动态规划之斐波拉契数列模型

news2024/11/25 9:35:31

斐波拉契数列模型

  • 1. 第 N 个泰波那契数
  • 2. 三步问题（easy）
  • 3. 使⽤最⼩花费爬楼梯（easy）
  • 4. 解码⽅法（medium）

动态规划的介绍：
动态规划是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重叠子问题和最优子结构性质的问题。

动态规划最核心的思想，就在于拆分子问题，记住过往，减少重复计算。

动态规划做题步骤通常如下：

  1. 划分阶段：按照问题的时间或空间特征，把问题分为若干个阶段（通常以某一个位置为结尾或者某一个位置为起点）。
  2. 确定状态和状态变量：将问题发展到各个阶段时所处于的各种客观情况用不同的状态表示出来。
  3. 确定决策并写出状态转移方程：因为决策和状态转移有着天然的联系，所以确定了决策，状态转移方程也就可以上来了。但事实上，写出状态转移方程是最困难的部分。
  4. 寻找边界条件：给出问题的边界条件，也就是最小的子问题。

1. 第 N 个泰波那契数

1.题⽬链接：第 N 个泰波那契数
2.题⽬描述：
泰波那契序列 Tn 定义如下：

T0 = 0, T1 = 1, T2 = 1, 且在 n >= 0 的条件下 Tn+3 = Tn + Tn+1 + Tn+2

给你整数 n，请返回第 n 个泰波那契数 Tn 的值。
在这里插入图片描述
3.算法流程：

  1. 状态表示：
    这道题可以「根据题⽬的要求」直接定义出状态表⽰：
    dp[i] 表示：第 i 个泰波那契数的值。
  2. 状态转移⽅程：dp[i] = dp[i - 1] + dp[i - 2] + dp[i - 3]
  3. 初始化：
    从递推公式可以看出， dp[i] 在 i = 0 以及 i = 1 的时候是没有办法进⾏推导的，因为 dp[-2] 或 dp[-1] 不是⼀个有效的数据。
    因此我们需要在填表之前，将 0, 1, 2 位置的值初始化。根据题目可以知道如下初始化 dp[0] = 0, dp[1] = dp[2] = 1 。
  4. 填表顺序：从左往右。
  5. 返回值：应该返回 dp[n] 的值。

4.代码如下：

class Solution 
{
public:
    int tribonacci(int n) 
    {
        if (n == 0 || n == 1) 
            return n;
        vector<int> dp(n + 1);
        dp[0] = 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];
    }
};

2. 三步问题（easy）

1.题目链接：三步问题
2.题目描述：三步问题。有个小孩正在上楼梯，楼梯有n阶台阶，小孩一次可以上1阶、2阶或3阶。实现一种方法，计算小孩有多少种上楼梯的方式。结果可能很大，你需要对结果模1000000007。
示例1:

输入：n = 3
输出：4
说明: 有四种走法

3.算法流程：

  1. 状态表示
    dp[i]表示：到达 i 位置时，⼀共有多少种⽅法。
  2. 状态转移方程
    以某一个位置为结尾进行讨论，比如这道以i位置结尾，可以走1步、2步或3步，那么i位置的方式等于i-1加i-2加i-3三种方式之和。如下：
    i. 上⼀步上⼀级台阶， dp[i] += dp[i - 1] ；
    ii. 上⼀步上两级台阶， dp[i] += dp[i - 2] ；
    iii. 上⼀步上三级台阶， dp[i] += dp[i - 3] ；
    综上所述， dp[i] = dp[i - 1] + dp[i - 2] + dp[i - 3] 。
    需要注意的是，这道题⽬说，由于结果可能很大，需对结果取模。
    % MOD 是不可取的，因为可能两个数相加就会越界， n 取题⽬范围内最⼤值时，⽹站会报错 signed integer overflow 。
    对于这类需要取模的问题，我们每计算⼀次（两个数相加），都需要取⼀次模。
  3. 初始化
    从递推公式可以看出， dp[i] 在 i = 0, i = 1 以及 i = 2 的时候是没有办法进⾏推导的，因为 dp[-3] dp[-2] 或 dp[-1] 不是⼀个有效的数据。因此我们需要在填表之前，将 1, 2, 3 位置的值初始化。
    根据题意， dp[1] = 1, dp[2] = 2, dp[3] = 4 。
  4. 填表顺序
    从左往右
  5. 返回值
    应该返回 dp[n] 的值。

