算法:动态规划问题

动态规划算法下的两个经典问题:投资问题和完全背包问题 中国蓬勃发展,国家日益昌盛。我们无不惊叹于变化之快。纵观五千年,又怎么想到现在的科技、饮食、房屋、衣裳发生了翻天覆地的变化。千秋万代,并未虚掷。 我们是新青年,国家的指挥棒交到了我们这一代。我们应该主动承担国家力量,民族力量。将祖国继续发扬光大。千载之后又会是一个不同的景色。 愿人族星火相传,奋飞不辍! 上一篇我们介绍了动态规划算法,我们直到动态规划是将原问题划分成有依赖关系的子问题,最后通过追... 阅读详情

问题A:
n个骰子和为s的概率:

dp,时间O(ns6),空间O(s)

dp计算一个长度为s+1的数组,dp[i]表示和为 i 的次数。
概率分母一定是6^n,分子即为dp[s]


问题B:

中序遍历为1,2,…,n的搜索二叉树有多少种结构?

dp,时间O(N*N)
dp[i] 表示节点为i的树有多少种结构,故而,dp[0] = 1
转移方程,dp[i] = sum{ dp[j-1] * dp[i-j] }


问题C:

打气球的最大分数:
数组Arr存放每个气球爆破得分,当挤爆气球时,得分规则为,当前气球得分 * 左边未爆气球得分 * 右边未爆气球得分,如何选择挤爆气球顺序使得分最大?

dp[ L ][ R ],时间O(NNN)
其中dp[L][R]表示区间[L,R]上当最大得分。

动态转移方程为:
dp[L][R] = max{ dp[L][R], dp[L][k-1] + dp[k+1][R] + Arr[L-1]*Arr[k]*Arr[R+1] }

动态规划表的填充顺序为:
注意到,每个dp[L][R] 只依赖 dp[L][k-1] 和 dp[k+1][R]的值,即为其左侧和下侧数据,则打表顺序为,L从左至右,R从下至上,然后枚举k。


问题D:
表达式得到期望结果的组成数量:
例如,1^0|0|1,要得到false的种类

dp,时间O(NNN)

t[i][j]表示区间[i…j]上表达为真的个数。
f[i][j]表示区间[i…j]上表达为假的个数。

同上一道题,dp[i][j]依赖左侧和下侧元素,则自左向右,自下而上遍历。
枚举k为区间[i…j]划分点,例如遍历方式如下:

for(int R = 0;R < N ; R+=2){
	for(int L = R; L >= 0 ; L-=2){
		for(int K = L+1; K < R ; K+=2){
		}}} 

问题E:
纸牌博弈
排成一列的纸牌只能从两边拿,规定A先拿,B后拿,则获胜者分数?

dp,时间O(N*N)

维护两个dp表,first[i][j]代表区间[i…j]先拿的最大分数。
second[i][j] 代表区间[i…j]后拿的最大分数。

转移方程:
f[i][j] = max{ Arr[i] + s[i+1][j] , Arr[j] + s[i][j-1] }
很好理解,当选了边界某一值后,就只能在剩下区间里后拿了。
s[i][j] = min{ f[i+1][j] , f[i][j-1] }
很好理解,在区间[i…j]上,对方先选当话只会给自己留下较差的情况。换一种思路,若f[i][j] 选择 Arr[i] + s[i+1][j] 后,s[i][j] 只能选f[i+1][j]了,递归可以发现,s[i][j]其实就是选min{f[i+1][j] , f[i][j-1]}。


问题F:
龙与地下城游戏:
从左上角出发,每次向右或向下,初始最少血量是多少?

