动态规划&备忘录方法&递归方法

动态规划之矩阵连乘问题详细解读(思路解读+填表+代码) 动态规划简介 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,先求解子问题,然后从这些子问题的解得到原问题的解。 与分治法不同的是,适合于用动态规划求解的问题,经分解得到子问题往往不是互相独立的。若用分治法来解这类问题,则分解得到的子问题数目太多,有些子问题被重复计算了很多次。如果我们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,这样就可以避免大量的重复计算,节省时间。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到,只要它被计算过,就将其结果填 阅读详情

动态规划的基本思想是,将原问题拆分为若干子问题,自底向上的求解。其总是充分利用重叠子问题,即通过每个子问题只解一次,把解保存在一个表中,巧妙的避免了子问题的重复求解。

递归方法,采用的是自顶向下的思想,拆分为若干子问题,但是造成了子问题的重复求解。

备忘录方法,采用的也是自顶向下的思想,但是该方法维护了一个记录子问题解的表,虽然填表动作的控制结构更像递归方法,但是的确避免了子问题的重复求解。

下面以字符串的相似度来展示一下各方法的特点:

动态规划

递归:略

备忘录:

#include <iostream>
#include <string>
#include <vector>
using namespace std;

const int N = 100;

int dist[N][N];

int minValue(int va, int vb, int vc)
{
	int temp = va;

	if(vb < temp)
		temp = vb;
	if(vc < temp)
		temp = vc;

	return temp;
}

int distance(string strA, int pABegin, int pAEnd, string strB, int pBBegin, int pBEnd)
{
	if(dist[pABegin][pBBegin]>=0)
		return dist[pABegin][pBBegin];

	if (pABegin > pAEnd)
	{
		if(pBBegin > pBEnd)
			dist[pABegin][pBBegin] = 0;
		else
			dist[pABegin][pBBegin] = pBEnd - pBBegin + 1;

		return dist[pABegin][pBBegin];
	}

	if (pBBegin > pBEnd)
	{
		if(pABegin > pAEnd)
			dist[pABegin][pBBegin] = 0;
		else
			dist[pABegin][pBBegin] = pAEnd - pBBegin + 1;

		return dist[pABegin][pBBegin];
	}

	if (strA[pABegin]==strB[pBBegin])
	{
		dist[pABegin][pBBegin] = distance(strA, pABegin+1, pAEnd, strB, pBBegin+1, pBEnd);

		return dist[pABegin][pBBegin];
	}
	else
	{
		int t1 = distance(strA, pABegin, pAEnd, strB, pBBegin+1, pBEnd);
		int t2 = distance(strA, pABegin+1, pAEnd, strB, pBBegin, pBEnd);
		int t3 = distance(strA, pABegin+1, pAEnd, strB, pBBegin+1, pBEnd);

		dist[pABegin][pBBegin] = minValue(t1, t2, t3)+1;

		return dist[pABegin][pBBegin];
	}
	
}

int main()
{
	string A;
	string B;

	cin>>A;
	cin>>B;

	for (int i=0; i<N; i++)
		for(int j=0; j<N; j++)
			dist[i][j] = -1;

	cout<<distance(A, 0, A.length()-1, B, 0, B.length()-1);
	return 0;
}


另一个例子请看考: 斐波那契数列


动态规划解决矩阵连乘问题 给定n个矩阵{A1,A2,…,An},其中,Ai与Ai+1是可乘的,(i=1,2 ,…,n-1)。用加括号的方法表示矩阵连乘的次序,不同的计算次序计算量(乘法次数)是不同的,找出一种加括号的方法,使得矩阵连乘的次数最小。 ...... 阅读详情