4.代码如下：

class Solution
{
public:
    const int MOD = 1e9 + 7;
    int waysToStep(int n)
    {
        if (n == 1 || n == 2) 
        	return n;
        if (n == 3) 
        	return 4;
        vector<int> dp(n + 1);
        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; //每相加MOD
        return dp[n];
    }
};

3. 使⽤最⼩花费爬楼梯（easy）

1.题目链接：使⽤最⼩花费爬楼梯
2.题目描述：给你一个整数数组 cost ，其中 cost[i] 是从楼梯第 i 个台阶向上爬需要支付的费用。一旦你支付此费用，即可选择向上爬一个或者两个台阶。
你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。
请你计算并返回达到楼梯顶部的最低花费。

示例：

输入：cost = [1,100,1,1,1,100,1,1,100,1]
输出：6
解释：你将从下标为 0 的台阶开始。

  • 支付 1 ，向上爬两个台阶，到达下标为 2 的台阶。
  • 支付 1 ，向上爬两个台阶，到达下标为 4 的台阶。
  • 支付 1 ，向上爬两个台阶，到达下标为 6 的台阶。
  • 支付 1 ，向上爬一个台阶，到达下标为 7 的台阶。
  • 支付 1 ，向上爬两个台阶，到达下标为 9 的台阶。
  • 支付 1 ，向上爬一个台阶，到达楼梯顶部。
    总花费为 6 。

3.算法流程：

  1. 状态表示
    dp[i] 表⽰：到达 i 位置时的最⼩花费。（注意：到达 i 位置的时候， i 位置的钱不需要算上）
  2. 状态转移方程
    根据最近的⼀步，分情况讨论：
    ▪ 先到达 i - 1 的位置，然后⽀付 cost[i - 1] ，接下来⾛⼀步⾛到 i 位置：dp[i - 1] + csot[i - 1] ；
    ▪ 先到达 i - 2 的位置，然后⽀付 cost[i - 2] ，接下来⾛⼀步⾛到 i 位置：dp[i - 2] + csot[i - 2] 。
  3. 初始化
    从递推公式可以看出，需要先初始化 i = 0 ，以及 i = 1 位置的值。容易得到dp[0] = dp[1] = 0 ，因为不需要任何花费，就可以直接站在第 0 层和第 1 层上
  4. 填表顺序
    从左往右
  5. 返回值
    需要返回 dp[n] 位置的值。
    4.代码如下：
class Solution {
public:
    int minCostClimbingStairs(vector<int>& cost) {
        int n = cost.size();
        vector<int> dp(n + 1);
        dp[0] = dp[1] = 0;
        for (int i = 2; i < n + 1; ++i)
        {
            dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
        }
        return dp[n];
    }
};

4. 解码⽅法（medium）

1.题目链接：解码⽅法
2.题目描述：
一条包含字母 A-Z 的消息通过以下映射进行了 编码 ：

‘A’ -> “1”
‘B’ -> “2”
…
‘Z’ -> “26”

要 解码 已编码的消息，所有数字必须基于上述映射的方法，反向映射回字母（可能有多种方法）。例如，“11106” 可以映射为：

“AAJF” ，将消息分组为 (1 1 10 6)
“KJF” ，将消息分组为 (11 10 6)
注意，消息不能分组为 (1 11 06) ，因为 “06” 不能映射为 “F” ，这是由于 “6” 和 “06” 在映射中并不等价。
给你一个只含数字的 非空 字符串 s ，请计算并返回 解码 方法的 总数 。
在这里插入图片描述

