Day39- 动态规划part07

一、爬楼梯

题目一:57. 爬楼梯

57. 爬楼梯(第八期模拟笔试)

题目描述

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。 

每次你可以爬至多m (1 <= m < n)个台阶。你有多少种不同的方法可以爬到楼顶呢? 

注意:给定 n 是一个正整数。

输入描述

输入共一行,包含两个正整数,分别表示n, m

输出描述

输出一个整数,表示爬到楼顶的方法数。

到达第n个台阶的方法数量是到达前面某些台阶的方法数量的总和,具体来说,就是到达第n-1, n-2, ..., n-m个台阶的方法数量的总和,因为每次可以爬1到m个台阶。

定义一个数组dp,其中dp[i]表示到达第i个台阶的方法数。

初始化dp[0] = 1,因为到达起点(不爬任何台阶)只有一种方法。

然后,对于每一个台阶i(从1到n),计算到达这个台阶的方法数,即dp[i] = dp[i-1] + dp[i-2] + ... + dp[i-m],其中i-m > 0

对于那些i < m的台阶,只能从比i小的台阶爬上来,所以在这种情况下,dp[i]应该是dp[i-1] + dp[i-2] + ... + dp[0]

#include <iostream>
#include <vector>
using namespace std;int climbStairs(int n, int m) {vector<long long> dp(n + 1, 0); dp[0] = 1; for (int i = 1; i <= n; ++i) {for (int j = 1; j <= m && i - j >= 0; ++j) {dp[i] += dp[i - j];}}return dp[n];
}int main() {int n, m;cin >> n >> m;cout << climbStairs(n, m) << endl;return 0;
}

二、零钱兑换

题目一:322. 零钱兑换

322. 零钱兑换

给你一个整数数组 coins ,表示不同面额的硬币;以及一个整数 amount ,表示总金额。

计算并返回可以凑成总金额所需的 最少的硬币个数 。如果没有任何一种硬币组合能组成总金额,返回 -1 。

你可以认为每种硬币的数量是无限的。

dp[i]代表组成金额i所需的最少硬币数。

初始化dp[0] = 0,因为金额为0时不需要任何硬币。

对于所有其他的i,可以初始化为一个很大的数,比如amount + 1,这个值代表无效解,因为组成金额i最多使用的硬币数不会超过amount

对于每个金额i1amount,遍历所有的硬币面额,更新dp[i]为:

dp[i]=\min(dp[i],dp[i-\text{coin}]+1)

/** @lc app=leetcode.cn id=322 lang=cpp** [322] 零钱兑换*/// @lc code=start
class Solution {
public:int coinChange(vector<int>& coins, int amount) {vector<int> dp(amount + 1, amount + 1);dp[0] = 0;for (int i = 1; i <= amount; i++) {for (int coin : coins) {if (i - coin >= 0) {dp[i] = min(dp[i], dp[i - coin] + 1);}}}return dp[amount] > amount ? -1 : dp[amount];}
};
// @lc code=end

三、完全平方数

题目一:279. 完全平方数

279. 完全平方数

给你一个整数 n ,返回 和为 n 的完全平方数的最少数量 。

完全平方数 是一个整数,其值等于另一个整数的平方;换句话说,其值等于一个整数自乘的积。例如,149 和 16 都是完全平方数,而 3 和 11 不是。

初始时,dp[0] = 0,因为组成数0不需要任何完全平方数。

动态规划的状态转移方程为:

dp[i]=\min_{1\leq j^2\leq i}\{dp[i-j^2]+1\}

/** @lc app=leetcode.cn id=279 lang=cpp** [279] 完全平方数*/// @lc code=start
class Solution {
public:int numSquares(int n) {vector<int> dp(n + 1, INT_MAX); dp[0] = 0; for (int i = 1; i <= n; ++i) {for (int j = 1; j*j <= i; ++j) {dp[i] = min(dp[i], dp[i - j*j] + 1);}}return dp[n];}
};
// @lc code=end

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/news/678821.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

