面。她是一个很完美的女生，我花了很多很多时间了解她。毕竟那是我初入恋爱世界的大门。很青涩，也很怀念。大二，我又新交了一个女朋友。她比第一个更漂亮。而且容易上手，啊呸，追她也是非常的容易。从接触那一刻后，了解她后，我就彻底爱上了她。因为她实在太优美了。后来，因为种种原因，她们都分手了。但是，现在仍有接触，有时候我还是会和她们进行交流。当然，只是需要的时候。不过，最让我难忘的还是第二个女朋友，经常和她一起探讨。但是，我却没有太多时间...

难顶，这两天学习状态低迷，

知识点：动态规划思路：首先计算数组weights的总和sum，使用Arrays.stream方法对数组元素求和。如果sum除以3的余数不为0，则无法分割成三个相等的子集，直接返回false。将sum除以3，得到目标子集的和，即sum/3。初始化变量s为0，用于存储当前累计的和。获取数组weights的长度n。创建一个大小为(sum+1) x (sum+1)的布尔数组f，用于记录能否得到和为j、k、s - j - k的三个部分的子集。初始化f[0][0]为true，表示可以得到和均为0的三个子集（即不选取任何元素）。使用双重循环，遍历数组weights的每个元素和累计和s。从sum向下遍历到0，...

知识点：动态规划思路：首先计算数组weights的总和sum，使用Arrays.stream方法对数组元素求和。如果sum为奇数，则无法分割成两个相等的子集，直接返回false。将sum除以2，得到目标子集的和，即sum/2。创建一个长度为sum+1的布尔数组f，用于记录能否得到和为j的子集。初始化f[0]为true，表示可以得到和为0的子集（即不选取任何元素）。遍历数组weights的每个元素x。从sum向下遍历到x，更新f[j]为f[j]或f[j - x]。f[j]表示能否得到和为j的子集，f[j - x]表示能否得到和为j-x的子集并选取元素x。循环结束后，f[sum]即为是否能得到和为...

知识点：动态规划思路：初始化数组f，长度为n+1，用于存储到达每个位置的最小能量。将f[0]、f[1]和f[2]的值设为0，因为起始位置和前两个位置都不需要额外的能量。使用循环从第3个位置开始遍历到第n个位置。对于每个位置i，遍历位置i的前3个位置j，即从max(0, i-3)到i-1。计算到达位置i的最小能量：f[i] = min(f[i], f[j] + height[j])。其中f[j]表示到达位置j时已经累积的能量，height[j]表示位置j需要额外的能量。循环结束后，f[n]即为跳跃到最后一个位置所需的最小能量。返回f[n]作为结果。编程语言：java import java.ut...

知识点：动态规划思路：首先判断起点是否为障碍物，如果是，则返回路径数量为0。获取矩阵的行数n和列数m。创建一个大小为n行m列的新矩阵f，用于存储计算过程中的路径数量。创建一个列表pos，用于存储所有特殊障碍点的位置。使用双重循环遍历整个矩阵，检查是否存在特殊障碍点。如果存在特殊障碍点，则将其位置加入到pos列表中。如果pos列表为空或者pos中的最后一个位置不等于终点位置 (n-1, m-1)，则将终点位置添加到pos列表中。初始化变量res为1，用于累计路径数量。初始化变量last，用于记录上一个遍历的位置。遍历pos列表中的每个位置p，如果p等于last，则继续下一次循环，否则计算last...

知识点：动态规划思路：首先判断起点是否为障碍物，如果是，则返回路径数量为0。获取矩阵的行数n和列数m。创建一个大小为n行m列的新矩阵dp，用于存储到达每个位置的路径数量。将起点dp[0][0]设置为1，表示到达起点的路径数量为1。使用双重循环遍历每个位置(i,j)，从左上角开始到右下角。对于每个位置(i,j)，如果该位置为障碍物，则跳过当前循环。否则，根据状态转移方程计算dp[i][j]的值：如果i > 0，说明上方位置可达，将上方位置的路径数量dp[i-1][j]加到dp[i][j]上。如果j > 0，说明左方位置可达，将左方位置的路径数量dp[i][j-1]加到dp[i][j]...

知识点：动态规划思路：经典动态规划题目，最小三角形和，使用递归也可以来写，但是需要优化状态空间，这里使用动态规划来写，存储每一个子问题的最优解，编程语言：java import java.util.*; public class Solution { /** * 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 * * * @param cows int整型二维数组 * @return int整型 */ public int minimumTotal (int[][] cows) { // write code here List<List<Integer&...

