【动态规划】斐波那契数列模型

【动态规划】斐波那契数列模型

📝前言说明:

  • 本专栏主要记录本人的基础算法学习以及LeetCode刷题记录,按专题划分
  • 每题主要记录:(1)本人解法 + 本人屎山代码;(2)优质解法 + 优质代码;(3)精益求精,更好的解法和独特的思想(如果有的话)
  • 文章中的理解仅为个人理解。如有错误,感谢纠错
🎬个人简介:努力学习ing
📋本专栏:C++刷题专栏
📋其他专栏:C语言入门基础python入门基础C++学习笔记Linux
🎀ZEEKLOG主页 愚润泽

你可以点击下方链接,进行不同专题的动态规划的学习

点击链接开始学习
斐波那契数列模型路径问题
简单多状态(一)简单多状态(二)
子数组系列(一)子数组系列(二)
子序列问题(一)子序列问题(二)
回文串(一)回文串(二)
两个数组dp问题(一)两个数组的dp问题(二)
01背包问题完全背包
二维的背包问题其他

题单汇总链接:点击 → 题单汇总

题目

动态规划要点

动态规划的核心思想是将问题分解为相互关联的子问题,通过求解子问题并利用子问题的解来构造原问题的解,同时避免重复计算子问题。
动态规划分成五大要点,这五点都和要创建的dp表有关,dp表可以帮助我们快速得到题目答案:

  • 状态表示(重点)
    • 是什么?:dp[i]的值所代表的含义
    • 怎么得到?(对于线性的dp问题:经验 + 题目分析)
      • 经验:以某一个位置为结尾 / 为开头,怎样怎样
      • 再根据题目要求分析,发现子问题(填充,怎样怎样)
  • 状态转移方程(难点)
    • 即:dp[i]等于什么
  • 初始化
    • 初始化,并且保证填表的时候不越界
  • 填表顺序
  • 返回值
    • 根据题目要求,通过状态表示得到

空间优化(这个属于在能解决问题的基础上,进行算法优化了,不是我们前期的目标)
但是第1137 讲一下

1137. 第 N 个泰波那契数

题目链接:https://leetcode.cn/problems/n-th-tribonacci-number/description/

在这里插入图片描述

动态规划第一题,好好捋一下思路。

优质解

思路:

  • 状态表示:dp[i]表示第 i 个泰波那契数
  • 状态转移方程:dp[i] = dp[i - 3] + dp[i - 2] + dp[i - 1]
  • 初始化:dp[0] = 0; dp[1] = 1; dp[2] = 1
  • 填表顺序:从左往右
  • 返回值:dp[n]

代码:

classSolution{public:inttribonacci(int n){// 处理特殊情况if(n ==0)return0;if(n ==1|| n ==2)return1; vector<int>dp(n +1); dp[0]=0; dp[1]=1; dp[2]=1;// 初始化for(int i =3; i <= n; i++) dp[i]= dp[i -3]+ dp[i -2]+ dp[i -1];// 从左往右填表return dp[n];}};

时间复杂度:
空间复杂度:

本题的空间优化:
利用滚动数组,只记录前三个数的值(因为计算第 i 个数,只需要前三个数的值)

在这里插入图片描述


优化后的代码:

classSolution{public:inttribonacci(int n){// 处理特殊情况if(n ==0)return0;if(n ==1|| n ==2)return1;int a =0, b =1, c =1, ans =0;// 初始化for(int i =0; i <= n -3; i++){ ans = a + b + c; a = b; b = c; c = ans;}return ans;}};

面试题 08.01. 三步问题

题目链接:https://leetcode.cn/problems/three-steps-problem-lcci/description/

在这里插入图片描述

优质解

思路:

  • 状态表示:dp[i]表示:到第 i 个台阶的总方法数
  • 状态转移方程:
    • 首先,我们要搞清楚:只要有一步不同就是不同方案
    • 那么,假如此时在 i 位置,则从i - 3、i - 2、i - 1都可以到 位置i
      • i - 3i:直接走三步(一种方法),注意,这里不能选择走一步和两步,一维会走到i - 2i - 1上,这时候就不是不同方案了
      • i - 2i:直接走两步(一种方法)
      • i - 1i:走一步(一种走法,也就是说:最后一步如果这么走,那其实方法的总数就等于dp[i - 1]
    • 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;
  • 填表顺序:从左往右,线性的
  • 返回值:dp[n]