相关推荐

动态规划---例题1.矩阵连乘问题

一.问题描述 矩阵A和B可乘的条件是矩阵A的列数等于矩阵B的行数.若A是一个p×q的矩阵,B是一个q×r的矩阵,则其乘积C=AB是一个p×r的矩阵.其标准计算公式为: 计算C=AB总共需要pqr次的数乘. 给定n个矩阵{A1,A2,…,An}.其中Ai与Ai+1是可乘的,i=1,2,…,n-1.要求计算出这n个矩阵的连乘积A1A2…An. 二.解题思路 矩阵乘法满足结合律,故连乘积的计算可以有许多不同的计算次序.这种计算次序可以用加括号的方式来确定.若一个矩阵连乘积的计算次序已完全确定,也就是说该连乘积已

PG13okc的博客 5884

动态规划之——矩阵连乘(全网最详细博文,看这一篇就够了!)

动态规划之矩阵连乘

扬俊的小屋 8万+

动态规划:矩阵连乘问题(C++实现,含备忘录方法)

动态规划与分治法的异同: 相同点:其基本思想都是将待求解问题分解为若干子问题,先求解子问题,再结合这些子问题的解得到原问题的解。 差异点:与分治法不同的是,适合用动态规划法求解的问题经分解得到的子问题往往不是相互独立的。有些问题分解后的子问题往往是重复的,此时若用分支法则会重复计算耗费时间内存。 总结:为了达到避免重复计算,可以用一个表来记录所有已解决的子问题的答案。不管该子问题以后是否被用...

BJM‘s blog. 2万+

动态规划之矩阵连乘

动态规划之矩阵连乘

weixin_56368033的博客 709

一文彻底搞懂递归、备忘录、动态规划

递归: 递归算法是一类非常常用的算法,它是一种直接或间接调用原算法本身的算法。递归算法最大的特点就是“自己调用自己”,对于一些具有递归特性的问题,使用递归算法来解决会更加简单明了,且易于实现。 在使用递归算法解决实际的问题时,要自顶向下地将一个大问题拆分成同类的小问题,然后利用同类问题这一特性构造出解决问题的递归函数,也就是这种“自己调用自己”的模型,再通过程序实现这个递归函数。 下面通过一个实例理解递归算法。 走楼梯问题:...

IT80hcbz的博客 3819

细谈递归,备忘录递归,动态规划,三种算法思想和运行原理

大家都知道,数值稍大的递归运行时间对于开发者来说就是场灾难,我们总是想方设法在优化递归,或者说不用递归,此文中从空间时间角度详细剖析以上三种算法的区别,以及运行原理,以斐波那契数为例, 编程语言java 此处为代码 package test1;import java.util.HashMap;public class test2 { private static int count1=0;

qq_39046727的博客 5214

算法(五)、递归&&动态规划&&背包问题

算法(五)、递归&amp;&amp;动态规划&amp;&amp;背包问题一、递归1、斐波拉契数列public static int r(int n) { if (n &lt;= 2) { return 1; } else { return r(n - 1) + r(n - 2); }}2、求数列的第n项// 1 1 10 28pu...

weixin_34383618的博客 115

【ROS2】MOMO的鱼香ROS2(三)ROS2入门篇——ROS2第一个节点

【ROS2】MOMO的鱼香ROS2(三)ROS2入门篇——ROS2第一个节点

qq_44703886的博客 3628

备忘录方法与动态规划比较

 动态规划算法的基本要素: 1  最优子结构性质当问题的最优解包含了其子问题的最优解时,称该问题具有最优子结构性质。2  重叠子问题性质   动态规划算法对每个问题只解一次,将其解保存在一个表格中,当再次需要解此问题时,用常数时间查看一下结果。因此,用动态规划算法通常只需要多项式时间。备忘录方法:•用一个表格来保存已解决的子问题的答案,用的时候查表即可。 •采用的递归方式是自顶向下。•控制结构