3.算法流程：

  1. 状态表示
    dp[i] 表⽰：字符串中 [0，i] 区间上，⼀共有多少种编码方法。
  2. 状态转移方程
    关于 i 位置的编码状况，我们可以分为下⾯两种情况：
    1.让 i 位置上的数单独解码成⼀个字母；
    i. 解码成功：当 i 位置上的数在 [1, 9] 之间的时候，说明 i 位置上的数是可以单独解码的，那么此时 [0, i] 区间上的解码⽅法应该等于 [0, i - 1] 区间上的解码⽅法。因为 [0, i - 1] 区间上的所有解码结果，后⾯填上⼀个 i 位置解码后的字⺟就可以了。此时 dp[i] = dp[i - 1] ；
    ii. 解码失败：当 i 位置上的数是 0 的时候，说明 i 位置上的数是不能单独解码的，那么此时 [0, i] 区间上不存在解码⽅法。此时 dp[i] = 0 。
    2.让 i 位置上的数与 i - 1 位置上的数结合，解码成⼀个字母。
    i. 解码成功：当结合的数在 [10, 26] 之间的时候，说明 [i - 1, i] 两个位置是可以解码成功的，那么此时 [0, i] 区间上的解码⽅法应该等于 [0, i - 2 ] 区间上的解码⽅法。此时 dp[i] = dp[i - 2] ；
    ii. 解码失败：当结合的数在 [0, 9] 和 [27 , 99] 之间的时候，说明两个位置结合后解码失败（这⾥⼀定要注意 00 01 02 03 04 … 这⼏种情况），那么此时 [0, i] 区间上的解码⽅法就不存在了。此时 dp[i] = 0 。
    综上所述： dp[i] 最终的结果应该是上⾯四种情况下，解码成功的两种的累加和，因此可以得到状态转移⽅程（ dp[i] 默认初始化为 0 ）：
    i. 当 s[i] 上的数在 [1, 9] 区间上时： dp[i] += dp[i - 1] ；
    ii. 当 s[i - 1] 与 s[i] 上的数结合后，在 [10, 26] 之间的时候： dp[i] += dp[i - 2] ；
    如果上述两个判断都不成⽴，说明没有解码⽅法， dp[i] 就是默认值 0 。
  3. 初始化
    初始化 dp[0] ：
    当 s[0] == ‘0’ 时，没有编码⽅法，结果 dp[0] = 0 ；
    当 s[0] != ‘0’ 时，能编码成功， dp[0] = 1
    初始化 dp[1] ：
    当 s[1] 在 [1，9] 之间时，能单独编码，此时 dp[1] += dp[0] （dp[1] 默认为 0 ）
    当 s[0] 与 s[1] 结合后的数在 [10, 26] 之间时，说明在前两个字符中，⼜有⼀种编码⽅式，此时 dp[1] += 1
  4. 填表顺序
    从左往右
  5. 返回值
    应该返回 dp[n - 1] 的值，表⽰在 [0, n - 1] 区间上的编码⽅法。
    4.代码如下：
class Solution
{
public:
    int numDecodings(string s)
    {
        int n = s.size();
        vector<int> dp(n); // 创建⼀个 dp表
        // 初始化前两个位置
        dp[0] = s[0] != '0';
        if (n == 1) return dp[0]; // 处理边界情况
        if (s[1] <= '9' && s[1] >= '1') dp[1] += dp[0];
        int t = (s[0] - '0') * 10 + s[1] - '0';
        if (t >= 10 && t <= 26) dp[1] += 1;
        // 填表
        for (int i = 2; i < n; i++)
        {
            // 如果单独编码
            if (s[i] <= '9' && s[i] >= '1') dp[i] += dp[i - 1];
            // 如果和前⾯的⼀个数联合起来编码
            int t = (s[i - 1] - '0') * 10 + s[i] - '0';
            if (t >= 10 && t <= 26) dp[i] += dp[i - 2];
        }
        // 返回结果
        return dp[n - 1];
    }
};

以上为有关动态规划之斐波拉契数列模型的题目。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/865519.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

最短路相关思想总结

最短路相关思想总结

dijkstra—所有边均为正权边 1.稠密图 算法思想 将所有的点读入邻接表 外层n次循环 每次找到最近的点&#xff0c;记录这个点的访问状态&#xff0c;使用这个点对其他的点进行更新&#xff0c;最后返回最短路 为什么要记录每个点的状态&#xff1f;我不能重复搜这个点吗&…
阅读更多...
面对AI冲击，技术人才该如何考核？

