代码随想录算法训练营第三十八天| 动态规划,509. 斐波那契数,70. 爬楼梯,746. 使用最小花费爬楼梯

本文主要是介绍代码随想录算法训练营第三十八天| 动态规划,509. 斐波那契数,70. 爬楼梯,746. 使用最小花费爬楼梯,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!

目录

动态规划

题目链接: 509. 斐波那契数

思路

代码

题目链接: 70. 爬楼梯

思路

代码

题目链接: 746. 使用最小花费爬楼梯

思路

代码

总结


动态规划

        Dynamic programming,DP问题。某一问题包含很多重叠的子问题,每个状态都由上一个状态推导而来。问题包括:基础问题,背包问题,打家劫舍,股票问题,子序列问题,

        步骤:

  1. 确定dp数组(dp table)以及下标的含义
  2. 确定递推公式
  3. dp数组如何初始化
  4. 确定遍历顺序
  5. 举例推导dp数组

题目链接:509. 斐波那契数

思路

        题目给出了dp五部曲中的所有信息。

代码

class Solution {
public:int fib(int n) {if (n <= 1)return n;vector<int> dp(n + 1); // 定义dp数组,dp[i]就是斐波那契数列第i个的值dp[0] = 0;dp[1] = 1; // 按照斐波那契数列初始化前两个数for (int i = 2; i <= n; i++) {dp[i] = dp[i - 1] + dp[i - 2]; // 递推公式}return dp[n];}
};

题目链接:70. 爬楼梯

思路

        1阶有1中方法,2阶有两种方法,3阶则是可以从1阶或者2阶走上来,从1或者2走上来总共3种方法。递推下去,发现与斐波那契数列相同,只是该题的0阶并无含义。对求斐波那契数列的代码进行状态压缩,因为每次求值只跟前两个状态有关,因此只需要三个变量,而不是一个数组。

代码

class Solution {
public:int climbStairs(int n) {if (n <= 2)return n;int dp1 = 1; // 一阶台阶int dp2 = 2; // 二阶台阶int result = 0;for (int i = 3; i <= n; i++) {result = dp1 + dp2; // 递推公式dp1 = dp2;          // 更新dp2 = result;}return result;}
};

题目链接:746. 使用最小花费爬楼梯

思路

        使用最小消费爬楼梯

        1.dp[i]数组含义为到第i阶台阶所需要花费多少

        2.递推公式dp[i] = min(dp[i-1]+cost[i-1], [dp[i-2]+cost[i-2])

        3.根据题意和dp数组含义,可知在下标为0或1时不需要花费体力,因此dp[0]=0,dp[1]=0

        4.遍历顺序,从前向后

        5.如果有bug,打印dp数组debug

代码

class Solution {
public:int minCostClimbingStairs(vector<int>& cost) {vector<int> dp(cost.size() + 1); // 到第i阶的所有花费dp[0] = 0;                       // 0或1阶不需要花费dp[1] = 0;for (int i = 2; i <= cost.size(); i++) {// 递推公式,每次取最小花费dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);}return dp[cost.size()]; // 返回最小花费}
};

总结

        ①动态规划的第一天,基础知识种的五部曲很重要

        ②今天的题都是入门题目,较为简单,但也是看视频讲解后做的

        ③还是不能依赖核心代码模式,一是在ACM模式下不知道怎么下手,二是不好debug

这篇关于代码随想录算法训练营第三十八天| 动态规划,509. 斐波那契数,70. 爬楼梯,746. 使用最小花费爬楼梯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/941207

相关文章

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

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

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

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