[Algorithm][动态规划][完全背包问题][零钱兑换][零钱兑换Ⅱ][完全平方数]详细讲解

目录

  • 1.零钱兑换
    • 1.题目链接
    • 2.算法原理详解
    • 3.代码实现
  • 2.零钱兑换 II
    • 1.题目链接
    • 2.算法原理详解
    • 3.代码实现
  • 3.完全平方数
    • 1.题目链接
    • 2.算法原理详解
    • 3.代码实现


1.零钱兑换

1.题目链接

  • 零钱兑换

2.算法原理详解

  • 思路
    • 确定状态表示 -> dp[i][j]的含义

      • dp[i][j]:从前i个硬币中****,总和正好等于j,最少的硬币个数
    • 推导状态转移方程:根据最后一个位置的情况,分情况讨论

      • 状态转移方程优化同[模板]完全背包
        请添加图片描述
    • 初始化:

      • 多开一行及一列虚拟结点
      • 由于此处状态方程求的是min,为了让不存在的情况不影响取值
        • 可以在不存在的情况初始化为无穷大,此处无穷大初始化为0x3f3f3f3f
          请添加图片描述
    • 确定填表顺序:从上往下,从左往右

    • 确定返回值:dp[n][amount] >= INF ? -1 : dp[n][amount]

  • 滚动数字优化同[模板]完全背包

3.代码实现

// v1.0
int coinChange(vector<int>& coins, int amount) 
{const int INF = 0x3f3f3f3f;int n = coins.size();vector<vector<int>> dp(n + 1, vector<int>(amount + 1));// Initfor(int j = 1; j <= amount; j++){dp[0][j] = INF;}// DPfor(int i = 1; i <= n; i++){for(int j = 0; j <= amount; j++){dp[i][j] = dp[i - 1][j];if(j >= coins[i - 1]){dp[i][j] = min(dp[i][j], dp[i][j - coins[i - 1]] + 1);}}}return dp[n][amount] >= INF ? -1 : dp[n][amount];
}
-------------------------------------------------------------------------
// v2.0 滚动数组优化
int coinChange(vector<int>& coins, int amount) 
{const int INF = 0x3f3f3f3f;int n = coins.size();vector<int> dp(amount + 1, INF);dp[0] = 0;// DPfor(int i = 1; i <= n; i++){for(int j = coins[i - 1]; j <= amount; j++){dp[j] = min(dp[j], dp[j - coins[i - 1]] + 1);}}return dp[amount] >= INF ? -1 : dp[amount];
}

2.零钱兑换 II

1.题目链接

  • 零钱兑换 II

2.算法原理详解

  • 思路基本跟零钱兑换一致,本题代码实现就只给出滚动数组优化的版本
  • 思路
    • 确定状态表示 -> dp[i][j]的含义

      • dp[i][j]:从前i个硬币中****,总和正好等于j,一共有多少种选法
    • 推导状态转移方程:根据最后一个位置的情况,分情况讨论

      • 状态转移方程优化同[模板]完全背包
        请添加图片描述
    • 初始化:

      • 多开一行及一列虚拟结点
        请添加图片描述
    • 确定填表顺序:从上往下,从左往右

    • 确定返回值:dp[n][amount]

  • 滚动数字优化同[模板]完全背包

3.代码实现

int change(int amount, vector<int>& coins) 
{vector<int> dp(amount + 1);dp[0] = 1;for(int i = 1; i <= coins.size(); i++){for(int j = coins[i - 1]; j <= amount; j++){dp[j] += dp[j - coins[i - 1]];}}return dp[amount];
}

3.完全平方数

1.题目链接

  • 完全平方数

2.算法原理详解

  • 问题转化:本质就是完全背包问题
  • 思路
    • 确定状态表示 -> dp[i][j]的含义

      • dp[i][j]:从前i个完全平方数中****,总和正好等于j,所有的选法中,最小的数量
    • 推导状态转移方程:根据最后一个位置的情况,分情况讨论

      • 状态转移方程优化同[模板]完全背包
        请添加图片描述
    • 初始化:

      • 多开一行及一列虚拟结点
      • 由于此处状态方程求的是min,为了让不存在的情况不影响取值
        • 可以在不存在的情况初始化为无穷大,此处无穷大初始化为0x3f3f3f3f
          请添加图片描述
    • 确定填表顺序:从上往下,从左往右

    • 确定返回值:dp[sqrt(n)][n]

