详解动态规划(算法村第十九关青铜挑战)

2024-03-03 20:36

本文主要是介绍详解动态规划(算法村第十九关青铜挑战),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!

不同路径

62. 不同路径 - 力扣(LeetCode)

一个机器人位于一个 m x n 网格的左上角 (起始点在下图中标记为 “Start” )。

机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角(在下图中标记为 “Finish” )。

问总共有多少条不同的路径?

递归

递归的含义就是处理方法不变,但是问题的规模减少。

public int uniquePaths(int m, int n)
{//如果只剩一行或者一列,那只有一个方向,一条路径了if (m == 1 || n == 1)return 1;//往右走一步,问题规模缩小成 m * (n-1) 的网格//往下走一步,问题规模缩小成 (m-1) * n 的网格return uniquePaths(m, n - 1) + uniquePaths(m - 1, n);
}

但在此题中普通的递归解法超时,原因是存在大量重复计算。

在这里插入图片描述

例如,不管是从(0,1)还是(1,0)从来到(1,1),接下来从(1,1)到终点都会有2种走法,不必每次都重新计算。而普通的递归只能一遍又一遍地计算从(1,1)到终点有多少种走法。

利用二维数组进行记忆化搜索

在这里插入图片描述

每个格子的数字表示从起点开始到达当前位置的路径数,计算总路径时可以先查一下记录,如果有记录就直接读,没有再计算,这样就可以避免大量重复计算,这就是记忆化搜索

  • 第一行和第一列都是1。
  • 其他格子的值 = 左侧格子的值 + 上方格子格子的值。

如图中的4,由上面的1和左侧的3计算而来,15由上侧的5和左侧的10计算而来。

public int uniquePaths_2(int m, int n)
{int[][] record = new int[m][n];record[0][0] = 1;for (int row = 0; row < m; ++row)for (int col = 0; col < n; ++col){if (row > 0 && col > 0)record[row][col] = record[row - 1][col] + record[row][col - 1];else if (col > 0)	//第一行格子record[row][col] = record[row][col - 1];else if(row > 0)	//第一列格子record[row][col] = record[row - 1][col];}return record[m - 1][n - 1];
}

将二维数组优化为一维数组

第一步,用1填充一维数组。

在这里插入图片描述

第二步,从头遍历数组,除了第一个位置,位置的新值 = 前一个位置的值 + 位置的原始值 。其实,在二维数组中,位置的原始值就在位置新值的上方。

在这里插入图片描述

重复第二步

在这里插入图片描述

把三个一维数组拼接起来,发现恰好跟上面的二维数组一致:

在这里插入图片描述

所以,路径总数就是一维数组最后一个元素的值。

这种反复更新的一维数组就是滚动数组。

public int uniquePaths_3(int m, int n)
{int[] dp = new int[n];Arrays.fill(dp,1);for (int row = 1; row < m; row++)for (int col = 1; col < n; col++)dp[col] = dp[col - 1] + dp[col];return dp[n - 1];
}

总结

这个题目涵盖了dp的多个方面,比如重复子问题(递归)、记忆化搜索(将已经计算好的结果存入数组,后面用到就直接读取)、滚动数组(二维数组优化为一维数组)。

最小路径和

64. 最小路径和 - 力扣(LeetCode)

给定一个包含非负整数的 *m* x *n* 网格 grid ,请找出一条从左上角到右下角的路径,使得路径上的数字总和为最小。

**说明:**每次只能向下或者向右移动一步

public int minPathSum(int[][] grid)
{//逐行遍历,更新 grid 的格值,作为[在方向约束下,从起点到当前格的最小路经和]for (int row = 0; row < grid.length; row++)for (int col = 0; col < grid[row].length; col++){if (row == 0 && col == 0)continue;else if (row == 0)  //只能往右走grid[row][col] = grid[row][col - 1] + grid[row][col];else if (col == 0)  //只能往下走grid[row][col] = grid[row - 1][col] + grid[row][col];else                //从[往右、往下]两个方向挑路径和最小的走grid[row][col] = Math.min(grid[row][col - 1], grid[row - 1][col]) + grid[row][col];}return grid[grid.length - 1][grid[0].length - 1];
}

