[Algorithm][递归][斐波那契数列模型][第N个泰波那契数][三步问题][使用最小花费爬楼][解码方法]详细讲解

本文主要是介绍[Algorithm][递归][斐波那契数列模型][第N个泰波那契数][三步问题][使用最小花费爬楼][解码方法]详细讲解,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

  • 1.第 N 个泰波那契数
    • 1.题目链接
    • 2.算法原理详解
    • 3.代码实现
  • 2.三步问题
    • 1.题目链接
    • 2.算法原理详解
    • 3.代码实现
  • 3.使用最小花费爬楼梯
    • 1.题目链接
    • 2.算法原理详解
    • 3.代码实现
  • 4.解码方法
    • 1.题目链接
    • 2.算法原理详解
    • 3.代码实现


1.第 N 个泰波那契数

1.题目链接

  • 第 N 个泰波那契数

2.算法原理详解

  • 题目解析
    请添加图片描述

  • 思路

    • 确定状态表示 -> dp[i]的含义
      • i个泰波那契数的值
    • 推导状态转移方程
      • dp[i] = dp[i - 1] + dp[i - 2] + dp[i - 3]
    • 初始化
      • dp[0] = 0, dp[1] = 1, dp[2] = 1
    • 确定填表顺序:从左向右
    • 确定返回值:dp[n]
  • 空间优化:滚动数组
    请添加图片描述


3.代码实现

// v1.0 动态规划
int tribonacci(int n) 
{// 边界情况处理if(n == 0 || n == 1) return n;vector<int> dp(n + 1, 0);dp[1] = dp[2] = 1;for(int i = 3; i <= n; i++){dp[i] = dp[i - 1] + dp[i - 2] + dp[i - 3];}return dp[n];
}
-------------------------------------------------------------------
// v2.0 动态规划 + 滚动数组空间优化
int tribonacci(int n) 
{// 边界情况处理if(n == 0 || n == 1) return n;int a = 0, b = 1, c = 1, ret = 1;for(int i = 3; i <= n; i++){ret = a + b + c;a = b, b = c, c = ret; // 滚动数组}return ret;
}

2.三步问题

1.题目链接

  • 三步问题

2.算法原理详解

  • 题目解析
    请添加图片描述

  • 思路

    • 确定状态表示 -> dp[i]的含义
      • 到达i位置时,一共有多少种方法
    • 推导状态转移方程
      • dp[i] = dp[i - 1] + dp[i - 2] + dp[i - 3]
    • 初始化
      • dp[1] = 1, dp[2] = 2, dp[3] = 4
    • 确定填表顺序:从左向右
    • 确定返回值:dp[n]

3.代码实现

int waysToStep(int n) 
{// 边界情况处理if(n == 1 || n == 2) return n;if(n == 3) return 4;const int MOD = 1e9 + 7;vector<int> dp(n + 1, 0);dp[1] = 1, dp[2] = 2, dp[3] = 4;for(int i = 4; i <= n; i++){dp[i] = ((dp[i - 1] + dp[i - 2]) % MOD + dp[i - 3]) % MOD;}return dp[n];
} 

3.使用最小花费爬楼梯

1.题目链接

  • 使用最小花费爬楼梯

2.算法原理详解

  • 本题给出两种思路,本质相同,只是思考的方向不同
  • 思路一
    • 确定状态表示 -> dp[i]的含义
      • i位置为结尾
      • 到达i位置时,最小花费
    • 推导状态转移方程
      • dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2])
    • 初始化
      • dp[0] = dp[1] = 0
    • 确定填表顺序:从左向右
    • 确定返回值:dp[n]
  • 思路二
    • 确定状态表示 -> dp[i]的含义
      • i位置为起点
      • i位置出发,到达楼顶,此时的最小花费
    • 推导状态转移方程
      • dp[i] = cost[i] + min(dp[i + 1], dp[i + 2])
    • 初始化
      • dp[n - 1] = cost[n - 1], dp[n - 2] = cost[n - 2]
    • 确定填表顺序:从右向左
    • 确定返回值:min(dp[0], dp[1])

