【JAVA】动态规划经典例题

经典动态规划算法题(Java实现) 待更新 阅读详情

钢条问题

public class 钢条问题 {
	public static void main(String[] args) {
		int[] p = { 0, 1, 5, 8, 9, 10, 17, 17, 20, 24, 30 };
		int n = 5;// 钢条长度
		int rn = max(n, p);
//		int[] baks=new int[p.length];
//		
//		//初始化备忘录
//		for(int i=0;i<baks.length;i++) {
//			baks[i]=-1;
//		}
//		int rn=max(n,p,baks);
		System.out.println(rn);
	}

//	/**
//	 * 递归求最优解
//	 * @param p
//	 * @param p
//	 * @return
//	 */
//	private static int max(int n, int[] p) {
//		if (n == 0)
//			return 0;
//		int maxPrice = 0;
//		for (int i = 1; i <= n; i++) {
//			int tempMax = p[i] + max(n - i, p);
//			if (tempMax > maxPrice) {
//				maxPrice = tempMax;
//			}
//		}
//		return maxPrice;
//	}
	
	
	
//	/**
//	 * 动态规划求最优解(备忘录法)
//	 * @param n
//	 * @param p
//	 * @param baks 
//	 * @return
//	 */
//	private static int max(int n, int[] p, int[] baks) {
//		if (n == 0)return 0;
//		if(baks[n]!=-1) {
//			return baks[n];
//		}
//		
//		int maxPrice = 0;
//		for (int i = 1; i <= n; i++) {
//			int tempMax = p[i] + max(n - i,p, baks);
//			if (tempMax > maxPrice) {
//				maxPrice = tempMax;
//			}
//		}
//		baks[n]=maxPrice;
//		return maxPrice;
//	}
	
	
	
	/**
	 * 自底向上求最优解
	 * @param n
	 * @param p
	 * @return
	 */
	private static int max(int n, int[] p) {
		int[] r=new int[n+1];//存储最优解的数组
		//数组最小值为0,故这里不用初始化。
		
		for(int i=1;i<=n;i++) {
			int maxPrice=0;
			for(int j=1;j<=i;j++) {
				int temp=p[j]+r[i-j];
				if(temp>maxPrice) {
					maxPrice=temp;
				}
			}
			r[i]=maxPrice;
		}
		return r[n];
	}
}

小Q拼凑硬币

//低效	import java.util.ArrayList;
import java.util.HashMap;
import java.util.Scanner;

public class 小Q拼凑硬币 {
//低效	private static ArrayList<Long> mem = new ArrayList<Long>(Arrays.asList(1L,1L));
	
	//HashMap是存储和查找效率最高的数据结构,但是占用内存较大       
	//备忘录,存储每种面值n的拼凑方案数
	private static HashMap<Long,Long> mem = new HashMap<Long,Long>();
	
	static {
		mem.put(-1L,0L);
		mem.put(0L,1L);
		mem.put(1L,1L);
	}
	
	private static long n=0;//面值

	/**
	 * 以2为底n的对数
	 */
	private static long log2(long n) {
		return (long) (Math.log(n) / Math.log(2));
	}

	/**
	 * 获得面值n的拼凑方案数
	 * @param args
	 * @return 
	 */
	private static long getNum(long n) {
//低效		if(n<0) return 0;//面值为负代表剩余硬币的面值不够拼凑新的组合,方案数返回0。
//低效		if(n<mem.size())return mem.get((int)n);
		if(mem.containsKey(n))return mem.get(n);
		else {
			long k=log2(n);//求出题意中2的指数k
			long result=getNum(n-(long )Math.pow(2, k))+getNum((long)Math.pow(2, k+1)-2-n);
			 mem.put(n,result);//记忆已经求过的值(将每一次求过的值存到索引里头,即要递归)
			return result;
		}
		
	}
	public static void main(String[] args) {
		Scanner s=new Scanner(System.in);
		n=s.nextLong();
		long start=System.currentTimeMillis();
		System.out.println(getNum(n));
		System.out.println("用时为:["+(System.currentTimeMillis()-start)+"]");
	
