【C++动态规划 最长公共子序列】1035. 不相交的线|1805

【C++动态规划 最长公共子序列】1035. 不相交的线|1805

本文涉及知识点

C++动态规划

LeetCode1035. 不相交的线

在两条独立的水平线上按给定的顺序写下 nums1 和 nums2 中的整数。
现在,可以绘制一些连接两个数字 nums1[i] 和 nums2[j] 的直线,这些直线需要同时满足:
nums1[i] == nums2[j]
且绘制的直线不与任何其他连线(非水平线)相交。
请注意,连线即使在端点也不能相交:每个数字只能属于一条连线。
以这种方法绘制线条,并返回可以绘制的最大连线数。
示例 1:

在这里插入图片描述

输入:nums1 = [1,4,2], nums2 = [1,2,4]
输出:2
解释:可以画出两条不交叉的线,如上图所示。
但无法画出第三条不相交的直线,因为从 nums1[1]=4 到 nums2[2]=4 的直线将与从 nums1[2]=2 到 nums2[1]=2 的直线相交。
示例 2:
输入:nums1 = [2,5,1,2,5], nums2 = [10,5,2,1,5,2]
输出:3
示例 3:
输入:nums1 = [1,3,7,1,7,5], nums2 = [1,9,2,5,1]
输出:2
提示:
1 <= nums1.length, nums2.length <= 500
1 <= nums1[i], nums2[j] <= 2000

# 动态规划的状态

性质一:令连线(i,j)在nums1的下标是i,nums2的下标是j。则两条连线(i1,j1),(i2,j2),其中i1 < i2,则j1 < j2,否则会交叉。
性质二:我们将各线按i的升序排序排序,根据性质一,则j也是升序。
性质三:令某最优解是{KaTeX parse error: Undefined control sequence: \cdost at position 1: \̲c̲d̲o̲s̲t̲(i1,j1)、(i2,j2)、(i3,j3)KaTeX parse error: Undefined control sequence: \cdost at position 1: \̲c̲d̲o̲s̲t̲}。如果存在j1<j4<j2,则将j2换成j4也是最优解。

动态规划的状态表示

dp[i][j]表示,所有线的上端点下标 <= i,下端下标<=j,且最后一条连线的下端点下标是j。dp[i][j] = -n-1表示不存在的可能。下标从1开始。空间复杂度:O(nm)

动态规矩的转移方程+双指针

dp[i+1] = dp[i] 没有选择上端点i。
nums[j1] == nums[i] 且j1 > j 且j1最小,如果存在合法的j1,则j1 = m
MaxSelf(dp[i+1][j1+1] , dp[i][j]+1)
时间复杂度:O(nm)

动态规划的填表顺序

枚举前置状态
for(i = 0 To n-1) j = 0 To m-1

动态规划的初始化

dp[0][0]=0,其它全为-n-1

动态规划的返回值

max(dp.back())

代码

核心代码

classSolution{public:intmaxUncrossedLines(vector<int>& nums1, vector<int>& nums2){constint N = nums1.size();constint M = nums2.size(); vector<vector<int>>dp(N +1, vector<int>(M +1,-N-1)); dp[0][0]=0;for(int i =0; i < N; i++){ dp[i +1]= dp[i];for(int j =0,j1=0; j < M; j++){while((j1 < M)&&((nums2[j1]!= nums1[i])||(j1 < j))){ j1++;}if(j1 >= M)continue; dp[i +1][j1 +1]=max(dp[i +1][j1 +1], dp[i][j]+1);}}return*max_element(dp.back().begin(), dp.back().end());}};

单元测试

vector<int> nums1, nums2;TEST_METHOD(TestMethod1){ nums1 ={1,4,2}, nums2 ={1,2,4};auto res =Solution().maxUncrossedLines(nums1, nums2);AssertEx(2, res);}TEST_METHOD(TestMethod12){ nums1 ={2,5,1,2,5}, nums2 ={10,5,2,1,5,2};auto res =Solution().maxUncrossedLines(nums1, nums2);AssertEx(3, res);}TEST_METHOD(TestMethod13){ nums1 ={1,3,7,1,7,5}, nums2 ={1,9,2,5,1};auto res =Solution().maxUncrossedLines(nums1, nums2);AssertEx(2, res);}

扩展阅读

我想对大家说的话
工作中遇到的问题,可以按类别查阅鄙人的算法文章,请点击《算法与数据汇总》。
学习算法:按章节学习《喜缺全书算法册》,大量的题目和测试用例,打包下载。重视操作
有效学习:明确的目标 及时的反馈 拉伸区(难度合适) 专注
闻缺陷则喜(喜缺)是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。
子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙,那算法就是他的是睛
失败+反思=成功 成功+反思=成功

视频课程

先学简单的课程,请移步ZEEKLOG学院,听白银讲师(也就是鄙人)的讲解。
https://edu.ZEEKLOG.net/course/detail/38771
如何你想快速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程
https://edu.ZEEKLOG.net/lecturer/6176