二分初始值,时间O(NNlog{MaxNum})
dp,时间O(N*N)

二分方法略。
dp方法采用逆向思维,从右下角开始考虑所需最小血量是多少。

dp[i][j] 代表必须经过位置(i,j)所需的最小血量。

right = max{ dp[i][j+1] - m[i][j] , 1 }
down = max{ dp[i+1][j] - m[i][j], 1}
dp[i][j] = min{ right, down}


问题G:
邮局选址问题:

见:https://blog.youkuaiyun.com/ShellDawn/article/details/90576113


【算法】解决动态规划问题的通用步骤思路及示例算法:打家劫舍【动态规划】 动态规划(Dynamic Programming,简称DP)是一种解决问题的算法设计技术,通常用于优化问题。它通过将问题分解为更小的子问题,并解决这些子问题,然后合并它们的解决方案来解决原始问题。动态规划通常用于具有重叠子问题和最优子结构性质的问题。 动态规划的主要思想是避免重复计算,通过将中间结果存储起来,以便后续直接使用,从而提高效率。这种思想在递归过程中特别有用,因为递归经常会重复计算相同的子问题。 阅读详情

相关推荐

钢条切割问题:动态规划算法的典型应用

在工业生产和物流管理中,钢条切割问题是一个常见的优化问题。企业在购买长钢条并将其切割为短钢条出售时,往往面临着如何切割以最大化利润的问题。这个问题不仅关系到企业的成本控制和利润最大化,也涉及到资源的有效利用和生产效率的提升。本文将介绍钢条切割问题的数学模型,以及如何运用动态规划算法来寻找最优的切割方案。

笔者从事电信媒体开发多年,愿意将多年的开发经验分享给同行 2016

【算法】动态规划(Dynamic Programming)

文章目录什么是动态规划算法数字三角形经典递归解法 什么是动态规划算法 总体思想 (1)动态规划算法与分治法类似,其基本思想也是将待求解问题分解成若干个子问题 (2)经分解得到的子问题往往不是互相独立的,有些子问题被重复计算多次 (3)如果能够保存已解决的子问题的答案,而在需要时再找出已求得的答案,就可以避免大量重复计算,从而得到多项式时间算法(备忘录法) (4)图解: 使用动态规划来求解的问题需要具备的基本要素包括: (1)重复子问题 递归算法求解问题时,每次产生的子问题并不总是新问题,有些子

高朗的博客 4万+

内网Linux服务器离线安装python包

3、将下载的依赖包和requirements.txt 拷贝到内网主机,依赖包和requirements.txt放同一级目录,进入该目录,运行指令。其实还有个更加方便的办法,联网主机装个与内网主机一样环境的虚拟机,在虚拟机中下载py包,拷贝到内网主机后就能直接安装了,省去手动下载py包的步骤。简单记录下最近遇到的一个小问题,内网主机没有内网源,处于无互联网状态,安装python包只能通过联网主机下载好后拷贝到内网主机。由于内网主机安装了多个版本的python,为了防止搞错,使用这种方式来调用pip安装。

cyc头发还挺多的博客 653

经典中的经典算法:动态规划(详细解释,从入门到实践,逐步讲解)

动态规划的重要性就不多说,直接进入正题 首先,我们看一下官方定义:定义: 动态规划算法是通过拆分问题,定义问题状态和状态之间的关系,使得问题能够以递推(或者说分治)的方式去解决。 动态规划算法的基本思想与分治法类似,也是将待求解的问题分解为若干个子问题(阶段),按顺序求解子阶段,前一子问题的解,为后一子问题的求解提供了有用的信息。在求解任一子问题时,列出各种可能的局部解,通过决策保留那些有可能达到最优的局部解,丢弃其他局部解。依次解决各子问题,最后一个子问题就是初始问题的解。基本思想与策略编辑: 由于动态

Jiguoyuanyic的博客 4万+

什么事LLVM和Clang?Clang与GCC有什么区别?Clang如何使用?

这个问题主要讲Xcode编译器的认知,在学习iOS之前有必要学习一下Objective-C的编译环境。 在了解LLVM和Clang之前,先得了解一下什么是编译器。 编译器是一种计算机程序,它将某种编程语言(高级编程语言)写成的源代码转换成另一种编程语言(低级编程语言)。一个现代编译器的主要工作流程为:源代码->预处理器->编译器->目标代码->链接器->可执行程序...