	}
}

最大收益

import java.util.ArrayList;
import java.util.Collections;

public class 最大收益 {

	/**
	 * 最大收益
	 * 
	 * @param index
	 * @param income
	 * @param prev
	 * @return
	 */
	// private static int maxIncome(int index, int[] income, int[] prev) {
	// if (index == 0) {
	// return income[0];
	// }
	// if (prev[index] == -1) {
	// return Math.max(income[index], maxIncome(index - 1, income, prev));
	// } else {
	// return Math.max(income[index] + maxIncome(prev[index], income, prev),
	// maxIncome(index - 1, income, prev));
	// }
	// }
	//
	// public static void main(String[] args) {//递归
	// int[] income = { 5, 1, 8, 4, 6, 3, 2, 4 };// 任务收益
	// int[] prev = { -1, -1, -1, 0, -1, 1, 2, 4 };
	// // 保存第索引位的任务之前能做的任务的索引
	//
	// System.out.println(maxIncome(7, income, prev));
	// }
	// }

	/**
	 * 自底向上实现最大收益
	 */
	private static int maxIncome(int[] income, int[] prev) {
		ArrayList<Integer> result = new ArrayList<Integer>();
		result.add(income[0]);
		for (int i = 1; i < income.length; i++) {
			if (prev[i] == -1) {
				result.add(Math.max(income[i] + 0, result.get(i - 1)));
			} else {
				result.add(Math.max(income[i] + result.get(prev[i]), result.get(i - 1)));
			}
		}
		return Collections.max(result);
	}

	public static void main(String[] args) {// 递归
		int[] income = { 5, 1, 8, 4, 6, 3, 2, 4 };// 任务收益
		int[] prev = { -1, -1, -1, 0, -1, 1, 2, 4 };
		// 保存第索引位的任务之前能做的任务的索引

		// System.out.println(maxIncome(7, income, prev));
		System.out.println(maxIncome(income, prev));
	}
}

算法竞赛入门经典经典例题及习题题解 Github仓库 有些例题没找到完全相同的题目,找了类似的。 文章目录算法竞赛入门经典第一版第5章 基础题目选解5.1 字符串5.2 高精度计算5.3 排序与检索5.4 数学基础第六章 数据结构基础6.1 栈和队列6.2 链表6.3 二叉树6.4 图第七章 暴力求解法7.1 简单枚举7.2 枚举排列7.3 子集生成7.4 回溯法7.5 隐式树的遍历第八章 高效算法设计8.1 算法初步分析8.2 再... 阅读详情

相关推荐

银河麒麟V10+QT6.0中文输入法环境搭建全攻略(附镜像加速技巧)

本文提供了在银河麒麟V10操作系统上为QT6.0搭建中文输入法环境的完整实战指南。文章详细介绍了从系统准备、镜像源优化、QT6安装器获取与加速安装,到编译Fcitx5输入法插件依赖库、深度配置环境变量与项目的全流程。重点分享了使用国内镜像源加速安装的技巧,解决了国产化开发中QT应用无法输入中文的常见难题,旨在帮助开发者快速构建稳定高效的开发环境。

weixin_29204749的博客 394

[java] 动态规划专题

一、线型动态规划 1.1、单串问题 1.1.1、最经典单串LIS系列 题目:300. 最长递增子序列 给你一个整数数组 nums ,找到其中最长严格递增子序列的长度。 子序列是由数组派生而来的序列,删除(或不删除)数组中的元素而不改变其余元素的顺序。例如,[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。 解析 定义dp[i]dp[i]dp[i] 为考虑前 i 个元素,以第 i 个数字结尾的最长上升子序列的长度,注意 nums[i]nums[i]nums[i] 必须被选取。 我们从小到大

浅夜 288

IAR安装成功的关键:STM32设备支持文件导入方法

IAR安装常卡在设备支持缺失这一步——尤其对STM32新手,没导入对应芯片包,编译直接报错。实测发现,必须通过IAR的Tools→Options→IDE→Configuration→Device Support手动加载STM32设备支持文件,否则新建工程时连芯片型号都选不到。IAR安装是否顺利,往往就差这一步。

weixin_42527589的博客 682

算法与数据结构——动态规划(java)(b站左程云课程笔记总结)

算法与数据结构——动态规划(Java)

Borslav的博客 1058

用AG9311芯片DIY一个多功能Type-C扩展坞:从原理图到PCB布局的保姆级指南

本文详细介绍了如何利用AG9311芯片DIY多功能Type-C扩展坞,涵盖从原理图设计到PCB布局的全过程。AG9311芯片作为高性价比的Type-C控制器,支持HDMI 2.0、USB 3.0、PD快充和千兆网口,适合硬件爱好者打造个性化扩展坞。文章还提供了调试技巧和进阶优化建议,帮助读者轻松完成项目。

weixin_42520909的博客 406

Ansys口腔正畸有限元分析:从几何处理到接触设定的全流程解析

本文详细解析了Ansys在口腔正畸有限元分析中的全流程应用,从几何处理到接触设定,帮助医生精准预测牙齿移动趋势。通过有限元建模技术,可同时观察牙齿-牙周膜-牙槽骨的力学响应,显著提升矫治效果预测准确率。文章还分享了实用技巧和参数设置建议,适用于正畸医生和工程师。

weixin_30897233的博客 348

动态规划(Java)

动态规划的目的就是避免重复计算,在暴力递归的过程中若在计算过程中产生了重复计算那么就可以进行动态规划的优化。以空间换时间,可以根据暴力递归的过程写出动态规划的过程。步骤: 题 -> 找到暴力递归算法 -> 有重复解 -> 找打可变参数 -> 记忆化搜索 -> 精细化组织变为经典的动态规划算法什么暴力递归可以继续优化?有重复调用同一个子问题的解,这种递归可以优化,如果每一个子问题都是不同的解,无法优化也不用优化面试中设计暴力递归过程的原则每一个可变参数的类型、一定不要比int类型更加复杂。

weixin_45036949的博客 3288

【扫地机器人测试】

本测试方案旨在系统性评估扫地机器人的核心功能、性能指标、可靠性及用户体验,验证产品是否符合设计规范、行业标准及市场需求。通过多维度、全场景的测试,精准定位产品缺陷与优化空间,为产品迭代提供数据支撑,确保上市产品的质量稳定性与用户满意度。

xuhuaiyaun的博客 1376

动态规划经典例题(java代码实现)

1、斐波那契数列 题目描述: 有一楼梯共M级,刚开始时你在第一级,若每次只能跨上一级或二级,要走上第M级,共有多少种走法? 输入: 输入数据首先包含一个整数N,表示测试实例的个数,然后是N行数据,每行包含一个整数M(1<=M<=40),表示楼梯的级 输出: 对于每个册数用例,请输入不同走法的数量 import java.util.Scanner; public...

xiaolu1014的博客 5083

超详细!动态规划详解分析(典型例题分析和对比,附源码)

为啥要使用动态规划?什么时候使用动态规划?以下是我的一些理解和心得,如果你感兴趣,就接着往下看吧。 对您有帮助的话记得给我点个赞哟! 动态规划的基本思想 动态规划(Dynamic Programming,DP)算法通常用于求解某种具有最优性质的问题。在这类问题中,可能会有许多可行解,每一个解都对应一个值,我们希望找到具有最优值的解。 动态规划算法与分治法类似,其基本思想也是将待求解的问题分解成若干个子问题,先求解子问题,然后从这些子问题的解中 得到原有问题的解。与分治法不同的是,动态规划经分解后得到的子问题

qq_44398094的博客 8万+

基于STM32的家用新风系统智能控制器 | 保姆式教程 开源可复刻

本项目基于STM32F103C8T6核心控制器,完整实现了家用新风系统智能控制器的全功能开发,覆盖多传感器数据采集、双模式控制、PID调速、异常报警、掉电记忆等核心功能,全程采用保姆式无跳步教学,从硬件选型、接线、CubeMX配置、代码开发、调试排坑全流程拆解,跟着步骤一步步操作,就能顺利完成项目复刻

ZhongWeiXiang9的博客 471

动态规划经典例题java实现

动态规划算法通常基于一个递推公式及一个或多个初始状态。当前子问题的解将由上一次子问题的解推出。使用动态规划来解题只需要多项式时间复杂度,因此它比回溯法、暴力法等要快许多。     解决动态规划问题的关键是要找到状态转移方程。将问题分解成最小的子问题,找到由子问题到全局问题的解决方案。     可以采用动态规划求解的问题的一般要具有3个性质:     (1) 最优化原理:如果问题的最优解所包含

lavender*的博客 7784

海思芯片OpenHarmony系统移植:Sensor传感器模块HDF驱动配置HCS文件详解

海思系列芯片的传感器模块通过HDF(Hardware Driver Foundation)驱动框架进行管理和配置。传感器HCS(HDF Configuration Source)配置文件定义了各类传感器的硬件参数、总线配置、寄存器序列等信息,为传感器驱动提供必要的初始化和运行参数。海思系列芯片适配OpenHarmony的传感器HDF配置HCS文件是传感器驱动开发的关键部分,通过合理配置可以实现各种传感器设备的驱动支持。

m0_67505153的博客 211

Java实现动态规划经典例题:求数字最大子序列

算法题 动态规划法求数组最大子序列 问题描述: 给定一个整数序列,a0, a1, a2, …… , an(项可以为负数),求其中最大的子序列和。如果所有整数都是负数,那么最大子序列和为0; 例如:{-1、-2、1、6、4、1、-10、100} 其最大子序列和为:102 分别是1、6、4、1、-10、100,也就是上面数组从下标2~下标7 int[] nums = {-1,-2,1,6,4,1,-10,100}; int max = nums[0]; int[]

java ee人脸识别登录 627

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

动态规划:思想、步骤与经典例题解析

动态规划的核心是“分治思想 + 记忆化缓存”,即将一个复杂的大问题,拆分成若干个结构相同的子问题,通过求解子问题的最优解,组合得到原问题的最优解;同时,将子问题的结果缓存起来,避免重复计算,从而优化时间复杂度。状态是动态规划的核心载体,用一个或多个变量描述问题的当前局面,通常用dp数组(一维、二维或多维)表示。让dp[i](或dp[i][j])表示“以i为结尾(或处于(i,j)状态)时的最优解/符合条件的结果数”。

jies_的博客 840

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

经典字符串例题

文章目录前言一、String、StringBuffer、StringBuilder三者的区别二、关于字符串的一些经典例题1.两个字符串的最长公共子串1.常规解法2.动态规划解法2.最长回文字符串1.常规解法2.动态规划解法3.字符串所有排列总结 前言 字符串虽然只是JAVA中的一种引用类型,深入学习,会发现关于字符串的问题真的不是一星半点,我们都知道String定义的是不可变的字符串,所以提供了StringBuilder和StringBuffer来对字符串进行修改,三者有什么区别呢? 一、String、St

XCatherine的博客 910

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

【动态规划】——理论基础,经典例题1

动态规划解题思路,斐波那契数列,爬楼梯问题,使用最小花费爬楼梯

qq_48584557的博客 687

动态规划例题详解(一)

动态规划例题详解一 斐波那契数列(入门级别) 题目: 解题思路: 1.确定dp数组下标含义 2.确定动态转移方程 3.确定dp数组初始化 4.确定遍历顺序 5.举例推导遍历dp 解题代码: /***动态规划五步走: 1.确定dp数组下标含义 2.确定动态转移方程 3.确定dp数组初始化 4.确定遍历顺序 5.举例推导遍历dp 时间复杂度O(n) */ class Solution { public int fib(int n) {

continue_gdufe的博客 233

java 动态规划策略原理及例题

动态规划(dynamic programming)是运筹学的一个分支,是求解决策过程(decision process)最优化的数学方法。在面试笔试中动态规划也是经常作为考题出现,其中较为简单的DP题目我们应该有百分之百的把握顺利解决才可以。动态规划定义动态规划实际上是一类题目的总称,并不是指某个固定的算法。动态规划的意义就是通过采用递推(或者分而治之)的策略,通过解决大问题的子问题从而解决整体的做

往事散云烟,十寸光阴换一钱 1万+

动态规划学习总结day 1

动态规划学习总结

yxx21的博客 187

Java期末考试复习题详解:Floyd-Warshall算法实现最短路径计算

时间复杂度:O(V³),其中 V 是顶点数量。空间复杂度:O(V²)。可以处理负权边,但不能处理负权环。使用三重循环更新最短路径矩阵。INF表示两点之间不可达。V表示图中的顶点个数。时间复杂度:O(n³),适合小规模稠密图。空间复杂度:O(n²)。是否可以处理负权边?✅ 可以,但不能有负权环。核心思想:动态规划 + 松弛操作。三重循环顺序:必须先中间节点 k,再 i、j。初始化方式:直接拷贝邻接矩阵。如何判断可达性?检查值是否为 INF(如 99999)。

吾为热爱计科,致力于知识分享的践行者,此博客是我在这条道路上留下的足迹。 392

动态规划算法详细讲解

/ dp[i][0]无操作 dp[i][1]第一次持有 dp[i][2]第一次卖出 dp[i][3]第二次持有 dp[i][4]第二次卖出。背包容量V,n个物品,每个物品重量w[i]、价值v[i],每件只能拿1次,求最大总价值。• 转移:dp[i] = min(dp[i-coins[j]]+1)dp[i][j]:第i天,j状态(无股/持有1股/已卖1次)最大收益。定义dp数组含义:dp[i] / dp[i][j] 代表什么状态。• 转移:dp[i] = dp[i-1] + dp[i-2]

weixin_43715864的博客 532

动态规划问题经典例题

DP(Dynamic Programming)定义: 动态规划是分治思想的延伸,通俗一点来说就是大事化小,小事化无的艺术。在将大问题化解为小问题的分治过程中,保存对这些小问题已经处理好的结果,并供后面处理更大规模的问题时直接使用这些结果。 动态规划具备了以下三个特点: 把原来的问题分解成了几个相似的子问题。 所有的子问题都只需要解决一次。 储存子问题的解 动态规划的本质,是对问题状态的定义和状态转移方程的定义(状态以及状态

dddddrrrzz的博客 8192

算法设计方法4:动态规划经典例题总结

前言:各大公司关于动态规划的笔试题太多了,必须得掌握。上篇文章提过,使用动态规划的五大步骤: 1. 判题题意是否为找出一个问题的最优解 2. 将原问题分解为子问题 3. 从下往上分析问题 ,找出这些问题之间的关联(状态转移方程),如何从一个或多个已知状态求出另一个未知状态的值。(递推型) 4. 讨论底层的边界问题,确定一些初始状态(边界状态)的值,并用数组存储初始子问题的解 5. 解决问题(通...

何哥的博客 5015

【动态规划】leetcode85最大矩形 (Java)

【动态规划】leetcode85 最大矩形(Java) 题目详情 题目解析 动态规划 设置动态规划数组 dp[][] 数组中的元素表示 grid[i][j] 为1 时其右侧连续1的数目,然后向上寻找能形成的矩形的面积。 width = dp[i][j]; for(int k = i; k >= 0; k --){ if(dp[k][j] == 0) break; ...

suyongcai1234的博客 438

动态规划算法详解,Java实现相关例题。

前沿基础: 一)基本理解: 1、动态规划定义:将将原问题拆解为若干个子问题,同时保留子问题的答案,使得每个子问题只求解一次最终得到原问题的答案。 这样一听总感觉和分治算法很像,其实动态规划就是将分治递归算法转化成了非递归形式,减少了系统栈的调用,使用循环来解决问题。 2、动态规划算法的说白了就是找到整个问题的全局最优解,这也是与贪心算法寻找局部最优解的本质区别。 3、通常我们可以先用从顶向下的思考方式来写出递归分治的代码,然后再联想从低向下的思想来转化为动态规划代码. 4、无论是递...

weixin_60414376的博客 4384
上一篇: 【JAVA】递归经典例题
下一篇: 【JAVA】多态与抽象类
寻爻青年
博客等级 码龄8年 27粉丝 137原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

寻爻青年

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值