测试环境

操作系统:win7 开发环境: VS2019 C++17
或者 操作系统:win10 开发环境: VS2022 C++17
如无特殊说明,本算法用**C++**实现。

Read more

深度强化学习新范式:基于模型的动态规划实战全解析

深度强化学习新范式:基于模型的动态规划实战全解析

深度强化学习新范式:基于模型的动态规划实战全解析 引言 在追求更高样本效率和更强泛化能力的驱动下,深度强化学习正经历一场“模型复兴”。以MuZero、Dreamer为代表的基于模型的动态规划方法,通过构建并利用环境模型进行前瞻性规划,正从游戏领域走向机器人、自动驾驶等复杂现实场景。本文将深入剖析其核心算法、应用实践与优化技巧,助你掌握这一高效决策智能的关键技术。 1. 核心算法原理:从理论到前沿实现 本节将拆解基于模型的动态规划(MBDP)的核心思想与最新进展。 1.1 基石:模型预测控制与值迭代 * 核心思想:与“试错”为主的免模型强化学习不同,基于模型的方法旨在先学习一个环境动态模型(或隐式模型),然后基于此模型进行多步轨迹模拟(规划),通过动态规划或值迭代来优化策略,从而大幅减少与真实环境的昂贵交互。 * 前沿算法: * MuZero:DeepMind的里程碑式工作。它不学习对环境的显式预测,而是学习一个隐式模型(包括状态转移、即时奖励和状态价值),并在一个抽象的潜空间内进行蒙特卡洛树搜索(MCTS)规划,在Atari和围棋上达到超人类水平。 *

By Ne0inhk
【算法】连通块问题(C/C++)

【算法】连通块问题(C/C++)

目录 连通块问题 解决思路 步骤: 初始化: DFS函数: 复杂度分析  代码实现(C++) 题目链接:2060. 奶牛选美 - AcWing题库 解题思路: AC代码:  题目链接:687. 扫雷 - AcWing题库  解题思路: AC代码: 总结: 连通块问题 连通块问题(Connected Component Problem)是一个经典的图论问题,通常用来找出图中的所有连通分量。给定一个无向图,连通块问题的目标是确定图中有多少个连通分量(即有多少个互相连通的节点组成的集合) 解决思路 1. 深度优先搜索(DFS) 或 广度优先搜索(BFS): * 可以从任意未访问的节点出发,进行DFS或BFS,标记所有能够访问到的节点,代表这个连通分量。 * 重复这个过程,直到所有节点都被访问为止。每次从新的未访问节点出发时,就代表发现了一个新的连通分量。 2.

By Ne0inhk
磨损均衡算法介绍

磨损均衡算法介绍

🔥作者简介: 一个平凡而乐于分享的小比特,中南民族大学通信工程专业研究生,研究方向无线联邦学习 🎬擅长领域:驱动开发,嵌入式软件开发,BSP开发 ❄️作者主页:一个平凡而乐于分享的小比特的个人主页 ✨收录专栏:硬件知识,本专栏为记录项目中用到的知识点,以及一些硬件常识总结 欢迎大家点赞 👍 收藏 ⭐ 加关注哦!💖💖 磨损均衡算法介绍 有关磨损均衡技术的相关资料下载地址:磨损均衡技术相关论文 核心问题:为什么需要磨损均衡? 要理解磨损均衡,首先要明白Flash存储器(包括NAND Flash和NOR Flash)的物理限制: 1. 有限的擦写次数: Flash存储单元在经历一定次数的擦除操作后,会因物理损耗而失效。这个次数就是耐久度。 * SLC NAND: ~10万次 * MLC NAND: ~3千 - 1万次 * TLC NAND: ~500 - 1.5千次 * QLC NAND: ~100

By Ne0inhk

探索OpenSimplex2:高级噪声生成的算法革新与多维应用

探索OpenSimplex2:高级噪声生成的算法革新与多维应用 【免费下载链接】OpenSimplex2Successors to OpenSimplex Noise, plus updated OpenSimplex. 项目地址: https://gitcode.com/gh_mirrors/op/OpenSimplex2 OpenSimplex2作为OpenSimplex噪声算法的升级版本,是一款专注于生成高质量二维、三维及四维噪声的开源库。它通过算法优化在平滑度与性能间取得平衡,提供OpenSimplex2S(平滑优先)和OpenSimplex2F(性能优先)两种变体,成为数字世界自然纹理生成的核心工具。本文将深入解析其技术创新、应用实践及场景适配策略,帮助开发者掌握高级噪声生成的艺术。 核心价值:重新定义噪声生成的质量基准 在计算机图形学与 procedural content generation 领域,噪声算法如同数字世界的自然纹理画笔,负责将纯粹的随机转化为具有自然特征的结构化数据。OpenSimplex2通过三项关键改进重新定义了噪声生成的质量标准: 1.

By Ne0inhk