代码:

classSolution{public:intwaysToStep(int n){// 处理边界情况if(n ==1|| n ==2)return n;if(n ==3)return4; 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])%1000000007+ dp[i -3])%1000000007;// 每次相加都% 防止溢出return dp[n];}};

时间复杂度:O(n)
空间复杂度:O(n)


746. 使用最小花费爬楼梯

题目链接:https://leetcode.cn/problems/min-cost-climbing-stairs/description/

在这里插入图片描述

个人解

思路:

  • 状态表示:dp[i] 爬到第 i 个台阶的最小费用
  • 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] = 0; dp[1] = 0;
  • 填表顺序:从左往右
  • 返回值:dp[n]

用时:3:00
屎山代码:

classSolution{public:intminCostClimbingStairs(vector<int>& cost){int n = cost.size(); vector<int>dp(n +1); dp[0]=0; dp[1]=0;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];}};

时间复杂度:O(n)
空间复杂度:O(n)


91. 解码方法

题目链接:https://leetcode.cn/problems/decode-ways/description/

在这里插入图片描述

个人解

思路:

 // 状态表示 dp[i]: 前 i 个字符能凑成的组合总数 // 状态转移方程(只有能和其他数组合的时候,才有可能有新组): // dp[i] = dp[i - 1],当:s[i] 属于[1, 9],且s[i - 1]和s[i]组合不能成 // dp[i] = dp[i - 1] + 1 当:s[i] 属于[1, 9],且s[i - 1]和s[i]组合能成 // 特殊判断,s[i] == '0' 的情况,如果能和s[i - 1]组成,则dp[i] = dp[i - 1],如果不能组成则:不是合法编码 // 初始化: 如果s[0] 属于 [1, 9],则dp[0] == 1; // 填表顺序: 从左往右 // 返回值: dp[n] 

用时:20:00
屎山代码(通过237 / 269,但是数量的增加不是简单的+1关系,我没找到正确关系),以下为未通过的错误代码:

classSolution{public:intnumDecodings(string s){if(s[0]=='0')return0;int n = s.size(); vector<int>dp(n); dp[0]=1;for(int i =1; i < n; i++){int numi = s[i]-'0';// 字符转数字int numj = s[i -1]-'0';if(numi ==0)// 对 0 特殊处理if(numj <1|| numj >2)return0;// 不能和前面的数组合else dp[i]= dp[i -1];elseif((numj !=0&& numj *10+ numi <=26)&&!(i +1< n && s[i +1]=='0')){ dp[i]= dp[i -1]+1;}else dp[i]= dp[i -1];}return dp[n -1];}};

优质解

思路(类似爬楼梯):

  • 状态转移方程:当能和前面的数组合时,dp[i] = dp[i - 1] + dp[i - 2],当前位属于 1-9 时,可+ dp[i - 1],能和前面的数组成的时候,可+ dp[i - 2]
  • 根本不用特殊处理 0,因为0的结果也会体现在dp[i]

代码:

classSolution{public:intnumDecodings(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];}};

时间复杂度:O(n)
空间复杂度:O(n)


🌈我的分享也就到此结束啦🌈
要是我的分享也能对你的学习起到帮助,那简直是太酷啦!
若有不足,还请大家多多指正,我们一起学习交流!
📢公主,王子:点赞👍→收藏⭐→关注🔍
感谢大家的观看和支持!祝大家都能得偿所愿,天天开心!!!

