青蛙跳台阶问题的算法以及优化问题

2024-06-18 23:58

本文主要是介绍青蛙跳台阶问题的算法以及优化问题,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

题目:一只青蛙一次可以跳上1级台阶,也可以跳上2级台阶。求该青蛙跳上一个n级的台阶总共有多少种跳法?
在遇到这种题目若是没有具体的思路之前,我们可以先列出前面几项的结果sum:
当 n = 1 时,青蛙仅有直接跳上一级台阶这种跳法,故 sum = 1;
当 n = 2 时,青蛙可以先跳 上 1 级,然后再跳 上 1 级到达2级台阶,共有2种跳法;若青蛙直接跳 2 级台阶,那么有1种跳法,从而 sum =2 + 1 = 3;
同理以上分析知道:
当 n = 3 时, sum = 5;
当 n = 4 时,sum = 8;
当 n = 5 时, sum = 13;

通过观察,我们发现其规律:
当 n = 1 时,sum = 1;
当 n = 2 时 ,sum = 2;

从 第3项起,当前项的结果sum总是等于前两项的和,即有:
f(n) = f(n -1) + f( n -2) ,n > 2;
当我们看到这个规律时,便很容易想到这是 斐波那契数列
数学函数表示如下:
在这里插入图片描述
关于斐波那契数列的求解,我们有递归方法和非递归方法的求解,下面给出具体的递归算法:
在函数 int jumb(int n)中
(1)如果 n = 1 || n =2,直接返回结果 n;
(2)如果 n > 2,则计算 返回 jumb(n -1) + jumb(n-2);
其具体代码实现为:

int jumb(int n) {if (n <= 0) {return 0;}//递归结束if (n == 1 || n == 2){return n;}//递归计算 f(n) = f( n -1 )+f( n - 2);return jumb(n -1) + jumb(n-2);
}

测试结果:

int main() {int n = 5;cout << "青蛙跳"<<n<<"阶台阶跳法种数:" << jumb(n) << endl;n = 10;cout << "青蛙跳" << n << "阶台阶跳法种数:" << jumb(n) << endl;system("pause");return 0;
}

在这里插入图片描述
下面笔者用图解来分析当 n =7 时 该递归算法的调用情况:
在这里插入图片描述
该递归算法有两个问题,一个是变量能表示的最大数值有限制,另一个是递归深度有限制,递归深度太深,计算速度特别慢,在笔者的计算机上 当 n = 50 时,笔者的电脑的散热扇狂转,CUP高速运转,等待了很久都没有得出答案。结合图示我们可以发现,在递归的过程中计算机要做很多重复的计算,比如图中计算 n = 7 时 ,f(4),f(3),f(2),f(1)的值重复计算了很多次,这样就导致了计算机要花费更多的时间和空间资源进行计算,其算法的时间复杂度为 O(n^2),空间复杂度为:O(n)。
下面我们可以对该递归算法进行改善:

int jumb(int n,int first ,int second) {if (n <= 0) {return 0;}//递归结束if (n == 1 || n == 2){return n;}if (n == 3){return first + second;}//递归计算 f(n) = f( n -1 )+f( n - 2);return jumb(n-1,second,second + first);
}

测试:

int main() {int n = 5;cout << "青蛙跳"<<n<<"阶台阶跳法种数:" << jumb(n,1,2) << endl;n = 40;cout << "青蛙跳" << n << "阶台阶跳法种数:" << jumb(n,1,2) << endl;system("pause");return 0;
}

在这里插入图片描述
可以看到其结果和之前的递归方法结果一致。当我们调用的时候,参数jumb(int n,int first ,int second) n表示跳的台阶数,first表示第1次的结果,second表示第2次的结果,分别为1和2.为了便于理解,请看图解:
在这里插入图片描述
从图解我们可以发现,其实该递归函数实际上就是使用逆向迭代的方式计算结果:
当 n = 7 时, sum = 1 + 2;
当 n = 6 时, sum = 2 + 3;
当 n = 5 时, sum = 3 +5;
当 n = 4 时, sum = 5 + 8;
当 n = 3 时, sum = 8 + 13;退出循环,返回结果 sum = 21 ;
由于该递归算法是从尾部开始递归,所以该递归算法也称为:尾递归算法,根据图示我们可以发现尾递归算法只需要计算f(7)—>f(6)----> f(5) ----> f(4) ----->f(3),每个结果只计算一次,减少了那些没必要的重复计算,从而大大提高了程序的执行效率。其算法时间复杂度为:O(n),空间复杂度为:O(n)。
我们知道理论上说,任何一个递归的算法都可以转换为一个非递归算法,结合尾递归算法的实现,我们可以设计一个非递归的算法:

int Jumb(int n) {if (n <= 0) {return 0;}if (n == 1 || n == 2){return n;}//临时变量,也就是当 n= 1时的结果int a = 1;也就是当 n= 2时的结果//临时变量int b = 2;//记录总结果int sum = 0;for (int i = 3; i <= n;i++) {//计算f(n) = f( n -1 )+f( n - 2)sum = a + b;a = b;b = sum;}return sum;
}

我们很容易发现其实该非递归算法本质上和尾递归算法的思路是一致,其时间复杂度为:O(n),空间复杂度为:O(1)。
通过以上比较,我们发下,在处理斐波那契数列的计算时,非递归算法的总体性能要高于递归算法的。
好了,本次简单的算法分析到此结束,由于个人水平有限,出错再所难免,欢迎大家指正。

这篇关于青蛙跳台阶问题的算法以及优化问题的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1073432

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

好题——hdu2522(小数问题:求1/n的第一个循环节)

好喜欢这题,第一次做小数问题,一开始真心没思路,然后参考了网上的一些资料。 知识点***********************************无限不循环小数即无理数,不能写作两整数之比*****************************(一开始没想到,小学没学好) 此题1/n肯定是一个有限循环小数,了解这些后就能做此题了。 按照除法的机制,用一个函数表示出来就可以了,代码如下

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig