day38-39| 509. 斐波那契数 70. 爬楼梯 746. 使用最小花费爬楼梯 62.不同路径 343. 整数拆分 96.不同的二叉搜索树

文章目录

  • 前言
  • 动态规划理论基础
  • 509. 斐波那契数
    • 思路
    • 方法一 完整动态规划
    • 方法二 dp简化版
    • 方法三 使用递归
  • 70. 爬楼梯
    • 思路
    • 方法一 动态规划
    • 方法一2 教程里面的简化方法
    • 方法二 拓展
  • 746. 使用最小花费爬楼梯
    • 思路
    • 方法一
    • 方法二 拓展
  • 62.不同路径
    • 思路 动态规划
    • 方法一
    • 方法二 递归
  • 63. 不同路径 II
    • 思路
    • 方法一 动态规划
    • 方法一2 优化教程
  • 343. 整数拆分
  • 96.不同的二叉搜索树
  • 总结


前言

70题拓展和最后两道题没做

动态规划理论基础

动态规划中每一个状态一定是由上一个状态推导出来的,这一点就区分于贪心,贪心没有状态推导,而是从局部直接选最优的
动态规划五部曲

  1. 确定dp数组(dp table)以及下标的含义
  2. 确定递推公式
  3. dp数组如何初始化
  4. 确定遍历顺序
  5. 举例推导dp数组

此外,需要学会打印中间过程,知道是哪里有问题了;

509. 斐波那契数

在这里插入图片描述
本题中for的range应该到n+1,n不是下标,因为f也是从0开始的;

思路

这个是动规的入门题目,因为初始化和递推公式都给出了已经
动态规划五部曲

  1. 确定dp数组(dp table)以及下标的含义:dp[i]的定义为:第i个数的斐波那契数值是dp[i]
  2. 确定递推公式:dp[i] = dp[i-2]+dp[i-1]
  3. dp数组如何初始化:题目中把如何初始化也直接给我们了,dp[0] = 0; dp[1] = 1;
  4. 确定遍历顺序:dp[i]是依赖 dp[i - 1] 和 dp[i - 2],那么遍历的顺序一定是从前到后遍历的
  5. 举例推导dp数组
    按照这个递推公式dp[i] = dp[i - 1] + dp[i - 2],我们来推导一下,当N为10的时候,dp数组应该是如下的数列:

0 1 1 2 3 5 8 13 21 34 55

如果代码写出来,发现结果不对,就把dp数组打印出来看看和我们推导的数列是不是一致的。

方法一 完整动态规划

本题中for的range应该到n+1,n不是下标,因为f也是从0开始的;
下面是自己写的,有点乱七八糟。

class Solution(object):def fib(self, n):""":type n: int:rtype: int"""if n == 0: return 0if n == 1: return 1dp = [0] * ndp[0] = 0dp[1] = 1for i in range(2,n):dp[i] = dp[i-1]+dp[i-2]# sum_re += dp[i]print(dp)return dp[-1]+dp[-2]

方法二 dp简化版

因为只需要返回fn,所以不需要维护整个list,只需要维护dp[i-2]和dp[i-1]即可;

class Solution(object):def fib(self, n):""":type n: int:rtype: int"""if n<=1: return n dp = [0, 1]for i in range(2,n+1):sum_ = dp[0] + dp[1]dp[0] = dp[1]dp[1] = sum_return dp[1]

方法三 使用递归


class Solution:def fib(self, n: int) -> int:if n < 2:return nreturn self.fib(n - 1) + self.fib(n - 2)

70. 爬楼梯

在这里插入图片描述
由于题目中说了是正整数,所以初始化可以从1开始,不用去想dp[0] 是1还是0

思路

🎈总体思路:(这个我没有想到)
爬到第一层楼梯有一种方法,爬到二层楼梯有两种方法。

那么第一层楼梯再跨两步就到第三层 ,第二层楼梯再跨一步就到第三层。

所以到第三层楼梯的状态可以由第二层楼梯 和 到第一层楼梯状态推导出来,那么就可以想到动态规划了。
这个题目里面的动态规划其实是n情况不同的时候之间的关系,n-1的情况再迈一步和n-2的情况再迈2步都可以到n;
动态规划五部曲

