dp-pattern-library 是一个与动态规划(DP)相关的专项技能,资料将其定位为:识别 DP 模式、把题目匹配到已知 DP 模式、生成模板代码,并为 DP 解法提供优化指导。
用途与主要能力 该技能围绕 DP 问题的分析与复用展开,资料列出的能力包括:将问题匹配到 50 多个经典 DP 模式;为匹配到的模式生成模板代码;检测问题变体(如背包变体、LCS 变体等);给出状态设计建议;建议优化技巧。
模式类别 资料给出的模式类别包括:线性 DP(一维数组)、网格与矩阵 DP(二维路径)、字符串 DP(LCS、编辑距离)、区间 DP(区间、括号化)、树形 DP(子树问题)、位掩码 DP(子集枚举)、数位 DP(数字计数)、背包变体、带状态机的 DP。模式库中按类别列出了状态、转移与示例题目,例如线性 DP 下的 Fibonacci、Min/Max Path、Counting、LIS;字符串 DP 下的 Edit Distance、LCS、Palindrome、Regex Match;背包下的 0/1、Unbounded、Bounded、Subset Sum;网格、区间、树形、位掩码等也有对应条目。
使用方式 资料以命令行示例展示用法:
- 模式匹配:dp-pattern-library match --problem "...",输出匹配模式、状态、转移、时间与空间复杂度等信息。
- 模板生成:dp-pattern-library template --pattern "lis" --language python,示例输出为 LIS 的 Python 模板代码。
- 优化建议:dp-pattern-library optimize --pattern "lis",示例输出给出从 O(n^2) 到 O(n log n) 的二分查找等优化方向。 输出采用结构化 schema,包含 match(pattern、confidence、category、variants)、state、transition、complexity(含 optimized)、template(多种语言)、similarProblems 等字段。
优化与集成 资料提到的优化技巧包括滚动数组、凸包技巧(convex hull trick)、分治优化、单调队列、单调栈优化、Knuth 优化等。该技能被描述为可增强 dp-pattern-matching、dp-state-optimization、dp-transition-derivation、leetcode-problem-solving、classic-dp-library 等流程。资料还给出模式识别指示表(关键词与可能模式的对应)以及错误处理码(NO_PATTERN_MATCH、AMBIGUOUS_MATCH、COMPLEX_STATE)和若干最佳实践。
适用场景与限制 适合算法学习、面试题 DP 归类、状态设计与模板复用。限制方面:资料未提供安装命令、运行环境依赖、实际模式库数量核验方式以及独立运行形态说明,这些细节暂未提供;示例代码仅为演示输出,不能据此推断完整实现。