Welcome~ 9724

从镜头到像素:深入解析Camera、Sensor与V4L2的协同工作流

本文深入解析了摄像头从物理成像到软件控制的完整工作流。详细介绍了镜头、传感器(Sensor)与V4L2框架的协同机制,涵盖光电转换、同步信号、ISP图像处理等核心环节,并通过实战演示了如何使用v4l2-ctl工具进行调试,为嵌入式开发和驱动调试提供系统指南。

weixin_29230805的博客 390

算法之动态规划

目录什么是动态规划 概念动态规划的特点动态规划的写法适用的场景何时使用动态规划核心套路区别 斐波那契理解动态规划 换零钱问题 区别 分治和动态规划 贪心和动态规划

一名在校大三学习JAVA 9706

python实现DoIP基本通信(收发报文)

python实现DoIP基本通信(收发报文)

天赐好车的博客 899

【算法】动态规划

动态规划、最长公共子序列

小匠码农 1万+

iStoreOS等软路由插件卸载的残留?分享一款软路由高级卸载工具,自定义卸载,轻松解决卸载残留问题

iStoreOS用户看过来!👀 还在被插件包残留困扰吗?本文分享一款“高级卸载”的插件,助你深度清理iStoreOS系统,彻底解决软件卸载不净的痛点,告别频繁恢复出厂设置的烦恼!🚀

XiaoqiangClub的博客 1554

AMDGPU驱动中Doorbell与Event机制简要对比

摘要:AMDGpu驱动中,Doorbell和Event是两种异步通知机制。Doorbell是CPU→GPU的单向硬件通知,通过写MMIO寄存器触发GPU拉取任务,延迟低且无需内核介入,适用于队列任务提交。Event是GPU→CPU的双向同步通知,基于中断和内核事件对象,支持阻塞等待,用于任务完成或异常上报。核心区别在于方向、用途和实现方式:Doorbell侧重任务触发,Event侧重状态反馈。两者配合实现高效的任务下发与完成通知流程。

图形/计算GPU的驱动与虚拟化技术分享园地 1864

【动态规划】动态规划算法基本概念,原理应用和示例代码

动态规划(Dynamic Programming,简称DP)是一种解决多阶段决策问题的数学优化方法。它将原问题分解成若干个子问题,通过解决子问题只需解决一次并将结果保存下来,从而避免了重复计算,提高了算法效率。通俗来讲,动态规划算法是解决一类具有重叠子问题和最优子结构性质的问题的有效方法。其基本原理是将大问题分解为小问题,通过保存中间结果来避免重复计算,从而提高算法的效率。动态规划主要包括两个要素:最优子结构和重叠子问题。

qq_35831906的博客 2万+

零基础学GPU KMD--8. 内存管理:GPU 显存与系统内存的协同​8.1 显存分配策略:GEM / TTM 原理

支持 VRAM、GTT(Graphics Translation Table)、SYSTEM 内存的动态迁移与缓存管理。:若缓冲区在 SYSTEM,TTM 分配 GTT 条目并建立页表映射,使 GPU 可直接访问。:系统内存中预留给 GPU 直接访问的区域,通过 GPU 的 MMU 做地址翻译。你需要我继续展开这一部分吗?​ 为复杂离散 GPU 设计,应对大容量 VRAM、多内存域、显存迁移等问题。:重量级、功能全,适合大容量、多内存域的离散 GPU,强调显存迁移与统一管理。

amy_mhd的博客 188

数据结构与算法学习之路:背包问题的贪心算法和动态规划算法

背包问题的动态规划算法和贪心算法

追风筝的吃货,汪~ 1675

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

动态规划DP:从硬币问题到挤牛奶问题的算法实战

【摘要】两篇动态规划问题分别解决硬币找零和牛奶分配问题。第一篇通过动态规划数组dp[j]计算组成金额k的最小硬币数,若不可达则输出0。第二篇利用三维状态dp[k][j]寻找n/2头奶牛产奶量总和最接近总产奶量一半的方案,输出最小差值。两题均采用状态转移思想,前者时间复杂度O(n×k),后者为O(n²×sum),适用于给定约束条件。核心在于逐步构建子问题最优解,最终获得全局最优。

shentuyusen的博客 837

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

【算法】动态规划:数塔问题

#include <iostream> #include <algorithm> using namespace std; /* 数塔问题: 描述:从数塔的顶层出发,在每一个节点可以选择左右方向,一直走到最底层。 求找出一条路径,使得路径上的数值和最大。 d[n][n] 数塔,三角矩阵 maxAdd[n][n] 存储动态规划每一步决策结果 path[n][n] 存储每一次觉得所选择的数组在d[n][n]中的列下标 maxAdd[n-1][j] = d[n-1][j], 0 .