  1. 确定dp数组(dp table)以及下标的含义:爬到第i层楼梯,有dp[i]种方法
  2. 确定递推公式:dp[i] = dp[i - 1] + dp[i - 2] 。
  3. dp数组如何初始化:题目说了n>=1,所以从1开始初始化
  4. 确定遍历顺序:从前往后
  5. 举例推导dp数组

方法一 动态规划

我自己写的如下,但是主要学习教程里面的

class Solution(object):def climbStairs(self, n):""":type n: int:rtype: int"""dp = [0]*nif n <=2: return n dp[0],dp[1] = 1, 2for i in range(2,n):dp[i] = dp[i-1] + dp[i-2]return dp[-1]

方法一2 教程里面的简化方法

  1. 不像我用index0当作n==1的时候的种类数,教程里面是一共长n+1,index为0的就让它为0,无视它
  2. 简化版本可以只使用3个变量
class Solution(object):def climbStairs(self, n):""":type n: int:rtype: int"""if n <= 2:return ndp = [0]*(n+1)dp[0], dp[1], dp[2] = 0, 1, 2for i in range(3, n+1):dp[i] = dp[i-1]+dp[i-2]return dp[n]

方法二 拓展

link
如果一步一个台阶,两个台阶,三个台阶,直到 m个台阶,有多少种方法爬到n阶楼顶。

#只维护三个变量
class Solution(object):def climbStairs(self, n):""":type n: int:rtype: int"""if n<=2: return npre1, pre2 = 1, 2for i in range(3,n+1):sum_ = pre1 + pre2pre1 = pre2pre2 = sum_return sum_ class Solution(object):def climbStairs(self, n):""":type n: int:rtype: int"""if n<=2: return ndp = [1, 2]for i in range(3,n+1):sum_ = dp[0] + dp[1]dp[0] = dp[1]dp[1] = sum_return sum_ 

746. 使用最小花费爬楼梯

在这里插入图片描述
本题中的花费其实理解成体力
题意很清晰,也就是在0或者1台阶的时候都没有花费,只有往上跳了才会花费;例如直接从1开始,那么1是不花费的,但是如果从0开始要往上跳到1,就是花费了10;
最后是要跳上len(cost)的,也就是index为len(cost),那么总长度就一定是len(cost)+1

思路

动态规划五部曲
总体思路:dp[i]表示到第i个台阶的最小花费,那么dp[i]就由dp[i-1]跳一步或者dp[i-2]跳两步得到,那么就可以得到递推公式了

  1. 💕确定dp数组(dp table)以及下标的含义:到达第i台阶所花费的最少体力为dp[i]。
  2. ✨确定递推公式:可以有两个途径得到dp[i],一个是dp[i-1] 一个是dp[i-2]。

dp[i - 1] 跳到 dp[i] 需要花费 dp[i - 1] + cost[i - 1]。

dp[i - 2] 跳到 dp[i] 需要花费 dp[i - 2] + cost[i - 2]。

那么究竟是选从dp[i - 1]跳还是从dp[i - 2]跳呢?

一定是选最小的,所以dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
3. dp数组如何初始化: 本题初始化方便了一些,到达 第 0 个台阶是不花费的,但从 第0 个台阶 往上跳的话,需要花费 cost[0]。所以初始化 dp[0] = 0,dp[1] = 0;
4. 确定遍历顺序:从前往后
5. 举例推导dp数组

方法一

自己写的易错点: 注意必须要将dp的长度设置为len(cost)+1, 因为其实是到len(cost)的下标

class Solution(object):def minCostClimbingStairs(self, cost):""":type cost: List[int]:rtype: int"""dp = [0] * (len(cost)+1)# dp[0], dp[1] = 0, 0for i in range(2,len(cost)+1):dp[i] = min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2])return dp[-1]#简化版本class Solution(object):def minCostClimbingStairs(self, cost):""":type cost: List[int]:rtype: int"""pre0, pre1 = 0, 0 for i in range(2,len(cost)+1):dpi = min(pre0+cost[i-2],pre1+cost[i-1])pre0 = pre1pre1 = dpireturn dpi

方法二 拓展

62.不同路径

在这里插入图片描述
图论的深度优先或者广度优先搜索是不行的,会超时,本题优先使用动态规划

思路 动态规划

总体思路:本题我自己想出了和教程一样的思路,也就是第i,j位置的路径数等于它左边格子和上边格子路径数之和
动态规划五部曲

  1. 确定dp数组(dp table)以及下标的含义表示从(0 ,0)出发,到(i, j) 有dp[i][j]条不同的路径。
  2. 确定递推公式:dp[i][j] = dp[i - 1][j] + dp[i][j - 1]
  3. dp数组如何初始化🎈最上面一行和最左边一行的一定是1【本题唯一需要注意的地方】
  4. 确定遍历顺序:因为是由左边或者上边的路径数推导出来的,所以从左往后,从上到下
  5. 举例推导dp数组

方法一

自己写的注意点

  1. ✨定义二维数组的方法:dp = [[0] * n for _ in range(m)]
  2. 注意区分行和列:m是行数,也是dp[i][j]中的i,n是j

此外,还可以减少空间复杂度:使用滚动一维数组,即,一行一行走dp[i](当前要求的路径数)=dp[i-1](左边的路径数)+dp[i](上边的路径数)
在这里插入图片描述

class Solution(object):def uniquePaths(self, m, n):""":type m: int:type n: int:rtype: int"""dp = [[0] * n for _ in range(m)]dp[0] = [1] * nfor i in range(m):dp[i][0] = 1print(dp)for j in range(1, n):for i in range(1, m):dp[i][j] = dp[i-1][j] + dp[i][j-1]return(dp[-1][-1])# 使用滚动数组class Solution:def uniquePaths(self, m: int, n: int) -> int:# 创建一个一维列表用于存储每列的唯一路径数dp = [1] * n# 计算每个单元格的唯一路径数for j in range(1, m):for i in range(1, n):dp[i] += dp[i - 1]# 返回右下角单元格的唯一路径数return dp[n - 1]

方法二 递归

会超时==
注意截止条件为m1 or n1,表示第一行或者第一列

class Solution(object):def uniquePaths(self, m, n):""":type m: int:type n: int:rtype: int"""if m == 1 or n == 1:return 1return self.uniquePaths(m-1, n) + self.uniquePaths(m, n-1)

63. 不同路径 II

在这里插入图片描述
在这里插入图片描述

思路

关键思路:本题与上一条差不多,主要区别在于初始化😢🎶❤️(我一开始思考的时候没有算进来这个),如果障碍物在第一行或者第一列,那么障碍物后面的一定为0
动态规划五部曲

  1. 确定dp数组(dp table)以及下标的含义:同上一题
  2. 确定递推公式:只有当obs里面显示不为1的时候【没有障碍物】,才需要进行递推
  3. dp数组如何初始化:因为从*(0, 0)的位置到(i, 0)的路径只有一条,所以dp[i][0]一定为1*,dp[0][j]也同理。但如果(i, 0) 这条边有了障碍之后,障碍之后(包括障碍)都是走不到的位置了,所以障碍之后的dp[i][0]应该还是初始值0
  4. 确定遍历顺序:同上
  5. 举例推导dp数组

方法一 动态规划

自己写的

class Solution(object):def uniquePathsWithObstacles(self, obstacleGrid):""":type obstacleGrid: List[List[int]]:rtype: int"""m, n = len(obstacleGrid),len(obstacleGrid[0])#mxndp = [[0]*n for _ in range(m)]#用于记录到ij位置的路径数#初始化for i in range(m):if obstacleGrid[i][0] == 1:breakdp[i][0] = 1for j in range(n):if obstacleGrid[0][j] == 1:breakdp[0][j] = 1print(dp)for i in range(1,m):for j in range(1,n):if obstacleGrid[i][j] != 1:dp[i][j] = dp[i-1][j] + dp[i][j-1]return dp[-1][-1]