  • 滚动数字优化同[模板]完全背包

3.代码实现

// v1.0
int numSquares(int n) 
{const int INF = 0x3f3f3f3f;int m = sqrt(n);vector<vector<int>> dp(m + 1, vector<int>(n + 1));// Initfor(int j = 1; j <= n; j++){dp[0][j] = INF;}// DPfor(int i = 1; i <= m; i++){for(int j = 0; j <= n; j++){dp[i][j] = dp[i - 1][j];if(j >= i * i){dp[i][j] = min(dp[i][j], dp[i][j - i * i] + 1);}}}return dp[m][n];
}
-------------------------------------------------------------------------
// v2.0 滚动数组优化
int numSquares(int n) 
{const int INF = 0x3f3f3f3f;int m = sqrt(n);vector<int> dp(n + 1, INF);dp[0] = 0;// DPfor(int i = 1; i <= m; i++){for(int j = i * i; j <= n; j++){dp[j] = min(dp[j], dp[j - i * i] + 1);}}return dp[n];
}

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.mzph.cn/diannao/26077.shtml

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email:809451989@qq.com,一经查实,立即删除!

相关文章

QSqlDatabase、QSqlQuery、QSqlRecord、Sqlite用法

使用QSqlDatabase、QSqlQuery、QSqlRecord、Sqlite数据库实现一个简单的界面查询 1. 创建Sqlite数据库&#xff0c;表 mainwindow.cpp #include "mainwindow.h" #include "ui_mainwindow.h" #include "QSqlDatabase" #include "QSqlQuery&q…

【计算机毕业设计】273基于微信小程序的刷题系统

&#x1f64a;作者简介&#xff1a;拥有多年开发工作经验&#xff0c;分享技术代码帮助学生学习&#xff0c;独立完成自己的项目或者毕业设计。 代码可以私聊博主获取。&#x1f339;赠送计算机毕业设计600个选题excel文件&#xff0c;帮助大学选题。赠送开题报告模板&#xff…

算法训练营day52

题目1&#xff1a;123. 买卖股票的最佳时机 III - 力扣&#xff08;LeetCode&#xff09; class Solution { public:int maxProfit(vector<int>& prices) {vector<vector<int>> dp(prices.size(), vector<int>(4,0));dp[0][0] -prices[0];dp[0][…

JavaSE面试

①.简述面向对象的三大特征 封装、继承、多态 1.封装&#xff1a; 概念&#xff1a; 是将类的某些信息隐藏在类的内部&#xff0c;不允许外部程序直接访问&#xff0c;而是通过该类提供的方法来实现对隐藏信息的操作和访问。 好处 &#xff1a; ①便于修改&#xff0c;增强了代…

前端实现流文件下载

在现代Web开发中&#xff0c;经常会遇到需要从服务器下载文件的情况。有时候这些文件是事先存储好的&#xff0c;可以通过简单的URL链接直接下载&#xff1b;但有时候&#xff0c;我们需要从数据流中动态生成文件并将其提供给用户。本篇博客将介绍如何在前端实现流文件下载的完…

MySQL8基于GTID以及VIP实现高可用主从架构

jdbc客户端配置高可用以及故障切换 jdbc客户端实现故障切换 MySQL Connector/J 支持服务器故障转移。当底层活动连接发生与连接相关的错误时&#xff0c;就会发生故障转移 参考官网地址 jdbc:mysql://[primary host][:port],[secondary host 1][:port] jdbc客户端实现故障切…

C# String

String字符串字面量字符串连接字符串是不可变的字符串比较字符串方法字符串插值字符串和字符数组字符串格式化空字符串和 null字符串的安全性正则表达式 注意String.Format基本语法参数 基本使用使用索引指定对齐和宽度使用格式字符串组合使用 总结 C# String 在C#中&#xff0…

vAttention:用于在没有Paged Attention的情况下Serving LLM

文章目录 0x0. 前言&#xff08;太长不看版&#xff09;0x1. 摘要0x2. 介绍&背景0x3. 使用PagedAttention模型的问题0x3.1 需要重写注意力kernel0x3.2 在服务框架中增加冗余0x3.3 性能开销0x3.3.1 GPU上的运行时开销0x3.3.2 CPU上的运行时开销 0x4. 对LLM服务系统的洞察0x5…

自动驾驶跟驰仿真

联合仿真需求分析报告 一、项目背景 随着汽车技术的快速发展&#xff0c;自动驾驶和智能网联汽车已成为行业发展的重要趋势。为确保自动驾驶车辆在复杂交通环境中的安全性和可靠性&#xff0c;进行联合仿真测试显得尤为重要。本报告旨在明确联合仿真的具体需求&#xff0c;为…