weixin_44566432的博客 1641

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

【算法概论】动态规划:矩阵连乘问题

矩阵连乘问题(Matrix Multiplication Order Problem / Chain Matrix Multiplication) 【文中所有标蓝字体为下标】 问题描述: 有 n 个矩阵进行连乘,已知各个矩阵的行列数,问:如何在算式的中间插入合适的括弧,使得乘法的进行次数最少? 问题解释: 一个 m * n 的矩阵与一个 n * p 的矩阵相乘...

t11383的博客 4370

动态规划算法:背包问题

背包问题概述背包问题概述背包问题 (Knapsack problem) 是⼀种组合优化的NP完全问题。问题可以描述为:给定⼀组物品,每种物品都有⾃⼰的重量和价格,在限定的总重量内,我们如何选择,才能使得物品的总价格最⾼。根据物品的个数,分为如下⼏类:•01 背包问题:每个物品只有⼀个•完全背包问题:每个物品有⽆限多个•多重背包问题:每件物品最多有 si 个•混合背包问题:每个物品会有上⾯三种情况......•。

2301_79881188的博客 8957

背包问题算法全解析:动态规划和贪心算法详解

计算机背包问题是动态规划算法中的经典问题。本文将从理论和实践两个方面深入探讨计算机背包问题,并通过实际案例分析,帮助读者更好地理解和应用该问题。

BASK2312的博客 4392

动态规划算法:解决复杂问题的利器

动态规划(Dynamic Programming)是一种高效解决复杂问题的算法方法,它通过将问题分解为子问题,并将子问题的解缓存起来,从而避免重复计算,提高计算效率。本文将介绍动态规划算法的原理、应用场景以及实际代码示例(Java)。动态规划算法是一种强大的解决复杂问题的方法。通过将问题划分为多个子问题,并利用子问题的解来求解原问题,动态规划能够高效地解决具有重叠子问题和最优子结构特性的问题。在实际应用中,动态规划广泛应用于各个领域,例如最短路径问题、背包问题、编辑距离问题和股票交易问题等。

Java领域 1万+

【算法概论】动态规划:最短路径问题

因为刚开始想着,既然在图中表示,就要用到图的存储结构等等吧,所以

t11383的博客 1万+

算法4:动态规划之背包问题

动态规划是把大问题拆分成小问题,通过寻找大问题与小问题的递推关系,解决一个个小问题,最终达到解决原问题的效果

weixin_73538099的博客 1133

【动态规划】深入动态规划:简单多状态问题算法剖析

动态规划——多状态表问题

2403_87459748的博客 1638

动态规划算法:路径问题

解法(动态规划):算法思路:1.状态表⽰:对于这种「路径类」的问题,我们的状态表⽰⼀般有两种形式:i.从 [i, j]位置出发,巴拉巴拉;ii.从起始位置出发,到达 [i, j]位置,巴拉巴拉。这⾥选择第⼆种定义状态表⽰的⽅式:dp[i][j]表⽰:⾛到[i, j]位置处,⼀共有多少种⽅式。2.状态转移⽅程:简单分析⼀下。如果dp[i][j]表⽰到达[i, j]位置的⽅法数,那么到达 [i, j] 位置之前的⼀⼩步,有两种情况:i.

2301_79881188的博客 1387

算法设计:动态规划问题

适合采用动态规划(dynamic programming)方法的最优化问题中的两个要素:最优子结构和重叠子问题。 最优子结构: 用动态规划求解最优化问题的第一步就是刻画最优解的结构,如果一个问题的解结构包含其子问题的最优解,就称此问题具有最优子结构性质。因此,某个问题是否适合应用动态规划算法,它是否具有最优子结构性质是一个很好的线索。使用动态规划算法时,用子问题的最优解来构造原问题的最优解。因...

Rookiekk 630
上一篇: 算法:数组上窗口问题
下一篇: 算法:数学问题
ShellDawn
博客等级 码龄10年 75粉丝 756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
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