方法一2 优化教程

  1. 教程里面初始化的方法是,后面一个跟前面一个一样,起点为1,后面不出意外都是跟着为1,出了意外就是以它为起始点都是0;
    在这里插入图片描述
  2. 进一步优化:使用一维数组,和上面一题的优化方法一样,一行一行的做dp[i](当前要求的路径数)=dp[i-1](左边的路径数)+dp[i](上边的路径数)
    • 下面这一段代码是教程写的很优秀(版本三):先dp初始化第一行;第二行列的index从0开始,当前位置没有障碍,就开始递推且注意index=0的时候,不递推(注意if的判断)
 # 初始化第一行的路径数for j in range(len(dp)):if obstacleGrid[0][j] == 1:dp[j] = 0elif j == 0:dp[j] = 1else:dp[j] = dp[j - 1]# 计算其他行的路径数for i in range(1, len(obstacleGrid)):for j in range(len(dp)):if obstacleGrid[i][j] == 1:dp[j] = 0elif j != 0:dp[j] = dp[j] + dp[j - 1]

343. 整数拆分

在这里插入图片描述

96.不同的二叉搜索树

在这里插入图片描述


总结

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/pingmian/28165.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

设计模式学习(二)工厂模式——工厂方法模式

设计模式学习&#xff08;二&#xff09;工厂模式——工厂方法模式 前言工厂方法模式简介示例优点缺点使用场景 前言 前一篇文章介绍了简单工厂模式&#xff0c;提到了简单工厂模式的缺点&#xff08;违反开闭原则&#xff0c;扩展困难&#xff09;&#xff0c;本文要介绍的工…

Linux系统内核作用

Linux 内核主要有以下重要作用&#xff1a; 1. 进程管理&#xff1a;负责进程的创建、调度、终止等&#xff0c;合理分配 CPU 资源给各个进程&#xff0c;确保多任务的高效运行。 2. 内存管理&#xff1a;管理系统的物理内存和虚拟内存&#xff0c;包括内存分配、回收、页面交换…

Hadoop 2.0:主流开源云架构(四)

目录 五、Hadoop 2.0访问接口&#xff08;一&#xff09;访问接口综述&#xff08;二&#xff09;浏览器接口&#xff08;三&#xff09;命令行接口 六、Hadoop 2.0编程接口&#xff08;一&#xff09;HDFS编程&#xff08;二&#xff09;Yarn编程 五、Hadoop 2.0访问接口 &am…

java打印helloworld

源代码 public class Function1 {public static void main(String[] args) {System.out.println("hello world");}} 打印结果

MongoDB 自动增长

MongoDB 自动增长 MongoDB 是一个流行的 NoSQL 数据库&#xff0c;以其灵活的数据模型和强大的查询语言而闻名。在关系型数据库中&#xff0c;我们通常使用自动增长的整数作为主键&#xff0c;以确保唯一性。然而&#xff0c;MongoDB 的文档模型与此略有不同。MongoDB 使用 _i…

为什么说Python 是胶水语言?

​ "Python 是胶水语言"这一说法是指它很擅长将不同的程序或代码库连接在一起&#xff0c;能够让来自不同编程语言或框架的组件无缝协作。Python 具有丰富的库和简单的语法&#xff0c;使得它可以轻松调用其他语言编写的程序或使用不同技术栈的模块。 ​ 以下是几个…

linux下nvidia驱动安装-ubuntu22.04安装2060-notebook驱动

原文链接&#xff1a;linux下gcc编译安装与卸载-ubuntu22.04安装gcc-12.3.0 导言 nvidia驱动是显卡稳定运行的重要保证&#xff0c;不同的显卡有不同驱动&#xff0c;不同驱动对操作系统/cuda支持都存在一定差别。本次驱动安装主要完成2060-notebook显卡在linux系统下的驱动安…

C学习自学笔记-会陆续完善对应章节编程经典例子

C学习笔记 0>C语言概述 为什么学习C语言 1&#xff09;C的起源和发展------了解即可 B语言、C语言、C语言的产生地&#xff1a;都出自 美国贝尔实验室 2&#xff09;C的特点 优点&#xff1a;代码量小、速度快、功能强大 缺点&#xff1a;危险性高、开发周期长、可移植性…

可持久化数据结构详解与实现

一、引言 在计算机科学中&#xff0c;数据结构是用于组织、存储和管理数据的方式。然而&#xff0c;随着数据量的不断增长和数据处理需求的复杂化&#xff0c;传统的数据结构在某些场景下显得力不从心。为了应对这些挑战&#xff0c;可持久化数据结构应运而生。可持久化数据结…