作业2.11

1、选择题 1.1、若有以下程序 main() { char a1,b2; printf("%c,",b); printf("%d\n",b-a); } 程序运行后的输出结果是 C A&#xff09;3,2 B&#xff09;50,2 C&#xff09;2,2 D&#xff09;2,50 1.2、有以下程序 main() { int a,b,d25; a…

MATLAB算法实战应用案例精讲-【图像处理】相机标定(基础篇)(二)

目录 算法原理 相机标定 相机内参标定 逆透视标定 单目测距标定

<网络安全>《26 工控漏洞挖掘平台》

1 概念 工控漏洞挖掘平台综合应用各种技术和工具发现工业控制系统潜在的漏洞&#xff0c;对安全性和健壮性进行测试&#xff0c;深度挖掘工控设备或系统的各类已知和未知漏洞&#xff0c;清晰定位问题&#xff0c;明确漏洞形成的机理和相应的攻击方法&#xff0c;为漏洞的弥补…

新版MQL语言程序设计:状态模式的原理、应用及代码实现

文章目录 一、什么是状态模式二、状态模式的实现原理三、状态模式的应用场景四、状态模式的代码实现 一、什么是状态模式 状态模式是一种行为设计模式&#xff0c;它允许对象在内部状态改变时改变其行为。在状态模式中&#xff0c;对象的行为取决于其内部状态&#xff0c;并且可…

【大厂AI课学习笔记】【1.6 人工智能基础知识】(3)神经网络

深度学习是机器学习中一种基于对数据进行表征学习的算法。观测值(例如一幅草莓照片)可以使用 多种方式来表示&#xff0c;如每个像素强度值的向量&#xff0c;或者更抽象地表示成一系列边、特定形状的区域等。 深度学习的最主要特征是使用神经网络作为计算模型。神经网络模型 …

跨站请求伪造 CSRF 漏洞原理以及修复方法

漏洞名称&#xff1a;跨站请求伪造&#xff08;CSRF&#xff09; 漏洞描述&#xff1a; 跨站请求伪造攻击&#xff0c;Cross-Site Request Forgery&#xff08;CSRF&#xff09;&#xff0c;攻击者在用户浏览网页时&#xff0c;利用页面元素&#xff08;例如img的src&#xf…

【echarts】入门示例

1、引入echarts.js文件 2、准备一个呈现图表的盒子 3、初始化echarts实例对象 4、准备配置项 5、将配置项设置给echarts实例对象 <!DOCTYPE html> <html><head><meta charset"utf-8" /><title>ECharts</title><!-- 引入刚刚…

seatunnel数据集成(二)数据同步

seatunnel数据集成&#xff08;一&#xff09;简介与安装seatunnel数据集成&#xff08;二&#xff09;数据同步seatunnel数据集成&#xff08;三&#xff09;多表同步seatunnel数据集成&#xff08;四&#xff09;连接器使用 1、Connector类型 seatunnel连接器类型丰富&#…

【Java】乐观锁、悲观锁、可重入锁、不可重入锁的关系是什么?

乐观锁、悲观锁、可重入锁和不可重入锁是Java中不同的锁策略和实现方式&#xff0c;它们之间的关系可以从以下几个方面来理解&#xff1a; 乐观锁与悲观锁&#xff1a;这两种锁代表的是不同的加锁策略&#xff0c;而不是具体的锁实现。乐观锁假设冲突不会频繁发生&#xff0c;因…

深入理解 Nginx 插件及功能优化指南

深入理解 Nginx 插件及功能优化指南 深入理解 Nginx 插件及功能优化指南1. Nginx 插件介绍1.1 HTTP 模块插件ngx_http_rewrite_modulengx_http_access_module 1.2 过滤器插件ngx_http_gzip_modulengx_http_ssl_module 1.3 负载均衡插件ngx_http_upstream_modulengx_http_upstre…

CSS Selector—选择方法,和html自动——异步社区的爬取(动态网页)——爬虫(get和post的区别)