operatingtuzi的专栏 1万+

工业质检实战:如何用MVTec AD数据集训练你的第一个无监督异常检测模型

本文提供了一份基于MVTec AD数据集的工业质检实战指南,详细介绍了如何从零开始训练一个无监督异常检测模型。内容涵盖数据预处理、模型架构选型(如CAE、GAN与特征字典方法)、特征提取、损失函数设计以及关键的阈值确定与后处理流程,旨在帮助工程师快速掌握将AI技术落地于实际产线质检的核心步骤与调参经验。

weixin_29182481的博客 461

用Python和sklearn预测NBA比赛胜负:从数据清洗到模型优化的完整流程

本文详细介绍了如何使用Python和sklearn构建NBA比赛胜负预测模型,涵盖从数据清洗、特征工程到模型优化与部署的完整流程。通过对比随机森林、XGBoost等主流算法,提供实战技巧和解决方案,帮助数据爱好者掌握体育数据分析的核心技术。

weixin_30823001的博客 137

动态规划(非递归)、递归、备忘录法的性能比较及分析

通过斐波那契数列的求解对动态规划、递归、备忘录法分别实现的算法性能进行比较。 public class Fibonacci { public static void main(String[] args) { int i = 30; long l1 = System.nanoTime(); System.out.println(diGui(i)); long l2 = System.nanoTime(); System.

chen_wwww的博客 1424

华为使用MicroG安装并使用Google服务教程

鉴于众多华为手机用户因无法使用Google服务而感到不便,我经过多次摸索和测试,总结了一份简单易懂的教程,希望能够帮助到大家。无论是需要使用Google Play商店下载应用,还是需要使用Google服务进行工作和学习,本文将详细介绍如何在华为手机上安装并使用Google服务。二、前置条件软件要求:Aurora Store(替代Google Play商店)、MicroG Companion、MicroG Server(替代Google框架)

weixin_41926602的博客 3万+

动态规划之求解整数拆分问题 非递归方法以及备忘录方法

求解整数拆分问题 一、【问题描述】 求将整数无需拆分为最大数为k(称为n的k拆分)的拆分方案个数,要求所有的拆分方案不重复 二、【问题求解】 设n=5,k=5,对应的拆分方案有 ①5=5 ②5=4+1 ③5=3+2 ④5=3+1+1 ⑤5=2+2+1 ⑥5=2+1+1+1 ⑦5=1+1+1+1+1 该题适合用动态规划求解,设f(n,k)为n的k拆分的拆分方案个数: (1)当n=1,k=1时,显然f...

#两个西柚 1233

学Simulink——基于扩展卡尔曼滤波(EKF)的列车牵引电机转子温度在线估计仿真

本文介绍了一种基于扩展卡尔曼滤波(EKF)的列车牵引电机转子温度在线估计方法,通过Simulink建模实现。文章首先阐述了EKF在估计电机转子温度中的优势,即利用易测量信号(如电流、电压、转速)在线估计难以直接测量的转子温度,并分析了温升对电机性能的影响。随后详细讲解了电机热电增广模型的构建,包括定子电阻温度关系、一阶热近似模型和PMSM的dq轴方程。接着,文章提供了Simulink建模的详细步骤,包括PMSM+FOC电流环的搭建、EKF算法的实现(推荐使用ExtendedKalmanFilter块或MAT

xiaoheshang_123的博客 59

基于非接触式微波雷达设计的睡眠监控系统_323

本项目设计了一种基于非接触式微波雷达的睡眠监控系统,通过高精度的生理信号采集与分析,帮助用户全面了解自身的睡眠状态和健康状况。系统采用60GHz频段的R60ABD1毫米波雷达模块,实现对人体呼吸频率、心率、活动状态、体动幅度等参数的非接触式测量;结合MLX90614红外体温传感器,能够实时监测人体体温。此外,系统通过蜂鸣器报警和数据上云功能,及时向用户反馈异常生理指标,确保健康风险早期预警。数据通过ESP8266-WIFI模块上传至华为云物联网平台,用户可通过Android手机APP和Windows上位机远