Read more

Flutter 组件 ninja_prime 的适配 鸿蒙Harmony 实战 - 驾驭极致高性能数值计算、实现鸿蒙端加密基石与逻辑加速审计方案

Flutter 组件 ninja_prime 的适配 鸿蒙Harmony 实战 - 驾驭极致高性能数值计算、实现鸿蒙端加密基石与逻辑加速审计方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 ninja_prime 的适配 鸿蒙Harmony 实战 - 驾驭极致高性能数值计算、实现鸿蒙端加密基石与逻辑加速审计方案 前言 在鸿蒙(OpenHarmony)生态的极速加密通讯协议开发、基于区块链的分布式政务存证系统以及需要执行海量数据完整性指纹校验的各类专业级应用中,“数值计算的处理效能”是决定应用能否通过 0307 批次严苛性能红线的关键命门。面对涉及 2048 位以上的大数哈希(Large BigInt Hashing)、秒级内的超大规模素数判定(Primality Testing)或者是需要为复杂的 0307 批次资产金融模型执行高精度的科学运算。如果仅仅依靠 Dart 原生的数值类型或未经过度优化的通用算法库。不仅会导致在处理大型数值时产生令人难以忍受的 UI 线程阻塞,更会因为计算效率过低,引发严重的系统功耗异常。 我们需要一种“逻辑纯粹、计算爆发”的数值艺术。 ninja_prime

By Ne0inhk
Ubuntu20.04下使用KITTI-07数据集运行LIO-SAM,并使用evo进行评测

Ubuntu20.04下使用KITTI-07数据集运行LIO-SAM,并使用evo进行评测

1、准备kitti数据集 1.1 下载kitti数据集 笔者刚开始进行测试时选择了kitti04序列,但是建图乱飞,并且终端一直提示:Large velocuty,reset IMU-preintegration! 这个问题始终无法解决,于是笔者选择了07序列进行测试,需要下载对应的_extract.zip和_sync.zip以及标定文件_calib.zip(网盘链接,提取码:tsdp) 1.2 kitti转rosbag 将下载好的文件按照如下方式进行放置: 将lio-sam作者提供的kitti2bag.py(/config/doc/kitti2bag)文件放在KITTI文件夹下,并在该目录下执行如下指令,会自动生成bag文件: python3 kitti2bag.py -t 2011_09_30 -r 0027 raw_synced 2、下载源码 这里直接用了这篇文章《

By Ne0inhk
Ubuntu 虚拟机安装 OpenClaw

Ubuntu 虚拟机安装 OpenClaw

最近特别火的一个事是OpenClaw,个人AI助手工具,周末空闲,咱也对新技术尝尝鲜。 一、环境与前置准备 1.1虚拟机配置要求 配置项最低要求推荐配置CPU2 vCPU2-4 vCPU内存4 GB RAM8 GB RAM存储20 GB SSD40 GB+ SSD系统Ubuntu 22.04 LTSUbuntu 22.04/24.04 LTS网络公网访问(可选)稳定的外网连接 1.2 系统初始化和更新 更新系统软件包 sudo apt update && sudo apt upgrade -y 安装必要有工具 sudo apt install -y curl ca-certificates git

By Ne0inhk
Flutter 三方库 flutter_image_test_utils 的鸿蒙化适配指南 - 实现端侧 UI 测试中的网络图片模拟、支持 HTTP 图片请求劫持与自动化渲染一致性验证实战

Flutter 三方库 flutter_image_test_utils 的鸿蒙化适配指南 - 实现端侧 UI 测试中的网络图片模拟、支持 HTTP 图片请求劫持与自动化渲染一致性验证实战

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 flutter_image_test_utils 的鸿蒙化适配指南 - 实现端侧 UI 测试中的网络图片模拟、支持 HTTP 图片请求劫持与自动化渲染一致性验证实战 前言 在进行 Flutter for OpenHarmony 的自动化 UI 测试(Widget Test / Integration Test)时,网络图片的加载往往是最大的“变数”。由于测试环境可能处于隔离内网或不稳定的网络中,真实的图片下载会导致测试用例因超时而断断续续。flutter_image_test_utils 是一款强大的测试辅助库,它能完美模拟(Mock)网络图片请求。本文将指导大家如何在鸿蒙端构建极致稳定的视觉回归测试。 一、原原理性解析 / 概念介绍 1.1

By Ne0inhk