这里先说一下GET请求和POST请求&#xff1a; post我们平时是要加data的也就是信息&#xff0c;你会发现我们平时百度之类的 搜索都是post请求 get我们带的是params&#xff0c;是发送我们指定的内容。 要注意是get和post请求&#xff01;&#xff01;&#xff01; 先说一下异…

element-ui解决上传文件时需要携带请求数据的问题

一、问题描述 在前端使用element-ui进行文件上传时&#xff0c;需要携带请求头信息&#xff0c;比如Token。 二、问题解决 1. 表单实现 action置空添加:http-request属性覆盖默认的上传行为&#xff0c;实现自定义上传文件。注意:src后的图片路径如果是个网络请求(外链)&…

python+django人力资源管理系统7w5x3

技术栈 后端&#xff1a;python 前端&#xff1a;vue.jselementui 框架&#xff1a;django Python版本&#xff1a;python3.7 数据库&#xff1a;mysql5.7 数据库工具&#xff1a;Navicat 开发软件&#xff1a;PyCharm .设计框架&#xff1a;Vue 1. 表现层&#xff1a;写多…

JCIM | MD揭示PTP1B磷酸酶激活RtcB连接酶的机制

Background 内质网应激反应&#xff08;UPR&#xff09; 中的一个重要过程。UPR是由内质网中的三种跨膜传感器&#xff08;IRE1、PERK和ATF6&#xff09;控制的细胞应激反应&#xff0c;当内质网中的蛋白质折叠能力受到压力时&#xff0c;UPR通过减少蛋白质合成和增加未折叠或错…

《计算思维导论》笔记:10.4 关系模型-关系运算

《大学计算机—计算思维导论》&#xff08;战德臣 哈尔滨工业大学&#xff09; 《10.4 关系模型-关系运算》 一、引言 本章介绍数据库的基本数据模型&#xff1a;关系模型-关系运算。 二、什么是关系运算 在数据库理论中&#xff0c;关系运算&#xff08;Relational Operatio…

《Docker极简教程》--Docker基础--Docker的核心组件

一、Docker引擎 unsetunset1.1 Docker引擎的组成和功能unsetunset Docker 引擎是 Docker 平台的核心组件&#xff0c;它负责容器的创建、管理和运行。Docker 引擎主要包括两个主要组件&#xff1a;Docker 守护程序&#xff08;Docker Daemon&#xff09;和 Docker 客户端&#…

蓝桥杯Web应用开发-CSS3 新特性【练习一:属性有效性验证】

练习一&#xff1a;属性有效性验证 页面上有一个邮箱输入框&#xff0c;当你的输入满足邮箱格式时&#xff0c;输入框的背景颜色为绿色&#xff1b;当你的输入不满足要求&#xff0c;背景颜色为红色。 新建一个 index2.html 文件&#xff0c;在其中写入以下内容。 <!DOCTYP…

1.7 Binance_interface API U本位合约交易账户

Binance_interface API U本位合约交易账户 Github地址PyTed量化交易研究院 1. API U本位合约交易账户接口总览 方法解释Pathset_positionSide_dual更改持仓模式/fapi/v1/positionSide/dualget_positionSide_dual查询持仓模式/fapi/v1/positionSide/dualset_multiAssetsMargi…

读书笔记之《重塑大脑重塑人生》:大脑强大的可塑性

《重塑大脑重塑人生》作者是诺曼道伊奇&#xff0c;原作名: The Brain That Changes Itself: Stories of Personal Triumph from the Frontiers of Brain Science &#xff0c;于 2015-1-20出版。 诺曼•道伊奇&#xff08;Norman Doidge&#xff09;是医学博士&#xff0c;精…

【JavaEE】传输层网络协议

传输层网络协议 1. UDP协议 1.1 特点 面向数据报&#xff08;DatagramSocket&#xff09;数据报大小限制为64k全双工不可靠传输有接收缓冲区&#xff0c;无发送缓冲区 UDP的特点&#xff0c;我理解起来就是工人组成的**“人工传送带”**&#xff1a; 面向数据报&#xff08;…