504

动态规划_最优矩阵连乘_循环备忘录&递归备忘录

【问题描述】 给定n个矩阵{A1,A2,…,An},其中Ai与Ai+1是可乘的,i=1,2…,n-1。如何确定计算矩阵连乘积的计算次序,使得依此次序计算矩阵连乘积需要的数乘次数最少。例如,给定三个连乘矩阵{A1,A2,A3}的维数分别是10100,1005和550,采用(A1A2)A3,乘法次数为101005+10550=7500次,而采用A1(A2A3),乘法次数为100550+10100*50=75000次乘法,显然,最好的次序是(A1A2)A3,乘法次数为7500次。 【源码】 #include u

arthur0919的博客 765

华为OD机试新系统真题 【查找最佳充电策略】

华为OD机试 新系统真题【查找最佳充电策略】,提供C语言、Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解,以及在线OJ模拟做题。华为OD机试真题【查找最佳充电策略】多语言题解。

qq_45776114的博客 441

斐波那契数列 递推 递归 备忘录 动态规划

当n=0时,f(n) = 0      当n=1时,f(n) = 1 当n>1时,f(n) = f(n-1) + f(n-2) 递归算法: [cpp] view plaincopy int fun(int n)   {       if(n          return 0;       if(n == 1

xyjikl 2587

《Python基础教程》内容总览篇(持续更新中)

大家好,我是爱编程的喵喵。双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为优快云博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳,不仅形成深入且独到的理解,而且能够帮助新手快速入门。个人精心开设的《Python基础课程》专栏订阅量接近900,帮助不少同学解决了Bug。

weixin_43178406的博客 35万+

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

【斐波那契数列】动态规划、递归(带备忘录)

题目描述 大家都知道斐波那契数列,现在要求输入一个整数n,请你输出斐波那契数列的第n项(从0开始,第0项为0,第1项是1)。n&lt;=39 解法一:递归(带备忘录) 直接由斐波那契数列的定义f(n) = f(n-1) + f(n-2)可以得到递归的公式,为了避免重复求解已经结果的问题,可以使用备忘录(即数组),将备忘录初始化为-1,递归时进行判断,若已经求解过就直接返回 public int res[]; public int Fibonacci(int n) { res = new int[

这个人很蓝 1435

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

斐波那契数列 : 递归,备忘录递归,动态规划实现与对比

参考: 细谈递归,备忘录递归,动态规划,三种算法思想和运行原理 import java.util.HashMap; /** * 1、1、2、3、5、8、13、21、34、…… * 斐波那契数列以如下被以递推的方法定义: * F(1)=1,F(2)=1, F(n)=F(n - 1)+F(n - 2)(n ≥ 3,n ∈ N*) * &lt;p&gt; * 大家都知道,数值稍大的递归运行...

火星男孩的分享空间 797

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

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

矩阵乘法(递归+动态规划+备忘录)C语言实现

题目: 给定n个矩阵{A1,A2,……,An},其中Ai与Ai+1是可乘的,i=1,2,……,n-1.考察这n个矩阵的连乘积A1A2……An,找出计算量最小的计算次序。 算法描述 1 递归 对于每一个i,j区间,有一个变量k表示从第k个数组划分,k的范围是[i,j-1],枚举一个区间的所有划分情况然后求最小值,这两个子情况我们还不知道,所以就要再次递归,求解每一种子情况的答案~: (1)设一个r(...

weixin_44903715的博客 3004

动态规划(备忘录)

#include&lt;iostream&gt; using namespace std; int max(int a,int b){ return a&gt;b?a:b; } int main(){ int n; cin&gt;&gt;n; int a[n]; for(int i=0;i&lt;n;i++) cin&gt;&gt;a[i]; int m[n]; m[0]=a[0]; for(int i=1;i&lt;n;i++){ if(m[i-1]&gt;0) .

weixin_51323049的博客 2123
上一篇: 字符串的相似度
下一篇: 斐波那契数列
traceorigin
博客等级 码龄15年 38粉丝 35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