MATLAB直方图中bin中心与bin边界之间的转换

要将 bin 中心转换为 bin 边界&#xff0c;请计算 centers 中各连续值之间的中点。 d diff(centers)/2; edges [centers(1)-d(1), centers(1:end-1)d, centers(end)d(end)];要将 bin 边界转换为bin 中心 bincenters binedges(1:end-1)diff(binedges)/2;

【AI应用探讨】— 星火大模型应用场景

目录 1 金融行业 2 零售行业 3 物流行业 4 教育行业 5 办公场景 6 医疗场景 7 工业场景 1 金融行业 风险评估与风控决策&#xff1a;星火大模型可以利用大数据和人工智能技术&#xff0c;对客户的信用数据、行为数据等进行分析和建模&#xff0c;帮助金融机构实现更精确…

Qt事件系统

概述 在Qt中&#xff0c;事件是对象&#xff0c;派生自抽象的QEvent类&#xff0c;它表示应用程序内部发生的事情或作为应用程序需要知道的外部活动的结果。事件可以由QObject子类的任何实例接收和处理&#xff0c;但它们与小部件特别相关。本文档描述了在典型应用程序中如何传…

每日一练——用队列实现栈

225. 用队列实现栈 - 力扣&#xff08;LeetCode&#xff09; Queue.h #pragma once #include<stdlib.h> #include<assert.h> #include<stdbool.h>typedef int QDataType;typedef struct QNode {QDataType data;struct QNode* next; } QNode;typedef struct …

安全测试框架 二

使用安全测试框架进行测试&#xff0c;可以遵循以下步骤进行&#xff0c;以确保测试的全面性和系统性&#xff1a; 一、明确测试目标和需求 确定测试的范围和重点&#xff0c;明确要测试的系统或应用的安全性方面的关键点和重要性。根据业务需求和安全标准&#xff0c;制定详…

【办公类-04-03】华为助手导出照片视频分类(根据图片、视频的文件名日期分类导出)

背景需求&#xff1a; 用华为手机助手导出的照片视频&#xff0c;只能将jpg照片&#xff08;exifread读取图片的exif拍摄日期&#xff0c;Png、JPEG、mp4都无法识别到exif信息&#xff09; 【办公类-04-02】华为助手导出照片&#xff08;jpg&#xff09;读取拍摄时间分类导出…

python tensorflow 各种神经元

感知机神经元&#xff08;Perceptron Neuron&#xff09;&#xff1a; 最基本的人工神经元模型&#xff0c;用于线性分类任务。 import numpy as npclass Perceptron:def __init__(self, input_size, learning_rate0.01, epochs1000):self.weights np.zeros(input_size 1) #…

LeetCode | 709.转换成小写字母

这道题可以用api也可以自己实现&#xff0c;都不难&#xff0c;大小字母之前相差了32&#xff0c;检查到大写字母时加上32即可 class Solution(object):def toLowerCase(self, s):""":type s: str:rtype: str"""return s.lower()class Solution…

试论地产需求政策的有效性边界

分析师通过对传统框架因子的分析和美日地产的回顾&#xff0c;指出收入政策将成为核心&#xff0c;测算认为地方收储面积约0.5-1.1亿平、收储资金0.8-1.9万亿元&#xff0c;70城二手房价降幅收窄至[-4.5%&#xff0c;-1.6%]。 事件&#xff1a;2024年5月17日&#xff0c;央行印…

代码生成器功能

代码生成器功能 SELECTtable_name,table_comment,create_time,update_time ,table_schema FROMinformation_schema.TABLES WHEREtable_schema (SELECT DATABASE()) 该SQL语句的作用是从MySQL的information_schema.TABLES表中查询当前数据库下所有表的基本信息。具体解释如下…

git 快速将当前目录添加仓储

一、进入目录 git init git add . git commit -m "init" git remote add origin http://192.168.31.104/root/AutoBuildDemo.git 二、登录gitlab&#xff0c;创建项目AutoBuildDemo 最后执行&#xff1a; git push -u origin master