知识点：哈希表 动态规划思路：这段代码实现了计算给定重量的物品需要最少吃几次，其中每次吃的重量可以从给定的物品列表中选择。采用动态规划的思想，通过构建一个一维数组 f 作为动态规划数组。首先，初始化动态规划数组的每个元素为一个较大的值 INF，表示初始时无法完成吃的次数。将 f[0] 设置为0，表示不需要吃任何物品时的次数为0。然后，通过两层循环计算动态规划数组中的其他元素。对于每个 f[i]，遍历物品列表中的每个物品重量 x，如果 i 大于等于 x，则可以考虑选择该物品进行吃的操作。此时，可以比较选择该物品和不选择该物品两种情况下所需的最小次数，从而更新 f[i] 的值。最后，返回 f[to...

知识点：动态规划 哈希表思路：首先，将单词字典中的每个单词进行反转，然后将反转后的单词存储在一个哈希集合 S 中。然后，定义一个布尔型数组 f，其中 f[i] 表示前 i 个字符能否被字典中的单词拆分。初始时，将 f[0] 设置为 true，表示一个空字符串可以被拆分。接下来，从左到右遍历字符串 s 的每个字符，计算 f[i] 的取值。对于每个 f[i]，它可以通过在之前的位置 j 处截取字符串，使得截取出的子串在字典中存在。遍历的结束条件是遍历到字符串的末尾。在截取字符串的过程中，将截取到的子串进行反转，并判断反转后的子串是否在字典中。如果存在，那么将 f[i] 更新为 f[i] || f[...

知识点：动态规划思路：这段代码实现了求解两个字符串的最小编辑距离。采用动态规划的思想，通过构建一个二维数组 f 作为动态规划表。表中的每个元素 f[i][j] 表示将 word1 的前 i 个字符转换成 word2 的前 j 个字符所需的最小编辑距离。首先，初始化动态规划表的边界条件。 f[i][0] 表示将 word1 的前 i 个字符转换成空字符串所需的编辑距离，即 i；f[0][j] 表示将空字符串转换成 word2 的前 j 个字符所需的编辑距离，即 j。然后，通过迭代计算动态规划表中的其他元素。对于每个 f[i][j]，有两种情况：如果 word1 的第 i 个字符和 word2 的...

知识点：动态规划思路：我们首先获取字符串s1的长度为n，字符串s2的长度为m，字符串s3的长度为N。如果s1和s2的长度之和不等于s3的长度，则返回false。我们创建一个二维布尔数组f，其中f[i][j]表示字符串s3的前i个字符是否由字符串s1的前j个字符和字符串s2的前i-j个字符交错组成。初始化f[0][0]为true，表示空字符串可以由两个空字符串交错得到。接下来，使用两重循环遍历字符串s3的每个字符，同时遍历字符串s1和字符串s2的前缀。如果s3的当前字符等于s1的当前字符且j > 0，则更新f[i][j]为上一个状态f[i-1][j-1]的值。如果s3的当前字符等于s2的当...

知识点：动态规划思路：首先，我们创建一个二维整数数组f，f[i][j]表示字符串从第i个字符到第j个字符的最长回文子序列的长度。然后，我们将对角线上的元素初始化为1，因为单个字符本身就是一个回文子序列。接下来，我们使用两重循环遍历字符串s，从长度为2的子序列开始，逐步增加长度。对于每个长度len，我们遍历字符串s的每个起始位置i，并计算对应的结束位置j。如果s[i]与s[j]相等，那么如果子序列长度为2，则最长回文子序列的长度为2；否则，最长回文子序列的长度为s[i+1][j-1]的长度加2。如果s[i]与s[j]不相等，最长回文子序列的长度为s[i+1][j]和s[i][j-1]的较大值。最...

知识点：动态规划思路：首先，创建一个二维布尔数组f，f[i][j]表示字符串从第i个字符到第j个字符的子串是否为回文串。初始化对角线上的元素为true，表示单个字符都是回文串。然后，使用两重循环遍历字符串s，从长度为2的子串开始，逐步增加长度。对于每个长度len，我们遍历字符串s的每个起始位置i，并计算对应的结束位置j。如果s[i]与s[j]相等，并且子串s[i+1][j-1]也是回文串（或者子串长度为1），则将f[i][j]设为true，并更新最长回文子串res。最终，res即为给定字符串s中的最长回文子串。编程语言：java import java.util.*; public class...