面对AI冲击，技术人才该如何考核？

一天下午&#xff0c;在与知名企业的技术交流会议室里&#xff0c;一位兄弟企业的CTO 小力苦笑着&#xff0c;分享了一个技术招聘的故事&#xff1a; “我们有个高级工程师&#xff0c;为了搞定MySQL三个表Join的问题&#xff0c;搞了一整天都研究不出来。结果他尝试将表结构扔…
阅读更多...
【C++进阶】继承、多态的详解（继承篇）

【C++进阶】继承、多态的详解（继承篇）

【C进阶】继承、多态的详解&#xff08;继承篇&#xff09; 目录 【C进阶】继承、多态的详解&#xff08;继承篇&#xff09;继承的概念及定义继承的概念继承的定义定义格式继承关系和访问限定符继承基类成员访问方式的变化 基类和派生类对象赋值转换继承中的作用域派生类的默认…
阅读更多...
你不能访问此共享文件夹因为你组织的安全策略

你不能访问此共享文件夹因为你组织的安全策略

我在windows 10中尝试访问没有密码的共享文件只报错如下&#xff1a; 解决办法 运气中执行 gpedit.msc来启动本地组策略编辑器。 这样设置完成后&#xff0c;就可以在运行中输入 \\192.168.199.1\可以访问共享的文件了。 参考 https://zhuanlan.zhihu.com/p/164721714…
阅读更多...
HashMap 二十一问

HashMap 二十一问

1&#xff1a;HashMap 的数据结构&#xff1f; A&#xff1a;哈希表结构&#xff08;链表散列&#xff1a;数组链表&#xff09;实现&#xff0c;结合数组和链表的优点。当链表长度超过 8 时&#xff0c;链表转换为红黑树。transient Node<K,V>[] table; 2&#xff1a;…
阅读更多...
QT QtXlsx安装使用

QT QtXlsx安装使用

QtXlsx介绍 QtXlsx是一个可以读取和写入Excel文件的库。它不需要Microsoft Excel&#xff0c;可以在Qt5支持的任何平台上使用。 这里一定是需要QT5支持的。 须知安装QtXlsx时&#xff0c;需要下载perl 1.安装perl 这里选择官网下载安装即可。 官网地址&#xff1a;https://p…
阅读更多...
Android应用开发（35）SufaceView基本用法

Android应用开发（35）SufaceView基本用法

Android应用开发学习笔记——目录索引 参考Android官网&#xff1a;https://developer.android.com/reference/android/view/SurfaceView 一、SurfaceView简介 SurfaceView派生自View&#xff0c;提供嵌入视图层次结构内部的专用绘图表面&#xff0c;SurfaceView可以在主线程之…
阅读更多...
开学第一课什么时候播出2023年在哪里用手机在线观看开学第一课高清直播入口

开学第一课什么时候播出2023年在哪里用手机在线观看开学第一课高清直播入口

往期《开学第一课》什么时候播出&#xff1f; 《开学第一课》是一年一度面向全国中小学生的大型公益节目&#xff0c;从2008年起于每年9月1日播出&#xff0c;最近一期是2022年9月1日20:00播出&#xff1b; 2023年《开学第一课》什么时候播出&#xff1f; 根据往期播出时间预…
阅读更多...
Spring Task入门案例

Spring Task入门案例

Spring Task 是Spring框架提供的任务调度工具&#xff0c;可以按照约定的时间自动执行某个代码逻辑。 定位&#xff1a;定时任务框架 作用&#xff1a;定时自动执行某段Java代码 强调&#xff1a;只要是需要定时处理的场景都可以使用Spring Task 1. cron表达式 cron表达式…
阅读更多...
安装docker和案例复现

安装docker和案例复现

安装环境 1.安装docker #输入命令 yum install -y yum-utils 安装下载docker的工具包 yum install -y yum-utils # 设置阿里docker镜像仓库地址 yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo yum install -y docker-ce d…
阅读更多...
【JavaSpring】注解开发

【JavaSpring】注解开发

注解开发定义bean 不指定名称 package org.example.service.impl;import org.example.dao.BookDao; import org.example.service.BookService; import org.springframework.stereotype.Component;Component public class BookServiceimpl implements BookService {private Bo…
阅读更多...
[JAVAee]多线程环境下:HashTable, HashMap, ConcurrentHashMap之间的区别