Springboot结合redis实现关注推送

关注推送 Feed流的模式 Timeline:不做内容筛选&#xff0c;简单的按照内容发布时间排序。常用于好友与关注。例如朋友圈的时间发布排序。 优点:信息全面&#xff0c;不会有缺失。并且实现也相对简单 缺点:信息噪音较多&#xff0c;用户不一定感兴趣&#xff0c;内容获取效率…

佳能5DMARK IV mov视频覆盖的恢复方法

5DMARK IV算是佳能比较经典的一款摄像机&#xff0c;是佳能早期使用MOV的摄像机之一&#xff0c;MOV是当初佳能高端机的象征&#xff0c;当然现在佳能已经不在通过MOV和MP4来区分硬件级别了。下边这个案例是文件拍摄时断电&#xff0c;结果变成0字节&#xff0c;然后覆盖了部分…

mysql实现json数据的解析

在MySQL中&#xff0c;你可以使用JSON函数来解析、查询和修改JSON数据。MySQL 5.7及更高版本提供了对JSON的原生支持。 以下是一些常用的JSON函数及其用法&#xff1a; JSON_EXTRACT(): 从JSON文档中提取数据。 sql SELECT JSON_EXTRACT({"name": "John"…

epoll 为什么能提高网络性能

epoll⾼性能最根本的原因是&#xff0c;epoll 可以同时监听多个fd事件&#xff0c;这在很⼤程度地减少了⽆⽤的进程上下⽂切换&#xff0c;让进程更专注地处理⽹络请求。 其实在内核的硬、软中断上下⽂中&#xff0c;包从⽹卡接收过来进⾏处理&#xff0c;然后放到socket的接 …

oc中类都是在main执行前,加载到内存中的,正确吗?

oc中类加载 在Objective-C中&#xff0c;类是在程序运行时&#xff08;runtime&#xff09;加载到内存中的&#xff0c;而不是在main函数执行前。 在Objective-C中&#xff0c;类的加载是由运行时系统负责的。当程序启动时&#xff0c;Objective-C运行时系统会自动加载所有…

速度位置规划实现精确定位的问题

&#x1f3c6;本文收录于「Bug调优」专栏&#xff0c;主要记录项目实战过程中的Bug之前因后果及提供真实有效的解决方案&#xff0c;希望能够助你一臂之力&#xff0c;帮你早日登顶实现财富自由&#x1f680;&#xff1b;同时&#xff0c;欢迎大家关注&&收藏&&…

论文略读:Onthe Expressivity Role of LayerNorm in Transformers’ Attention

ACL 2023 研究了LayerNorm在 Transformers 中对注意力的作用LayerNorm为Transformer的Attention提供了两个重要的功能&#xff1a; 投影&#xff0c;projection LayerNorm 帮助 Attention 设计一个注意力查询&#xff0c;这样所有的Key都可以平等地访问通过将Key向量投影到同一…

端午节到了,祝大家粽子甜甜,生活美满!愿粉丝们心想事成,健康平安,阖家幸福!

博主猫头虎的技术世界 &#x1f31f; 欢迎来到猫头虎的博客 — 探索技术的无限可能&#xff01; 专栏链接&#xff1a; &#x1f517; 精选专栏&#xff1a; 《面试题大全》 — 面试准备的宝典&#xff01;《IDEA开发秘籍》 — 提升你的IDEA技能&#xff01;《100天精通鸿蒙》 …

素数不重模定理

结论 若对于正整数 a , b a,b a,b &#xff0c;其中 a , b a,b a,b 均为素数且 a ≠ b a \neq b ab&#xff0c; 则有 a k % b ( 1 ≤ k < b ) a^k\%b(1\le k<b) ak%b(1≤k<b) 这 k − 1 k-1 k−1 个数两两不同。 证明 不会

狭义人机交互与广义人机交互

人机交互&#xff08;HMI&#xff09;是指人与计算机之间的交互过程。狭义的人机交互主要关注人与计算机之间的界面设计和交互技术&#xff0c;注重用户与计算机系统之间的信息交换和控制。这种交互通常涉及图形用户界面&#xff08;GUI&#xff09;、鼠标、键盘等输入设备&…

Linux网络服务

01 Linux网络设置 02 DHCP原理与配置 03 DNS域名解析服务 04 远程访问及控制 05 部署YUM仓库及NFS共享服务 06 PXE高效批量网络装机