在这里插入图片描述

我们完全不需要建立 dp 矩阵浪费额外空间,直接遍历 grid 并修改其值即可。因为原 grid 矩阵元素中被覆盖为 dp 元素后(都处于当前遍历点的左上方),不会再被使用到。

三角形最小路径和

120. 三角形最小路径和 - 力扣(LeetCode)

给定一个三角形 triangle ,找出自顶向下的最小路径和。

每一步只能移动到下一行中相邻的结点上。相邻的结点 在这里指的是 下标上一层结点下标 相同或者等于 上一层结点下标 + 1 的两个结点。也就是说,如果正位于当前行的下标 i ,那么下一步可以移动到下一行的下标 ii + 1

示例 1:

输入:triangle = [[2],[3,4],[6,5,7],[4,1,8,3]]
输出:11
解释:如下面简图所示:23 46 5 7
4 1 8 3
自顶向下的最小路径和为 11(即 2 + 3 + 5 + 1 = 11)。

自底向上 dp + 空间优化

public int minimumTotal(List<List<Integer>> triangle)
{int[] dp = new int[triangle.size() + 1];  //多出一格是为了dp数组能够获取triangle最底层的值// 从最底层开始 dpfor (int row = triangle.size() - 1; row >= 0; row--)for (int col = 0; col < row + 1; col++) //第 row 行有 row + 1个数dp[col] = Math.min(dp[col], dp[col + 1]) + triangle.get(row).get(col);//顶点储存着从最底层到顶点的最小路径和return dp[0];
}

理论上可以直接修改triangle的值而不用额外申请空间,但由于triangle的类型是List<List<Integer>>,修改起来很繁琐,故还是选择申请这O(n)dp空间

区分动态规划和回溯

  • 动态规划:只关心当前结果是什么,而不记录结果怎么来的,无法获得完整的路径
  • 回溯:能够获得一条乃至所有满足要求的完整路径。

动态规划题目的三种基本的类型

  1. 计数相关。例如求有多少种方式走到右下角,有多少种方式选出K个数使得…,等等。
  2. 求最大最小值,最多最少。例如最大数字和、最长上升子序列长度、最长公共子序列、最长回文序列等等。
  3. 求存在性。例如取石子游戏,先手是否必胜;能不能选出K个数使得…,等等。

解决问题的模板

  1. 确定状态和子问题。一些题目用逆向思维分析会更容易。
  2. 确定状态转移方程,也就是确定 dp 数组要如何更新状态(或者直接在原数组上改动)。
  3. 确定初始条件和边界情况。
  4. 按照顺序计算。

这篇关于详解动态规划(算法村第十九关青铜挑战)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/770827

相关文章

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

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

跨国公司撤出在华研发中心的启示:中国IT产业的挑战与机遇

近日,IBM中国宣布撤出在华的两大研发中心,这一决定在IT行业引发了广泛的讨论和关注。跨国公司在华研发中心的撤出,不仅对众多IT从业者的职业发展带来了直接的冲击,也引发了人们对全球化背景下中国IT产业竞争力和未来发展方向的深思。面对这一突如其来的变化,我们应如何看待跨国公司的决策?中国IT人才又该如何应对?中国IT产业将何去何从?本文将围绕这些问题展开探讨。 跨国公司撤出的背景与

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

第10章 中断和动态时钟显示

第10章 中断和动态时钟显示 从本章开始,按照书籍的划分,第10章开始就进入保护模式(Protected Mode)部分了,感觉从这里开始难度突然就增加了。 书中介绍了为什么有中断(Interrupt)的设计,中断的几种方式:外部硬件中断、内部中断和软中断。通过中断做了一个会走的时钟和屏幕上输入字符的程序。 我自己理解中断的一些作用: 为了更好的利用处理器的性能。协同快速和慢速设备一起工作

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

OpenHarmony鸿蒙开发( Beta5.0)无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息,即可快速实现设备配网,是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递,利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力,实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后,即可发送相关配网数据。同时还支持与常规Sof

【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

动态规划---打家劫舍

题目: 你是一个专业的小偷,计划偷窃沿街的房屋。每间房内都藏有一定的现金,影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警。 给定一个代表每个房屋存放金额的非负整数数组,计算你 不触动警报装置的情况下 ,一夜之内能够偷窃到的最高金额。 思路: 动态规划五部曲: 1.确定dp数组及含义 dp数组是一维数组,dp[i]代表