[JAVAee]多线程环境下:HashTable, HashMap, ConcurrentHashMap之间的区别

HashMap在多线程环境下是不安全的,只能在单线程下使用. 多线程下安全的只有: HashTableConcurrentHashMap HashTable HashTable在多线程环境下安全的原因是,给其的get与put方法都使用synchronized修饰了,被锁的对象是整个HashTable,只要有线程对此HashTable操作就上锁,其他…
阅读更多...
Yolov8-pose关键点检测：loss系列 | 手把手教程，多loss设计提升关键点提取性能

Yolov8-pose关键点检测：loss系列 | 手把手教程，多loss设计提升关键点提取性能

💡💡💡本文解决什么问题：手把手教会你v8PoseLoss 多loss设计，提升关键点检测 Yolov8-Pose关键点检测专栏介绍：https://blog.csdn.net/m0_63774211/category_12398833.html ✨✨✨手把手教你从数据标记到生成适合Yolov8-pose的yolo数据集； 🚀🚀🚀模型性能提升…
阅读更多...
修改第三方组件默认样式

修改第三方组件默认样式

深度选择器 修改el-input的样式&#xff1a; <el-input class"input-area"></el-input>查看DOM结构&#xff1a; 原本使用 /deep/ 但是可能不兼容 使用 :deep .input-area {:deep(.el-input__inner){background-color: blue;} }将 input 框背景色改为…
阅读更多...
09-1_Qt 5.9 C++开发指南_Qchart概述

09-1_Qt 5.9 C++开发指南_Qchart概述

Qt Charts 可以很方便地绘制常见的折线图、柱状图、饼图等图表&#xff0c;不用自己耗费时间和精力开发绘图组件或使用第三方组件了。 本章首先介绍 Qt Charts 的基本特点和功能&#xff0c;以画折线图为例详细说明 Qt Charts 各主要部件的操作方法&#xff0c;再介绍各种常用…
阅读更多...
竞赛项目 酒店评价的情感倾向分析

竞赛项目 酒店评价的情感倾向分析

前言 &#x1f525; 优质竞赛项目系列&#xff0c;今天要分享的是 酒店评价的情感倾向分析 该项目较为新颖&#xff0c;适合作为竞赛课题方向&#xff0c;学长非常推荐&#xff01; &#x1f9ff; 更多资料, 项目分享&#xff1a; https://gitee.com/dancheng-senior/post…
阅读更多...
【MySQL---＞环境配置】

【MySQL---＞环境配置】

文章目录 [TOC](文章目录) 一、卸载已存在数据库软件二、获取yum源并安装三、启动并登录四、文件配置五、链接服务器选项 一、卸载已存在数据库软件 用ps -axj |grep miadb或者ps -axj |grep mysql查询是否存在这两个启动的应用程序,如果有就将其关闭,以mysql为例:systemctl s…
阅读更多...
史上最强，Jenkins插件实现多个Job并行后再触发Job详细，一篇贯通...

史上最强，Jenkins插件实现多个Job并行后再触发Job详细，一篇贯通...

目录&#xff1a;导读 前言一、Python编程入门到精通二、接口自动化项目实战三、Web自动化项目实战四、App自动化项目实战五、一线大厂简历六、测试开发DevOps体系七、常用自动化测试工具八、JMeter性能测试九、总结&#xff08;尾部小惊喜&#xff09; 前言 在利用Jenkins来自…
阅读更多...
linux安装wkhtmltopdf（清晰明了）

linux安装wkhtmltopdf（清晰明了）

概述 在公司项目中使用到 wkhtmltopdf 转换PDF&#xff0c;由于 wkhtmltox-0.12.5 版本 echarts 图形虚线样式&#xff0c;需要升级 wkhtmltox-0.12.6 版本来解决。 官网地址 wkhtmltopdf &#xff1a;https://wkhtmltopdf.org/ windows 安装 下载流程及安装流程 进入官…
阅读更多...
Redis—集群

Redis—集群

目录标题 主从复制第一次同步命令传播分担主服务器压力增量复制总结面试题什么是Redis主从复制Redis主从复制的原理Redis主从复制的优点Redis主从复制的缺点Redis主从复制的配置步骤Redis主从复制的同步策略主从节点是长还是短连接判断某个节点是否正常工作主从复制架构中&…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023