3.代码实现

// v1.0 以i位置为结尾
int minCostClimbingStairs(vector<int>& cost) 
{int n = cost.size();vector<int> dp(n + 1);for(int i = 2; i <= n; i++){dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);}return dp[n];
}
----------------------------------------------------------------------------
// v2.0 以i位置为起点
int minCostClimbingStairs(vector<int>& cost) 
{int n = cost.size();vector<int> dp(n);dp[n - 1] = cost[n - 1], dp[n - 2] = cost[n - 2];for(int i = n - 3; i >= 0; i--){dp[i] = cost[i] + min(dp[i + 1], dp[i + 2]);}return min(dp[0], dp[1]);
}

4.解码方法

1.题目链接

  • 解码方法

2.算法原理详解

  • 思路
    • 确定状态表示 -> dp[i]的含义

      • i位置为结尾时,解码方法的总数
    • 推导状态转移方程

      • 如果条件都成立dp[i] = dp[i - 1] + dp[i - 2]
        请添加图片描述
    • 初始化

      • dp[0]:只解码一个字符
        • 1 <-- 1<=a<=9
        • 0 <-- 0
      • dp[1]:只解码两个字符
        • 0 <-- 解码不出来
        • 1 <-- 两个解码出一个
        • 2 <-- 两个解码出一个 + 一个解码出一个
    • 确定填表顺序:从左向右

    • 确定返回值:dp[n - 1]

  • 优化边界及初始化dp表多开一个"虚拟结点"
    • 相当于把原来dp[1]放到了后面填表的逻辑当中了,不用进行繁琐的初始化了
    • 注意事项
      • 虚拟节点里面的值,要保证后面填表时是正确的
      • 下标的映射关系
    • 怎样处理?
      • 此时dp[1]的初始化相当于原来的dp[0]的初始化,不用做特殊处理
      • dp[0] = 1做特殊处理
        • 因为此时的dp[2]在统一的逻辑里面,会去看dp[0]dp[1]的值
          • 如果条件都成立dp[2] = dp[0] + dp[1]
        • 此时如果dp[0] == 0,相当于dp[2]前面少了一种可能
          请添加图片描述

3.代码实现

// v1.0
int numDecodings(string s) 
{int n = s.size();vector<int> dp(n, 0);dp[0] = s[0] != '0';// 处理边界情况if(s.size() == 1) return dp[0];// 一个位置解码出来一个if(s[0] != '0' && s[1] != '0'){dp[1]++;}// 两个位置解码出来一个int tmp = (s[0] - '0') * 10 + s[1] - '0';if(tmp >= 10 && tmp <= 26){dp[1]++;}// Dynamic Planfor(int i = 2; i < n; i++){// 一个位置解码出来一个if(s[i] != '0'){dp[i] += dp[i - 1];}// 两个位置解码出来一个int tmp = (s[i - 1] - '0') * 10 + s[i] - '0';if(tmp >= 10 && tmp <= 26){dp[i] += dp[i - 2];}}return dp[n - 1];
}
----------------------------------------------------------------------
// v2.0 优化
int numDecodings(string s) 
{int n = s.size();vector<int> dp(n + 1, 0);dp[0] = 1;dp[1] = s[0] != '0';// Dynamic Planfor(int i = 2; i <= n; i++){// 一个位置解码出来一个if(s[i - 1] != '0'){dp[i] += dp[i - 1];}// 两个位置解码出来一个int tmp = (s[i - 2] - '0') * 10 + s[i - 1] - '0';if(tmp >= 10 && tmp <= 26){dp[i] += dp[i - 2];}}return dp[n];
}

这篇关于[Algorithm][递归][斐波那契数列模型][第N个泰波那契数][三步问题][使用最小花费爬楼][解码方法]详细讲解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/979046

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

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

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

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

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象